核心用法
DGR（Decision‑Grade Reasoning）是一种推理治理协议，通过三种模式（dgr_min/dgr_full/dgr_strict）将用户决策请求转化为机器可验证的JSON决策工件。用户只需提供问题上下文并选择模式，系统即输出包含决策背景、显式假设、风险评估、建议及一致性检查的完整记录，可直接存入工单系统或审计日志。
显著优点
1. 审计就绪：结构化输出满足合规审查需求，天然支持追溯与复现。
2. 风险显式化：强制要求至少1条假设和1条风险，避免隐性判断。
3. 模式灵活：三档速度-深度权衡，从快速低风险的min到保守质疑的strict。
4. 跨模型一致：统一JSON Schema确保不同LLM输出格式一致。
5. 治理友好：内置审查门控（review_required）与范围限制机制。
潜在局限
- 不保证正确性：明确声明不确保最优解、真实性或消除幻觉。
- 非专业建议：不构成法律、医疗、财务等领域的合规依据。
- 速度成本：
strict模式因保守分析而显著慢于常规推理。 - 人工依赖：定位为"辅助人类决策"而非替代，仍需人工作最终裁决。
适合人群
- 企业合规/风控团队：需要标准化决策留痕的审计场景
- 产品经理与项目经理：高影响产品决策的结构化论证
- AI治理负责人：建立LLM输出的人工复核流程
- 需强可追溯性的技术团队：如故障排查、架构变更评审
常规风险
1. 过度信任风险：JSON格式可能赋予虚假的"机器权威"感。
2. 假设验证缺口：系统仅要求显式化假设，不验证其真实性。
3. 模式误配：用户可能在高风险场景误选dgr_min导致审查不足。
4. 数据残留：审计日志存储需额外关注敏感信息脱敏。