伏羲智能决策平台推出 v1.0.0 版本,这次重点升级多智能体编排能力,同时完善从测试回归、业务结果回传到模型漂移监测的整套决策运营闭环,平台采用 Rust 开发,原生支持标准 DMN 决策模型,主打业务规则持续维护场景,和直接用大模型做裁决不一样,它是自然语言转确定性决策规则,方便金融、风控、定价这类需要稳定可审计的业务落地。新版本拆分出 Analyst、Architect、Engineer、Tester 多个角色智能体并行协作,还升级了混合检索,搭配 TesterAgent 自动生成测试用例,上线之后可以批量回传业务真实数据,自动做规则偏差归因,每天扫描模型漂移信号,解决很多决策系统上线后缺少持续校验、难以迭代的痛点。
一、v1.0.0 核心更新清单
- 多智能体协作编排:Analyst、Architect、Engineer、Tester 角色分工,支持并行执行、状态持久化、心跳监控、失败重试、事件回放
- 知识检索升级:从全文注入改成分块 + 混合检索,关键词检索 + 向量检索 + RRF 融合,附带检索诊断评测工具
- 测试回归能力:TesterAgent 自动生成测试提案,转为正式验收用例,支持版本对比回归
- 运营闭环模块:支持批量回传业务结果,最多一次性回传 100 条,自动生成规则级偏差归因,自定义漂移监测规则、每日扫描
- 基础能力:标准 DMN 1.5,项目级治理、版本管理,自然语言建模、编译为 DMN/FEEL
- 技术栈:全栈 Rust,保证决策链路低延迟、可审计
二、平台完整工作流程表
| 阶段 | 负责内容 | 对应智能体 / 能力 |
|---|---|---|
| 需求建模 | 自然语言业务描述,生成结构化决策模型 | Analyst、Architect |
| 规则实现 | 转为 DMN 标准模型、语法校验 | Engineer |
| 测试验收 | 自动生成用例、回归对比 | TesterAgent |
| 上线运行 | 对外提供决策服务,记录决策日志 | 决策引擎 |
| 运营反馈 | 业务结果回传、偏差归因、漂移监测 | 运营闭环模块 |
三、适合场景和边界说明
✅ 适合:风控、保险核保、定价、审批、权益发放等对规则可解释、可审计的业务
✅ 优势:AI 辅助建模,但最终决策逻辑是确定性 DMN 规则,方便过合规审计
⚠️ 不适合:纯生成类、创意类、不需要强确定性的大模型对话场景
⚠️ 注意:检索召回内容只做业务参考,最终规则和结果依然需要业务人员人工复核
四、部署使用要点
- 定位是决策工作台,不是通用大模型,重点解决业务规则长期迭代维护
- 多智能体编排自带故障恢复,任务中断之后可以继续执行
- 漂移监测需要对接业务真实结果,只传决策日志无法触发归因
- 输出标准 DMN,能和其他支持 DMN 的业务系统对接互通
【常见问题】
问题 1:伏羲智能决策平台 v1.0.0 的多智能体协作具体能做什么?
回答 1:伏羲智能决策平台 v1.0.0 的多智能体协作拆分 Analyst、Architect、Engineer、Tester 角色,分工完成需求梳理、模型设计、规则编译、自动测试,支持并行跑任务、异常重试、任务回放,提升决策模型搭建效率。
问题 2:伏羲智能决策平台 v1.0.0 的决策运营闭环是什么意思?
回答 2:伏羲智能决策平台 v1.0.0 补齐了运营闭环,决策上线之后可以批量回传业务真实结果,自动做规则偏差归因,按配置每日扫描模型漂移,方便运维人员持续修正业务规则,避免决策模型慢慢失效。
问题 3:伏羲智能决策平台 v1.0.0 是直接用大模型做业务裁决吗?
回答 3:不是,伏羲智能决策平台 v1.0.0 是用大模型辅助建模,把自然语言需求转成标准 DMN 确定性规则,最终执行是规则引擎,结果可追溯、可审计,适合风控这类强合规场景。
问题 4:伏羲智能决策平台 v1.0.0 的混合检索有什么改进?
回答 4:伏羲智能决策平台 v1.0.0 升级为分块混合检索,融合关键词、向量检索 + RRF 融合,不再是简单全文注入,还自带检索诊断工具,方便排查知识库召回不准的问题。
【参考资料】
[2026-11-19](伏羲智能决策平台发布 v1.0.0:多智能体协作与决策运营闭环升级)OSCHINA
[2026-11-19](伏羲智能决策平台 v1.0.0 更新说明)伏羲智能开源社区
[2026-11-18](DMN 决策模型标准介绍)OMG 官方
【免责声明】
本文内容为伏羲智能决策平台 v1.0.0 版本发布信息整理,平台实际部署效果、智能体稳定性、漂移监测准确率,和业务数据、知识库质量强相关,不构成项目选型强制建议。
