可审计的LLM决策治理协议 - Decision-Grade Reasoning (DGR)

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。

基本信息

• 技能名称?Decision-Grade Reasoning (DGR)
• 中文名称?可审计的LLM决策治理协议
• 作者?sapenov
• 分类?其他
• 版本?1.0.4
• 标签?decision-support, governance, audit, structured-output, json-schema, risk-management, compliance

使用方法

使用说明
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
6. 过度信任风险 ：JSON格式可能赋予虚假的"机器权威"感。
7. 假设验证缺口 ：系统仅要求显式化假设，不验证其真实性。
8. 模式误配 ：用户可能在高风险场景误选 dgr_min 导致审查不足。
9. 数据残留 ：审计日志存储需额外关注敏感信息脱敏。