Decision-Grade Reasoning (DGR)

核心用法

DGR（Decision-Grade Reasoning）是一种推理治理协议，要求 LLM 输出结构化的、机器可验证的决策工件。用户提出决策请求后，选择三种模式之一（dgr_min/dgr_full/dgr_strict），系统返回符合 schema 的 JSON，包含：决策上下文、显式假设清单、风险评估、带理由的建议，以及一致性检查。输出可直接存入工单、事故日志或审计系统。

显著优点

1. 审计就绪：强制输出假设、风险、建议三要素，满足合规留痕需求
2. 模式化治理：三种速度-严格度梯度（min/full/strict），适配从日常到关键决策的场景
3. 机器可读：schema-valid JSON 便于下游系统解析、存储、检索
4. 跨模型一致：统一格式降低模型切换带来的格式漂移风险

潜在缺点与局限

• 不保证正确性：明确声明仅提升"过程质量"（清晰度、可追溯性），不提升结果确定性
• 速度成本：dgr_strict 模式显著增加 token 消耗和延迟
• schema 依赖：若下游系统未按标准 schema 消费，价值折损
• 幻觉风险未消除：虽要求显式标注不确定性，但不阻止模型虚构信息

适合人群

• 企业合规/风控团队需审计留痕
• 产品经理、SRE 需结构化决策记录
• 多模型协作场景需输出标准化

常规风险

1. 过度信任风险：用户可能将"结构完整"误解为"决策正确"
2. 模式误配风险：高利害决策误用 dgr_min 导致审查不足
3. 数据泄露风险：决策上下文可能含敏感信息，JSON 存储需加密

DGR (Decision‑Grade Reasoning) 评估

核心用法

DGR 是一种决策治理协议，通过三档模式 (dgr_min/dgr_full/dgr_strict) 将用户的决策请求转化为机器可验证的 JSON 决策记录。用户只需提供决策场景，系统即输出包含假设清单、风险矩阵、推荐方案及一致性校验的结构化文档，直接存储至工单/审计系统。

显著优点

1. 审计就绪：输出为 schema-valid JSON，天然适配企业审计流程与合规存档
2. 风险显性化：强制要求至少 1 条假设 + 1 条风险，避免"黑箱决策"
3. 弹性分级：三档模式兼顾效率 (min 45 秒内输出) 与严谨 (strict 深度质疑)
4. 来源可信：托管于 ClawHub 平台 (T2 可信组织)，通过 S+ 级安全认证
5. 零依赖架构：纯 Markdown/JSON 实现，无代码执行、无网络调用、无供应链风险

潜在局限

• 不保证正确性：明确声明不承诺决策最优或消除幻觉，仅提升"过程质量"
• 需人工终审：推荐字段含 review_required 开关，高 stakes 场景强制触发人工复核
• 模式学习成本：用户需理解 assumptions/risks/consistency_check 等字段的业务映射
• 中文场景适配：Schema 与示例均为英文，本地化团队需补充中文字段注释

适合人群

• 企业合规官/审计团队：需标准化决策留痕
• AI 产品负责人：构建"人机共决"的治理层
• 高风险行业从业者 (金融、医疗、法律)：在模型输出与人工判断间建立缓冲带

常规风险

• 过度依赖风险：用户可能误将"结构化输出"等同于"正确决策"
• 模式固化风险：严格 schema 可能抑制创造性解决方案的涌现
• 版本漂移风险：Schema 更新后历史记录需兼容处理