diudiu-tech/delivery-harness

解决的问题

该项目提供了一个面向即时配送服务的AI驱动型运营平台的参考实现。它解决了自动化分析异常订单并为客户提供补偿建议的挑战，同时确保关键业务逻辑（如实际支付金额）保持确定性，并由规则引擎控制，而非由AI模型决定。

工作原理

系统使用一组固定、同步的工作流，集成多个组件：

• AI集成：使用OpenAI兼容客户端连接到模型（例如通过Ollama）以生成建议性分析。
• 确定性工具：使用合成业务工具提供订单数据、预计到达时间（ETA）和站点容量等事实，为模型提供可靠依据。
• 知识检索：实现轻量级、内存内的词汇检索系统，基于查询词重叠获取相关规则和案例。
• 防护机制与评估：提供评估用例运行、追踪记录和人工审核防护机制的框架，确保AI输出为建议性且经过验证。
• 规则引擎：专用引擎负责最终补偿金额的计算，防止AI模型虚构财务支付。

适用人群

主要面向工程师和架构师的教育型MVP，适用于那些希望构建AI防护机制以应对运营工作流的场景，其中可靠性、可追溯性和人工介入监督比自主代理行为更为重要。

亮点

• 确定性基线：将订单拆分为特定环节（如调度、到店等），为模型设定可超越的基准。
• 基于规则的补偿：确保模型仅提出补偿建议，实际金额由规则引擎决定。
• 可观测性：内置请求追踪、各步骤耗时和反馈存储功能，用于监控AI性能。
• 评估框架：内存内评估运行结合评分器，用于检测模型输出的退化问题。
• 降级模式：当可选依赖失败时，工作流仍可在 DEGRADED 状态下完成，确保确定性结果可用。