人工智能里一次模型调用，不是一套会办事的系统。会办事要有记忆、工具，以及感知、判断、行动、再看结果的循环。循环跨很多步，路径取决于当次生成，出错时往往不能按原样重放。能重放的是执行层：事先写好的代码、定时任务、对接口的固定调用。不可逆的动作必须落在这一层，并且在动手前已经定稿。让判断层自己边想边做不可逆的事，方案作废。

人工智能结构痛点在把含糊的词当成已经有一层设计

「自动流程」有时指脚本中间夹了一次模型调用，有时指一个会自己改计划、一直跑到目标的循环。词一样，出事时查不到的东西完全不同。固定脚本知道哪一步跑了、顺序是什么，事后能对上。判断层吃的是含糊输入和不确定的措辞，同一次输入再跑，路径可以换。换了就无法用重放当审计。审计若只有最终结果，中间怎么走到这里是挖出来的，不是读出来的。

可以分成三层来摆，不必当成唯一真理，但足够把职责拆开。执行层做事，可靠、可重复。判断层处理执行层做不了的：从乱七八糟的文字里抽出结构、决定一份内容是否达标。持续行动层把判断套进循环，让它跨步骤追一个目标，条件变了还能改下一步。循环没有停止条件，就会一直烧、一直改。

设计选择是：不可逆的事放在哪一层。放在判断层，意味着发信、付款、改正式数据发生在一条对不齐的路径上。放在执行层，判断层只产出一份可检查的步骤说明，执行层按说明跑，说明在开跑后不能被后到的文字改写。需要从正文里抽字段时，抽字段的那一步不能同时有权改步骤。

人工智能分层验收五步：三层点名、不可逆只在执行层、判断路径另记、循环有停点、一次调用不算会办事

1. 架构说明必须点名执行层、判断层、循环层。三词混用的退回。
2. 付款、发信、改正式数据只允许出现在可重放的执行层。
3. 判断层的输入输出另记。不能重放的，禁止写成已经审计。
4. 循环写明停在哪：步数、目标达成、或人的闸。没有停点不许开。
5. 只有一次模型调用、没有记忆和工具的，禁止称为会办事的系统。

上表把能重放和不能重放分开。不能重放的层可以判断，不能直接改正式世界。

人工智能现场怎么拆这三层

每个动作标一层。标成执行层的，必须能用同一输入重跑并得到同一副作用，或者明确写「只应发生一次」并有幂等。标成判断层的，禁止持有发信和付款的凭据。凭据只在执行层。循环层只负责何时再叫下一轮，不负责自己打开新的不可逆接口。

停止条件写在配置里，不写在提示正文里。提示可以被改，配置的停点要有变更记录。没有变更记录就改停点，按事故。审计抽查看的是判断层当次的输入和它交给执行层的说明，以及执行层是否按那份说明做。三份对不上，这次运行记为不可审计。

演示若只展示模型「自己把事做完了」，评审先问不可逆动作在哪一层。答不出，演示不能当架构通过。我们见过演示很完整，付款发生在模型拿到工具的同一步，事后日志只有一段生成文本，对不上是谁批准的金额。

人工智能常见翻车是用一个灵活的循环包办全部

灵活在判断上有用，在付款上有害。包办之后，速度看起来是架构优点，审计变成考古。拆开会显得步骤多，步骤多才查得动。

另一类翻车是把「能重放判断」当成要求模型两次生成一样的句子。判断不必字字相同。要重放的是交给执行层的那份说明和执行结果。句子不同、说明相同，可以接受。说明不同，就不能说这是同一次决定。审计抽查只认说明和执行结果，不认演示视频里的旁白。旁白与说明冲突时，以说明为准。没有说明的运行，旁白再完整也不计入审计样本。样本不足则当周审计记为未完成。

结论：人工智能不可逆的动作放在可重放的一层，判断放在旁边

一次调用不是循环。循环要有记忆、工具和停点。停点写了，正式世界的改动仍只走锁定后的步骤。

你下次说这套系统会办事，先指出三层、不可逆动作在哪一层、循环在哪停。三样空着，先不要把它当成已经能审计。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源