Semantica · 第 6 章 ★ 决策智能压轴

Semantica · 第 6 章 ★ 决策智能压轴

章节摘要：本章装配管线第⑧段（context，全书压轴）：1.9 万行的 context 模块以 4260 行的 ContextGraph 为核心——record_decision 把每次 AI 决策存为图节点，因果链追踪、先例语义搜索、影响面分析三件套让决策可审计、可复用；PolicyEngine 策略门禁与 AgentContext/AgentMemory 则为 Agent 时代备好门禁与记忆。

装配坐标

学习目标

• 读通 ContextGraph（context_graph.py:4260）的数据模型：决策如何成为图上可查的节点
• 掌握 record_decision 的记录要素：输入、依据、结论、置信度与溯源引用
• 会用因果链追踪、先例语义搜索、影响面分析回答监管三问：为什么/有无先例/动了谁
• 理解 PolicyEngine 策略门禁与 AgentContext/AgentMemory 的分工，跑通贷款审批合规完整配方

子章节导航

01 ContextGraph 与 record_decision

旗舰模块导读：把 AI 决策存为图节点，决策从“黑盒输出”变成“图上可查的事实”。

02 因果链/先例/影响面三件套

因果链追踪还原决策依据；先例语义搜索找历史同类；影响面分析评估改动波及范围。

03 PolicyEngine 与 AgentContext/AgentMemory

策略门禁挡住越权决策；给 Agent 的上下文装配与记忆层，连接 Agent 生态。

前置知识与后续延伸

前置：第 3 章（图谱）与第 5 章（推理结论是决策的输入）；第 7 章溯源可之后再补。
后续：第 7 章溯源与时态——决策引用的每条证据，都值得一份 PROV-O 档案。