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