很多做后端与智能体架构的朋友想把这套模式嵌进系统里, 替大家把 Akshay 梳理的核心原语与七步上线法则提炼如下:
第一部分 掌握三个核心原语:
原语一 Choice 单选原语。预先定义好合法的选项列表, 比如工单分流的技术、账单、销售部门, 模型输出胜出的选项以及每个选项各自的概率分布。
原语二 Score 区间原语。对输入状态在预定义的等级阶梯上打分, 比如对客户情绪评定轻度、中度或极端愤怒。
原语三 Noul 布尔原语。这是专为真假判断设计的类型, 直接返回某个陈述为真的概率浮点数, 比如这条 Shell 指令是否包含高危删除操作。
第二部分 生产环境七步平滑落地法则:
第一步 先挑一个输出选项极其明确、且原本由慢速大模型调用的低风险判断节点。
第二步 在调用前人肉写死该场景的判定标准, 明确每个选项的判定红线。
第三步 收集包含模糊用例和恶意攻击输入的基准测试集。
第四步 开启影子模式, 让它与现有的传统分支并行跑, 仅记录数据不影响主业务。
第五步 绘制准确率与置信度的散点图, 找出当前任务的最佳概率阈值。
第六步 优先对高置信度分支放权自动化, 中低置信度保留大模型复核或人工兜底。
第七步 严禁在生产环境直接使用动态标签, 牢牢锁定具体的版本号以便回溯重测。
如果 deterministic 代码能写死的规则就继续用代码, Jev 的价值是在代码理解不了自然语言语义时, 补上那道智能的开关。