核心用法
DGR（Decision-Grade Reasoning）是一套推理治理协议，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审计级JSON工件。用户只需提供决策上下文并选择模式，系统即返回包含假设、风险、建议及一致性检查的完整记录，可直接存入工单或审计日志。
显著优点
- 审计就绪：输出强制符合schema.json，包含至少1条假设、1条风险、建议及一致性检查，满足合规留痕需求。
- 分级适配：三种模式分别对应快速决策（min）、标准支持（full）、高风险保守分析（strict），灵活匹配 stakes 级别。
- 人机协同：明确标注
review_required字段，支持reviewer友好型结构，强化决策流程的可追溯性。 - 跨模型一致：标准化输出格式，确保不同任务和模型间的一致性。
潜在缺点与局限性
- 不保证正确性：明确声明不保证决策最优、真实或消除幻觉，仅提升"过程质量"。
- 非专业建议：不构成法律/医疗/财务建议，也不单独满足监管合规要求。
- 依赖输入质量：若关键决策输入缺失，需人工澄清，无法自动补全。
- 严格模式成本：
dgr_strict速度较慢，高频使用可能影响效率。
适合人群
- 需要决策留痕的合规、风控、审计团队
- 追求结构化推理的产品经理、技术负责人
- 处理高不确定性问题需明确假设与风险边界的研究/策略团队
常规风险
- 过度依赖风险：用户可能误将"流程规范"等同于"结论可靠"
- 模式误配风险：高 stakes 场景若误选
dgr_min，可能因追问不足导致关键风险遗漏 - 存储与泄露：JSON工件含决策敏感信息，需配套访问控制与加密存储策略