osiman/SuperBizAgent-java
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
a77c947cd4469f598654530984866a30adb9aa11
SuperBizAgent-java/mvp/architecture/harness-quality-gates.md
T

7.8 KiB
Raw Blame History

Harness 与质量门禁架构

更新日期：2026-07-08 状态：当前可运行架构 + 后续门禁规划 参考历史文档：archive/2026-07-05-legacy/agent-architecture.md

1. 设计目标

Agent 系统的核心风险不是“没有答案”，而是：

  • 答案引用了不存在的证据。
  • 工具调用失败后仍然编造结论。
  • 检索结果相关性不足但被当作强证据。
  • 多轮诊断重复检索同一文档，浪费上下文。
  • 最终报告无法回放执行过程。

因此当前 MVP 的 Harness 不是单个组件，而是一组约束：

Prompt contract
  + Tool boundary
  + Agent hooks
  + Trace persistence
  + Gatekeeper deterministic validation
  + Verifier / rule evaluation
  + Eval baseline

2. Harness 总图

flowchart TB
    Input["User / AIOps input"] --> Prompt["Prompt contract"]
    Prompt --> Agent["Planner / Executor / Verifier / Composer"]
    Agent --> Tools["Evidence tools"]
    Tools --> Invocation["tool_invocation"]
    Agent --> StepHook["AgentLoggingHook"]
    StepHook --> Step["agent_step"]
    Agent --> Session["diagnosis_session"]

    Invocation --> EvidenceRefs["retrieval_details.evidence_refs"]
    EvidenceRefs --> Gatekeeper["ExecutorGatekeeperService"]
    Agent --> Gatekeeper
    Invocation --> TraceSummary["ToolTraceSummaryService"]
    Gatekeeper --> Verifier["chat_verifier"]
    TraceSummary --> Verifier
    Verifier --> SelfEval["self_evaluation.verifier_evaluation"]

    Invocation --> AiOpsRule["AiOpsRuleEvaluationService"]
    AiOpsRule --> AiOpsEval["self_evaluation.aiops_rule_evaluation"]

    Session --> TraceAPI["DiagnosisTraceService"]
    Step --> TraceAPI
    Invocation --> TraceAPI
    SelfEval --> TraceAPI
    AiOpsEval --> TraceAPI

    TraceAPI --> Eval["diagnosis eval / RAG eval"]

3. Prompt Contract

当前 Prompt 按角色拆分：

Prompt 用途
supervisor-prompt.md AIOps Supervisor 调度 Planner / Executor
planner-prompt.md AIOps Planner 规划、再规划、输出告警报告
executor-prompt.md AIOps Executor 按步骤调用工具
chat-planner-prompt.md Chat 复杂问题规划
chat-executor-prompt.md Chat 执行工具并输出 executor_evidence_v2 微观事实
chat-verifier-prompt.md 基于 Gatekeeper 已验真的证据判断 claims 是否可推出
chat-composer-prompt.md 基于 Verifier 允许表达的内容生成最终用户答复

Prompt 层当前承担的门禁：

  • 禁止凭记忆回答错误码、接口定义、排障步骤。
  • 需要外部信息时必须调用工具。
  • 工具连续失败或返回空结果时，最终报告必须诚实说明。
  • Chat Executor 不允许在窄范围问题中扩展根因、风险或修复建议。
  • Chat Verifier 不允许做新检索，只能判断已验真证据是否可推出 claims。
  • Chat Composer 不允许补事实，尤其不能把 $.no_evidence 表达为“已排除/确认没有”。
  • AIOps payload 模式必须聚焦输入告警。

4. Trace Hooks

AgentLoggingHook 是当前 Agent step 可观测性的核心。

sequenceDiagram
    autonumber
    participant A as Agent
    participant H as AgentLoggingHook
    participant DB as agent_step

    A->>H: before_model(messages, sessionId)
    H->>DB: 写入 model_input / step_index / agent_name
    A-->>A: LLM 推理
    A->>H: after_model(messages, sessionId)
    H->>DB: 回填 model_output / thought / has_tool_call / duration / token_count

记录内容：

  • 最近输入消息摘要。
  • Agent 输出摘要。
  • 是否包含 tool call。
  • duration。
  • token count。
  • Verifier 的 JSON 输出摘要。

5. Tool Invocation 门禁

工具调用记录由 ToolInvocationRecorder 和具体工具共同完成。

核心记录：

tool_name
input_params
output_preview
retrieval_layer
l0_match_count
l1_match_count
retrieval_details
  -> evidence_refs
relevance_level
dedup_reason
duration_ms
success
error_message

对 lookup_knowledge 的质量约束：

  • L0 只作为 hint，不绕过 L1。
  • 检索结果归一化为 PRECISE、HIGHLY_RELEVANT、REFERENCE。
  • 同 session 内重复文档会被 RetrievedDocTracker 去重。
  • dedup、no evidence、failed 等状态进入 retrieval_details.evidence_status。
  • retrieval_details.evidence_refs 记录可被 Executor 引用的最小证据文本，格式为 raw_path + text。
  • no-hit / no-evidence 工具结果会生成 raw_path=$.no_evidence 的负向证据引用，语义仅限“本次查询未检索到匹配证据”。

6. Gatekeeper 与 Verifier 门禁

Chat Verifier 前置一层 Gatekeeper。Gatekeeper 不调用 LLM，只用代码检查 Executor 输出的证据引用是否真实存在。

flowchart LR
    Invocation["tool_invocation"] --> EvidenceRefs["retrieval_details.evidence_refs"]
    ExecutorOutput["executor_evidence_v2"] --> Gatekeeper["ExecutorGatekeeperService"]
    EvidenceRefs --> Gatekeeper
    Gatekeeper --> GateResult["gatekeeper_result"]
    Invocation --> Summary["ToolTraceSummaryService"]
    Summary --> EvidenceIndex["tool_trace_summary"]
    GateResult --> Verifier["chat_verifier"]
    ExecutorOutput --> Verifier
    EvidenceIndex --> Verifier
    Verifier --> Verdict{"verdict"}
    Verdict -->|PASS| Composer["chat_composer"]
    Composer --> Pass["输出最终答复"]
    Verdict -->|LOW_CONFID| Low["补证据或低置信输出"]
    Verdict -->|REJECT| Reject["降级输出"]

Gatekeeper 检查：

检查 失败语义
answer_version=executor_evidence_v2 非结构化或旧结构输出降为低置信
source_invocation_id 真实存在 伪造 ID 直接拒绝
tool_name 与 invocation 对齐 张冠李戴直接拒绝
raw_path 存在于 evidence_refs 无中生有直接拒绝
evidence_excerpt 由 evidence_refs[].text 支撑 excerpt 编造或错配直接拒绝
negative_observation 只能引用 $.no_evidence 用正向日志证明“没查到”直接拒绝

Verifier 输出：

{
  "verdict": "PASS|LOW_CONFID|REJECT",
  "groundedness_score": 0.8,
  "critical_fact_count": 2,
  "claim_checks": [],
  "facts_checked": [],
  "rationale": "..."
}

Verifier 不再逐字核验 excerpt 真伪；这由 Gatekeeper 完成。Verifier 只回答一个问题：claim_text 是否能由已经验真的 evidence_excerpt 推导出来。

结果写入：

diagnosis_session.self_evaluation.verifier_evaluation

其中同时持久化 executor_structured_output、gatekeeper_result、tool_trace_summary 和 composer_output，用于 Trace 回放。

7. AIOps 规则门禁

AIOps 当前不走 Chat Verifier，而是用 AiOpsRuleEvaluationService 做轻量检查。

检查重点：

  • 最终报告是否存在。
  • payload 模式是否围绕输入告警展开。
  • 是否调用证据工具，尤其是 lookup_knowledge、日志、指标。
  • 是否把无关活跃告警扩展成主诊断对象。

结果写入：

diagnosis_session.self_evaluation.aiops_rule_evaluation

8. Eval Baseline

当前质量门禁还包括离线评测资产：

评测 位置 作用
Diagnosis eval mvp/eval/ 检查诊断 trace、报告和证据行为
RAG retrieval eval eval/rag-retrieval/ 检查固定检索 query 的召回稳定性
Live RAG acceptance scripts/eval_rag_live_acceptance.py 检查运行环境中真实 /api/search/similar 行为

9. 后续门禁规划

从旧版设计继承但尚未完整实现的门禁：

  • 工具参数 schema 校验。
  • 同一工具调用次数上限。
  • 工具超时的统一熔断。
  • Gatekeeper 规则三层分离：索引层、元数据层、规则实现层。
  • Prompt 版本记录和回滚。
  • Verifier 对 AIOps 报告的 LLM 级事实校验。

这些应在评测集扩大后逐步加入，避免一次性把诊断流程卡得过死。

Reference in New Issue View Git Blame Copy Permalink