为LLM输出生成审计就绪的决策记录，包含假设、风险、建议与一致性检查，确保高风险决策的可追溯与结构化审查。
说明：
## 核心用法
DGR（Decision?Grade Reasoning）是一种**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JSON决策工件**。用户只需提供问题上下文并选择模式，系统即输出包含决策背景、显式假设、风险评估、建议及一致性检查的完整记录，可直接存入工单系统或审计日志。
## 显著优点
1. **审计就绪**：结构化输出满足合规审查需求，天然支持追溯与复现。
2. **风险显式化**：强制要求至少1条假设和1条风险，避免隐性判断。
3. **模式灵活**：三档速度-深度权衡，从快速低风险的`min`到保守质疑的`strict`。
4. **跨模型一致**：统一JSON Schema确保不同LLM输出格式一致。
5. **治理友好**：内置审查门控（`review_required`）与范围限制机制。
## 潜在局限
– **不保证正确性**：明确声明不确保最优解、真实性或消除幻觉。
– **非专业建议**：不构成法律、医疗、财务等领域的合规依据。
– **速度成本**：`strict`模式因保守分析而显著慢于常规推理。
– **人工依赖**：定位为”辅助人类决策”而非替代，仍需人工作最终裁决。
## 适合人群
– **企业合规/风控团队**：需要标准化决策留痕的审计场景
– **产品经理与项目经理**：高影响产品决策的结构化论证
– **AI治理负责人**：建立LLM输出的人工复核流程
– **需强可追溯性的技术团队**：如故障排查、架构变更评审
## 常规风险
1. **过度信任风险**：JSON格式可能赋予虚假的”机器权威”感。
2. **假设验证缺口**：系统仅要求显式化假设，不验证其真实性。
3. **模式误配**：用户可能在高风险场景误选`dgr_min`导致审查不足。
4. **数据残留**：审计日志存储需额外关注敏感信息脱敏。
会员专属
