首页>技术文档>规则驱动的业务智能体>前言

规则驱动的业务智能体：设计与实现

内容提要

本书以自主研发的「绳墨 Runtime」为研究对象，系统论述在"一切皆规则、一切可训练、一切可审计"这一硬约束下，业务智能体的设计与实现方法。

全书分两部。第一部（第 1~5 章）实操篇面向普通办公用户与实施人员，讲解主流 AI 智能体工具（WorkBuddy、TRAE Work、通义千问等）的操作实务、ERP 等业务系统的接入路径、降低幻觉与提升可靠性的手段，以及从"用工具"走向"企业级应用"的选型与落地路线。

第二部（第 6~19 章）原理篇面向架构师与开发者，依次论述生成与裁决的分离、意图识别与路由、多轮对话状态管理、规则引擎、权限安全与审计、流程审批、学习与训练、记忆与上下文、运行时基础设施、并发与性能，最后落到工程实践与企业级部署运维。

全书以原理为主线，每章遵循"工程问题的本质 → 设计原理 → 机制 → 实现剖析 → 失败模式与权衡 → 本章小结"的稳定结构；关键机制均从框架源码中摘取真实代码加以印证，全部接口签名、常量与行为与 prog/runtime v1.6.64 逐项核对。本书可作为企业数字化转型的技术决策者、Agent 平台架构师与实施工程师的技术参考书，也可作为高校相关专业研究生课程的教材或参考读物。

关键词：业务智能体；规则引擎；生成与裁决分离；审批链；可训练配置；可审计；Agent 运行时

前言

Agent 系统的工程化长期面临一个根本矛盾：生成式模型的自由度与业务规则的确定性。业务用户看到的是自然语言答案，平台看到的是模型调用，真正决定答案是否可信的事实，却早在设计决策时就已注定——模型的输出是否被规则裁决、操作是否留痕、配置修改是否受控。

通用编排框架提供了丰富的编排原语，但在企业内网、合规要求高、业务规则明确的场景中，业务正确性不能依赖模型的随机性，而必须由可审计、不可绕过的规则保证。这类问题不能靠换模型解决。

本书以「绳墨 Runtime」为研究对象，系统回答一个问题：当「一切皆规则、一切可训练、一切可审计」成为硬约束时，Agent 运行时该如何设计？

「绳墨」取义木工墨线——匠人以墨线定方圆、成规矩，喻框架以业务规则为纲，约束并驱动 Agent 行为。全书以原理为主线：每章先讲清"这一环节解决什么工程问题、其本质责任是什么、失败会以什么形态暴露"，再给出机制与代码作为落地示例，最后讨论失败模式与设计权衡。

读者对象

本书分两部，顺序为"先实操、后原理"：

两部的关系（务必先读）：第一部介绍的通用 AI 产品天然带有"随机性"——同一问题两次回答不一样、该拒绝的不拒绝、该留痕的不留痕。这种随机性对个人无伤大雅，对企业却是不可靠、不可审计、不可追溯的红线。第二部正是为避免第一部通用产品的随机性导致企业应用不可靠而设计的：以规则的确定性约束模型生成的随机性。一句话——第一部讲"怎么用"，第二部讲"怎么才能可靠地用"。

关于代码示例的说明

本书是原理性专著，代码内容仅作为补充示例，用于印证机制，不构成叙述主体。第二部（原理篇）涉及的关键接口签名、常量与行为均与绳墨 Runtime（prog/runtime）v1.6.64 逐项核对，可在附录 A 中速查；第一部（实操篇）涉及的操作教程基于主流产品 2026 年的公开功能与通用实践，具体以各产品实际界面为准。

增订说明（本版）：在既有原理框架之上，本版同步纳入了运行时随版本推进沉淀的若干机制——规则与子意图表（intent-rules / SUB-INTENT-DEFS / SLOT-DEFS）的可训练化与审批链（第 11、14 章）、操作语义的子意图维度（第 10 章）、流程的并行会签与白名单闸门（第 13 章）、业务单号的可训练化（ENTITY_NUMBERING / ID-SPECS / build_number，第 11、14、16 章），以及会话黄金快照防回归（第 18 章、FD-04）。

同时经对标《企业级Agent平台工程》补齐两处方法论空白：工具注册与治理（第 12.6.4 章，(name, version) 登记化 + schema 校验 + 版本 pin）与在线评测闭环 + LLM-as-Judge（第 18.5.4 章，离线基准 → 在线评测 → 分层裁判 → 失败回流）。

新增模块 runtime.numbering、runtime.number_builder、runtime.id_registry 与 eval.session_golden 已补入附录 A。附录 C 提供从"产品/工具视角"再读全书的轻量心智地图（对齐 AGENT_TUTORIAL_PUBLIC.md）。

本版另按运行时新确立的三层命名——流程 / 算子 / 原子函数统一了第 18.8 节的表述与代码摘录（对齐 prog/docs/流程算子原子函数-调用与参数.md），并新增第 18.9 节，把 AI 协作编程中两条被实践证明有效的纪律——黄金快照与 Git 提交点——写成可操作的工程约定。

如何阅读本书

致谢

本书源于一次持续数年的工程实践，而非一次写作计划。

首先要感谢沧州艾诺威电子设计有限公司的全体同事。书中的每一条设计原则，都先在真实的客户现场被反复验证：成本线被越过的订单、未经审批就落库的操作、无法追溯的配置变更——正是这些具体的事故，逼出了"生成与裁决分离""硬规则不可绕过""一切可训练、一切可审计"这些看似抽象的原则。

感谢在企业内网与合规环境下并肩工作的实施与运维工程师。他们对"能不能信、会不会失控"的追问，使本书没有停留在框架功能的罗列上，而必须回答每个机制的失败模式与设计权衡。

感谢开源社区。绳墨 Runtime 坚持零第三方依赖、以 Python 标准库实现，这一选择受益于无数公开的设计讨论、规范文本与经典文献；书中列出的参考文献，是本书观点得以定位的坐标。

最后感谢家人对长期伏案的理解与支持。

书中的疏漏与不足，均由作者负责。

作者简介

蔡占良，沧州艾诺威电子设计有限公司创始人、总经理。1999 年毕业于河北大学物理系，长期从事嵌入式系统设计与工业软件研发，专注 ADC 采集与传感器校准、EEPROM 数据管理、微控制器底层驱动等方向。

2014 年创办沧州艾诺威电子设计有限公司，主导企业数字化转型与人工智能应用落地，带领团队自主研发面向中小制造企业的「AI 工厂大脑」——一个规则驱动、可训练、可审计的业务智能体平台。本书所研究的「绳墨 Runtime」，即为该平台的运行时内核。

作者主张：业务正确性不能依赖模型的随机性，而必须由可审计、不可绕过的规则保证。本书即是这一工程实践的系统总结，也是作者对"中小制造企业如何可信地用上 AI"这一问题的完整回答。