LONGYU XU
返回全部项目
RESUME RECONSTRUCTION/ 2026

微信支付知识助手 Agent

意图分类 → 同义词扩展 → 知识图谱检索 → 反馈回收与澄清控制

运行当前项目POST /api/labs/wechat-knowledge-agent技术执行说明
RESULT / FIXED SAMPLE / 2026-07-17
带证据回答

API 超时重试查询

问题被识别为 API 异常；未知扣款结果必须先查订单状态并复用幂等键，不能直接重复扣款。

建议决策

置信度与证据门均通过，直接回答并返回两跳知识路径。

意图置信度
95.0%

margin 93.4pp

选择性准确率
100%

覆盖率 75%

知识路径
2-hop

意图 → 幂等规则

意图分类概率预测概率
API 异常95.0%
商户进件1.7%
绑卡1.7%
授权1.7%

结果边界合成支付规则；不含腾讯代码、模型权重、提示词或客户数据。

LIVE RUN / COMPLETE FLOWRUN / baselineDOES NOT WRITE TO EXTERNAL SYSTEMS

问题被路由到哪个意图，证据和工具预算是否足够？

页面先自动运行基准样本；也可以在下方编辑完整输入或执行项目专属压力场景。状态、指标、视觉和回执都来自当前 API 输出。

当前引擎状态

带证据回答

loadinghigh riskrate/—
意图置信度
校验中

确定性分类策略

output.run.classification.confidence
Top-2 间隔
校验中

澄清门依据

output.run.classification.margin
证据节点
校验中

合成知识图谱

output.run.sources.length
工具调用
校验中

上限 3 次

output.execution.toolBudget.used
RESULT VISUAL

意图到知识路径

verified fixed sample / network
意图置信度校验中Top-2 间隔校验中证据节点校验中工具调用校验中
LATEST RUN

业务决策、执行健康与发布回执

执行检查通过，只表示输出有效、未超预算且可以重放；是否发布仍由业务状态和发布检查决定。

正在加载合同并执行固定样本；超时会自动取消且不会产生外部副作用。
EDIT INPUT / RUN AGAIN

换一组输入，重新运行项目引擎

基准输入和压力输入都提交给同一版本 API。压力输入用于触发项目特定的拒绝、降级或复核规则，结果可以重复运行。

编辑完整 JSON 输入
REVIEW QUEUE / READ ONLY

下一步不是一个按钮

  1. P0
    EXECUTED
    带证据回答

    置信度与证据门均通过，直接回答并返回两跳知识路径。

    负责人 / 支付商户运营坐席

  2. P1
    CONTROL
    KB-Q01

    阻断答案并开启越权调查

    负责人 / 支付知识运营负责人

  3. P1
    DRILL
    知识连接器中断

    切到只读缓存并强制提示时效

    负责人 / 平台 SRE / 安全

DATA SOURCES / THIS RUN

公开预览与本次运行分轨

  1. SOURCE 01disconnected preview

    WeChat Official Account permanent materials API

    wechat.owned_material.raw.v1
  2. SOURCE 02disconnected preview

    WeChat reading-promotion research corpus

    wechat.public_benchmark.raw.v1
  3. VALUES RETURNED BY THE ENGINE

    API 超时重试查询

    本次计算只使用上方标明的数据版本；公开来源目前仅提供预览，尚未接入引擎。

FAILURE TEST / DESIGN ONLY

故障必须有检测和恢复路径

症状
回答缺少最新规则
检测
freshness 与 connector heartbeat
隔离
切到只读缓存并强制提示时效
恢复
增量同步并验证抽样查询
SYSTEM / FROM INPUT TO DECISION

信息从哪里来、怎样处理、何时调用工具，以及谁负责最后确认。

确定性意图策略、知识图谱检索和受控反馈记忆。

AI 能力边界
BERT 部分是保存的合成 logits 评测夹具，不是已训练或在线推理模型。
人工责任
低置信、无证据、攻击输入和纠正反馈都需要人工介入。
01 / EXECUTED TRACE

信息处理顺序

source → context → intelligence → harness → decision → feedback
  1. 01
    信息进入

    接收查询、反馈记忆、阈值和可选复核反馈。

    输入
    KnowledgeAgentProductionInput
    输出
    trusted run envelope
    • typed contract
    • injection scan
    转换控制

    纠正意图必须 reviewerApproved。

  2. 02
    上下文构造

    分词、同义词扩展并构造意图证据。

    输入
    query
    输出
    expandedQuery + classification.ranked
    • token expansion
    • feedback weights
    转换控制

    记忆权重被限制在 -5 到 5。

  3. 03
    模型处理

    执行置信度/间隔策略并沿知识图谱取证。

    输入
    classification
    输出
    graphPath + sources
    • selective classifier
    • knowledge graph
    转换控制

    最多返回 3 个知识节点。

  4. 04
    运行约束

    分配只读工具调用并执行 answer/clarify/handoff 门。

    输入
    sources
    输出
    execution.toolCalls + gate
    • tool budget
    • least privilege
    转换控制

    攻击输入强制 handoff，答案需同时通过置信和证据门。

  5. 05
    决策产物

    输出有证据回答、澄清问题或人工转接。

    输入
    gate
    输出
    run.answer + run.control
    • decision policy
    • evidence response
    转换控制

    所有工具 sideEffects=none。

  6. 06
    反馈回路

    只接纳与本次预测一致且获批的反馈。

    输入
    feedback
    输出
    bounded memory + bertEvaluation
    • feedback memory
    • selective evaluation
    转换控制

    拒绝未核验反馈以防记忆投毒。

IMPLEMENTATION DETAILS / OPTIONAL

展开 8 个运行步骤、API 边界与实现状态

02 / RUNTIME CHECKS

运行时怎样限制模型和工具

运行图同时列出状态、预算、权限、失败处理、评测和人工审批。

编排H01
classify → graph retrieve → tool trace → quality gate。
可检查证据runKnowledgeAgentProduction
状态与记忆H02
反馈记忆按 token 保存有限权重，最多保留受控更新。
可检查证据FeedbackMemory + recordFeedback
预算H03
knowledge.read 最多三次。
可检查证据execution.toolBudget.maximum=3
权限H04
工具仅有 synthetic-kb:read，且无副作用。
可检查证据execution.toolCalls[].permission
护栏H05
注入扫描、置信度、margin、证据和反馈审批联动。
可检查证据security + gate + feedback
失败与恢复H06
unknown 意图进入 clarify；无知识进入 handoff；攻击输入 blocked-input。
可检查证据run.control + gate.decision
评测H07
合成 logits 计算 coverage 和 selectiveAccuracy。
可检查证据bertEvaluation
最终权限H08
人工负责纠正意图、低质量答案和支付政策解释。
可检查证据feedback.reviewerApproved + modelCard.prohibitedUse
03 / API EXECUTION ENVELOPE

所有项目共享的运行边界

POST /api/labs/wechat-knowledge-agent

这里说明 API 当前做到哪一步。页面演示可以观察底层函数，但不等同于已接入真实业务数据或外部写入。

运行姿态
DETERMINISTIC SANDBOX

18 个 API 引擎只读取请求并返回结果，不写入外部系统。当前未接入登录、审计数据库或线上业务数据。

入口契约
STRICT ZOD + 32KB

API 输入先经过严格 schema/default 标准化；HTTP JSON 请求上限 32KB。

执行预算
100–150MS / 256KB

每个项目单独设置耗时预算和 256KB 输出上限；超时会标记降级，非有限数和超大输出会被阻断。

回执与重放
CONTENT-ADDRESSED

回执包含输入/输出/idempotency hash、耗时和质量；尚无持久幂等存储或重复请求短路。

流量与身份
100/MIN / NO AUTH

当前使用进程内 IP 限流和公开 CORS；尚无登录、租户、角色或复核人身份。

页面与 API
TWO EXECUTION SURFACES

站内 Demo 多为底层引擎的直接交互；/api/labs 才增加完整输入校验、通用质量门与执行回执。

公开数据
LIVE PREVIEW / DISCONNECTED

页面可以预览官方端点的数据，但这些数据尚未保存、统一字段或通过质量校验，也不会送入项目引擎。

上线阻塞
OWNER + AUDIT + DATA + OPS

上线前还需要负责人签字、持久审计、全局限流、代表性数据验证、值班安排和回滚演练。

04 / IMPLEMENTATION STATUS

用了什么、解决什么、现在能否运行

每一项都写明它在当前引擎中的作用，以及属于实际执行、固定样本还是待实现设计。

当前项目技术证据矩阵
技术层系统作用当前证据姿态
Synonym expansionRetrieval把请求绑定到可检查的证据。expandQuery 将支付术语映射到共享 token。当前执行
Deterministic intent policyAI / ML执行评分、分类、传播或模型近似计算。关键词证据、反馈权重和 softmax 形成排名。当前执行
BERT-logit fixtureEvaluation量化质量、稳定性或统计可信度。固定样本 logits 用于选择性阈值评测。明确夹具
Knowledge graph traversalRetrieval把请求绑定到可检查的证据。意图节点扩展到关联规则节点。当前执行
Bounded feedback memoryAgent / Harness编排步骤、工具、状态和退出条件。token 权重有上下界且纠正需审批。当前执行
Tool budgetControl限制权限、风险、发布或人工责任。知识读取不超过三次。当前执行
Least-privilege tool traceObservability暴露版本、轨迹、原因和可复现证据。每次调用记录 resource、permission 和 sideEffects。当前执行
Answer / clarify / handoff gateControl限制权限、风险、发布或人工责任。置信、间隔与证据决定退出路径。当前执行
DIRECT ENGINE / OPTIONAL

检查底层函数，而不是重复主控制台。

完整 API 工作台已在上方；这里保留直接函数交互用于调试。

RUN THE ENGINE

直接观察项目的本地引擎。

页面 Demo 侧重底层函数交互；完整 /api/labs 包装另含严格输入校验、通用质量门和执行回执。

这是站内运行的工程沙箱：使用公开或合成样本执行真实算法；存在公开仓库时可继续查看源码。

RUNwechat-knowledge-agentAPI ↗

公开作品集重建：浏览器内运行真实算法与合成数据，不包含雇主代码、模型权重或客户数据。

merchant_onboarding · 商户 / 开户46.9%
api_exception · 接口 / 超时46.9%
card_binding · —3.1%
authorization · —3.1%
CLARIFY

当前证据不足，系统不会猜测业务意图。请补充业务阶段、接口名称或错误码。

你遇到的是商户进件、接口异常、绑卡，还是授权签约问题？

BERT EVAL ARTIFACT · SYNTHETIC LOGITS
选择性准确率100.0%
回答覆盖率75.0%

6/8 条样本进入自动回答

GRAPH PATHS
  1. fallback:clarification
EVIDENCE

等待足够证据

CASE DETAILS / OPTIONAL

继续查看项目背景、架构和交付记录。

详细案例仍完整保留，但不再与运行结果争夺注意力。

职责
产品策略 + Agent 工程重建
年份
2026
交付方式
独立实现
运行定位
独立设计 / 可运行沙箱
CASE / 01

项目概述

这个公开沙箱先识别支付问题的意图和同义词，再检索知识图谱。置信度不足时不生成答案，而是要求补充信息；用户反馈会记录为下一轮测试样本。

CASE / 02

问题

P01

支付规则术语密集，同一问题有大量业务别名，单纯关键词检索容易漏召回。

P02

低置信度问题如果直接生成答案，会把不确定性放大成错误业务指引。

CASE / 03

架构与流程

architecture.diagram
STEP 01
分词与扩展

CJK bigram + 业务同义词

STEP 02
意图策略

可解释分数与置信度间隔

STEP 03
图谱检索

意图节点到规则节点的两跳召回

STEP 04
回答控制

回答 / 澄清 / 转人工三路门禁

STEP 05
反馈记忆

接受与纠正更新 token 权重

CASE / 04

核心功能

VIEW 01

意图置信度

展示每个候选意图、证据词和概率。

VIEW 02

知识路径

回答可追溯到图谱节点与规则片段。

VIEW 03

失败保护

低置信度时拒绝猜测并提出澄清问题。

VIEW 04

反馈回收

用户接受/纠正会进入下一轮路由。

CASE / 05

沙箱验证证据

4
业务意图

进件 / 接口 / 绑卡 / 授权。

0.48
回答门槛

概率与 margin 双门禁。

3-way
控制分支

回答 / 澄清 / 转人工。

CASE / 06

使用的技术

TypeScriptCJK TokenizationIntent PolicyKnowledge GraphFeedback MemoryReact
IMPLEMENTATION DETAILS / OPTIONAL

展开数据、管道与生产控制。

SLO、权限、灰度、数据来源与故障恢复作为工程附录保留。

IMPLEMENTATION DETAILS

数据、管道与生产控制。

以下保留数据来源、运行限制和工程实现，不占用项目首屏。

DELIVERY / RESPONSIBILITIES·HIGH RISK

支付运营知识与坐席辅助平台

在权限和置信度边界内，把复杂支付规则转成可追溯的下一步操作。

RESPONSIBLE ROLE

支付商户运营坐席

PIPELINE
5 STAGES
CONTRACTS
5 SPECS
QUALITY
4 RULES
PUBLIC DATA
2 FEEDS
架构和运行目标；容量与 SLO 是设计指标，不是线上实绩
问答峰值
TARGET
2k QPS

跨地域弹性

知识节点
TARGET
5M

租户与产品线分区

反馈窗口
TARGET
90 days

可撤回学习记录

沙箱意图
MEASURED
4 intents

包含澄清和转人工

WORKFLOW

从接入到签署的责任链

  1. 01

    身份与租户

    接入层

    RBAC 与产品线作用域

  2. 02

    意图路由

    NLP 服务

    置信度与工具预算

  3. 03

    图谱检索

    知识平台

    两跳路径与 ACL

  4. 04

    坐席确认

    运营坐席

    高影响步骤必须确认

  5. 05

    反馈学习

    知识运营

    审核后才更新记忆

TOPOLOGY

可替换服务与控制边界

EDGE
conversation-gateway

会话、租户与速率边界

SERVICE
intent-router

分类、澄清与工具选择

STORE
knowledge-graph

规则、产品和流程关系

CONTROL
answer-policy

置信度、引用与转人工

STORE
feedback-ledger

已审核纠正与回滚

下一个项目

支付链路与弹窗策略实验