Decision-Grade Reasoning (DGR)

核心用法

DGR 是一套推理治理协议，旨在为决策过程生成机器可验证、可审计的结构化记录。用户提交决策请求后，根据所选模式（dgr_min/dgr_full/dgr_strict）获得符合 schema 的 JSON 输出，包含决策上下文、显式假设与风险、推荐理由及一致性检查，可直接存入工单、审计日志或事件系统。

三种模式选择：

• dgr_min：最快，最小合规输出，仅追问关键缺失信息，适用于低 stakes 快速决策
• dgr_full：中等速度，更完整的分解+备选方案，平衡审查负担，标准决策支持
• dgr_strict：最慢，保守分析，更多质疑，高风险或不确定上下文的默认选择

显著优点

1. 可追溯性：结构化 JSON 输出便于机器解析、跨系统存储和事后审计
2. 质量提升：强制要求至少 1 条假设、1 条风险及一致性检查，减少推理盲点
3. 模式适配：三级速度/深度权衡，灵活匹配不同 urgency 和风险等级
4. 跨模型一致：标准化输出格式，降低模型切换带来的格式漂移
5. 人机协同：明确设计为 opt-in 辅助模式，而非人类决策的替代品

潜在局限与风险

• 不保证正确性：明确声明不确保结论最优、真实或无幻觉
• 非合规担保：自身不构成法律/医疗/财务建议的合规性认证
• 依赖输入质量：若用户提供信息不完整，输出质量受限
• 严格模式成本：高 stakes 场景的 dgr_strict 显著增加延迟和 token 消耗
• 审查负担：recommendation.review_required 标记可能增加人工复核流程

适合人群

• 需要审计留痕的企业合规、风控、安全团队
• 处理高 stakes 决策（如政策审批、事故响应）的治理负责人
• 追求决策过程标准化、希望降低模型输出随机性的 AI 运维团队
• 需将 AI 推理结果接入现有工作流系统（JIRA、ServiceNow、内部审计平台）的集成开发者

常规风险

| 风险类型 | 说明 | 缓解建议 |

|---------|------|---------|

| 过度依赖 | 误将"过程合规"等同于"结论正确" | 始终标注 `source_credibility` 和不确定性 |

| 模式错配 | 高风险场景误用 `dgr_min` | 建立模式选择指南，强制 `dgr_strict` 触发条件 |

| 存储泄露 | JSON 含敏感决策上下文 | 遵循最小权限原则存储，加密敏感字段 |

| 幻觉引用 | 可能虚构未查看的文档 | 技能内置约束：不得引用未见来源 |

核心用法

DGR（Decision-Grade Reasoning）是一套推理治理协议，通过结构化流程将用户决策请求转化为标准化的 JSON 工件。使用流程极简：

1. 提交决策请求 — 提供问题背景与上下文
2. 选择运行模式 — dgr_min（快速/低风险）、dgr_full（标准平衡）、dgr_strict（高 stakes/保守）
3. 获取审计工件 — 输出包含决策情境、显式假设、风险披露、建议及一致性检查的 JSON 文件，可直接存入工单系统或审计日志

该 skill 强制要求输出至少包含 1 条假设、1 条风险、1 项建议及一致性检查，确保最低决策完整性。

显著优点

• 审计就绪：输出格式标准化，支持机器验证，满足合规场景的留痕需求
• 风险显性化：强制披露假设与风险，减少"隐性知识"导致的决策盲区
• 灵活分级：三种模式覆盖从日常快速决策到关键治理审查的全谱系场景
• 来源可信：ClawHub 平台发布，经 CLS-Certify 静态分析认证，零可执行代码、零外部依赖
• 安全边界清晰：内置 review_required 标记、明确不适用声明（non-claims），体现安全优先设计

潜在局限

• 不保证正确性：明确声明不确保决策最优、真实或合法合规，仅提升"过程质量"
• 幻觉风险仍在：无法消除 LLM 生成内容中的事实错误或虚构来源
• 依赖人工审查：高风险场景仍需人工介入，自动化程度有限
• 输出体积监控：异常大的 JSON 可能暗示提示词注入，需额外监控机制

适合人群

• 合规/风控团队：需结构化决策留痕的审计场景
• SRE/运维负责人：incident response、变更审批的追溯需求
• 产品治理委员会：feature launch、政策变更的正式记录
• 安全架构师：需验证 AI 辅助决策的透明性与可解释性

常规风险

| 风险类型 | 说明 | 缓解措施 |

|---------|------|---------|

| 过程≠结果 | 结构化输出可能被误认为决策质量保证 | 强化 non-claims 认知培训 |

| 敏感数据泄露 | 决策上下文可能含 PII/商业机密 | 按数据分类处理 JSON 工件 |

| 虚构风险/假设 | LLM 可能生成不合理的风险条目 | 人工审查 `assumptions` 与 `risks` 字段 |

| 模式误用 | 高 stakes 场景误用 `dgr_min` 快速模式 | 建立模式选择指南与强制检查 |

综合评估

DGR 是高可信度、低技术风险的治理基础设施 skill。其价值不在于替代人类判断，而在于为 AI 辅助决策建立可审计的"数字纸迹"。对于受监管行业或内部治理成熟度高的组织，该 skill 提供了可立即落地的结构化决策支持方案。