🚗 轻舟出行 · 聚合打车平台

乘客省 10% · 司机多赚近 20% · 平台只收 1% 佣金

13 · AI 智能体派单 + 人工核查模式设计

定位：将平台核心派单从"规则引擎派单 + 事后人工客服"升级为 「AI 智能体自主决策 + 人工核查兜底」（Human-in-the-Loop, HITL） 模式。AI 负责绝大多数常规决策，人工核查负责关键、高风险、低置信度决策的确认与修正，两者形成"能 AI 则 AI、该人查必人查、全程可审计、反馈可进化"的闭环。

1. 设计目标与原则

1.1 目标

指标 目标值 说明
AI 自主处理率 ≥ 90% 常规订单由智能体直接决策执行
人工核查修正率 ≤ 5% 过高说明 AI 不稳，过低说明核查冗余（校准区间 2%~5%）
平均接驾时长 较纯规则引擎 -15% 智能分流替代全量广播
完单率 ≥ 92% 决策质量提升的直接结果
决策延迟 P99 < 800ms 含感知汇总 + 决策 + 置信度评估
决策留痕率 100% 监管审计与算法备案要求

1.2 原则

  1. 能 AI 则 AI：常规决策（90%+）智能体自主完成，不打扰人工。
  2. 该人查必人查：低置信度、大额、安全类、投诉纠纷类决策必须人工介入。
  3. 决策留痕可解释：每个决策记录输入、方案、置信度、理由、结果，可审计、可回放。
  4. 反馈闭环进化：人工修正作为标注数据回流训练，模型持续校准。

2. 智能体架构（多智能体协作）

┌──────────────────────────────────────────────────────────────┐
│                    AI 智能体决策层                             │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐          │
│ │ 感知智能体│ │ 决策智能体│ │ 谈判智能体│ │ 风控智能体│          │
│ └──────────┘ └──────────┘ └──────────┘ └──────────┘          │
│ ┌──────────┐ ┌──────────┐                                     │
│ │ 解释智能体│ │ 学习智能体│                                     │
│ └──────────┘ └──────────┘                                     │
└────────────────────────┬─────────────────────────────────────┘
                         │ 决策方案 + 置信度 + 风险等级 + 解释
┌────────────────────────▼─────────────────────────────────────┐
│              分级执行与人工核查层（HITL）                       │
│  A 级 高置信       → 直接执行（异步 1% 抽样审计）               │
│  B 级 中置信       → 执行 + 10%~30% 抽样人工核查                │
│  C 级 低置信/高风险 → 进入核查队列，人工确认/改派后执行          │
│  D 级 安全事件     → 立即执行安全预案 + 事后 100% 核查复盘       │
└────────────────────────┬─────────────────────────────────────┘
                         │
┌────────────────────────▼─────────────────────────────────────┐
│  决策日志(全量留痕) → 人工修正标注 → 学习智能体离线训练 → 灰度发布 │
└──────────────────────────────────────────────────────────────┘

2.1 各智能体职责

智能体 输入 输出 技术选型
感知智能体 实时供需、路况、天气、事件（活动/封路）、运力方在线状态、司机行为流 结构化场景快照（状态向量） 时序预测、图神经网络（GNN）、事件流处理
决策智能体（主） 场景快照 + 订单特征 + 平台政策约束 派单方案（运力方分配/司机指派/价格建议）+ 置信度 + 风险等级 强化学习 / 上下文赌博机（Contextual Bandit）+ 硬约束规则
谈判智能体 候选运力方 + 乘客偏好 + 历史响应 多轮询价结果（报价/ETA/可用车/响应概率） LLM 工具调用（调 qz-open API）+ 响应预测模型
风控智能体 订单/司机/车辆/设备/历史行为 风险评分 + 处置建议 风控规则引擎 + 图计算（团伙识别）
解释智能体 决策方案 + 场景快照 人可读的自然语言决策理由 LLM（绑定决策事实，防幻觉）
学习智能体 决策日志 + 人工修正标注 模型更新 / 规则调整建议 离线训练管道（每周）+ A/B 灰度

2.2 智能体之间的协作流

感知 → 场景快照
  → 决策: 生成候选方案集(约束过滤后 Top-K)
  → 谈判: 对候选运力方并发询价(仅广播 Top-3, 而非全量)
  → 风控: 候选方案风险评分
  → 决策: 综合评分 + 置信度评估 + 分级(A/B/C/D)
  → 解释: 生成理由(人工可见/可审计)
  → 执行或进入人工核查

3. 分级决策与人工核查流程

3.1 分级规则（Confidence Gating）

级别 触发条件 执行方式 核查要求
A 置信度 ≥ 0.85 且无风险标记 智能体自动执行 异步 1% 抽样审计
B 0.65 ≤ 置信度 < 0.85 或存在低风险标记 智能体自动执行 10%~30% 抽样人工核查（SLA 30s）
C 置信度 < 0.65 或高风险标记（大额 > 500 元、投诉纠纷、轨迹异常、新司机首单、跨城订单） 进入人工核查队列，人工确认/改派后执行 100% 人工核查
D 安全事件（一键报警、事故、失联） 立即执行安全预案（同步 110/安全组），不等待人工 事后 100% 核查复盘

分级是双通道的：置信度低（AI 自我评估不可靠）或风险高（风控智能体标记）任一命中即降级处理——宁可多核查，不可漏核查。

3.2 人工核查中心（管理端新增模块，详见 09 文档页面 13）

能力 说明
核查队列 按 级别（C 优先）→ 风险分 → 金额 排序；B 级抽样自动入队
核查工作台 订单全链路（轨迹/费用/IM）+ AI 决策方案 + 解释智能体生成的理由 + 相似历史案例推荐
核查动作 通过 / 修改参数后执行 / 拒绝并改派 / 升级双人核查 / 转客服
双人核查 金额 > 500 元、安全类、跨城订单强制双人
SLA C 级 30s 内响应、5 分钟处理完；超时自动升级主管
绩效 核查时效、修正率、误判率，纳入团队 KPI

3.3 决策日志（Decision Log，可审计）

decision_log 每单决策全量记录:
  input_snapshot   感知快照(供需/路况/候选集, 敏感字段脱敏)
  candidates       Top-K 候选方案及评分
  decision         最终决策(派单/分流/定价建议/补偿)
  confidence       置信度
  risk_level       风险等级
  grade            A/B/C/D
  executed_by      AI / 人工
  corrected_by     人工修正内容(若有)
  result           执行结果(接单/完单/取消/投诉)

4. 与聚合模式的结合（智能体的决策场景）

场景 传统做法 智能体做法
多运力方分流 全量广播比价（5 家都发） 预测各家响应概率/完单率/服务质量 → 只广播 Top-3，节省运力方资源、降低骚扰
指派/抢单 规则评分（距离/服务分） 决策智能体综合评分（顺路度/接单率/历史行为/时段偏好）+ 置信度分级
动态定价建议 固定比例溢价 供需预测 → 建议溢价幅度（归运力方）→ 运力方确认，溢价建议也走分级（大额人工）
异常处置 乘客投诉后人工处理 迟到/绕路/多收费自动检测 → 补偿方案建议：小额（< 20 元）自动执行，大额转人工
热区预测与调度 人工看报表 提前 30 分钟预测供需热区 → 生成司机调度建议（引导而非强制）
乘客体验 无响应等广播 智能等待：预测等待原因与剩余时间，主动告知替代方案（转出租车/换车型）
客服 人工/简单机器人 AI 客服（意图理解 + 订单上下文 + 解释智能体理由）兜底人工，复杂单自动建工单

5. 反馈闭环与进化机制

人工核查修正
  → 形成标注数据（决策 + 执行结果 + 人工判定）
  → 学习智能体每周离线重训
  → 历史数据回放回归测试（防劣化）
  → A/B 灰度对比（完单率 / 接驾时长 / 核查修正率）
  → 全量发布 → 置信度校准（用核查结果回灌，校准置信度阈值）

6. 监管与合规要点

事项 要求与对策
算法备案 按《互联网信息服务算法推荐管理规定》完成算法备案，提交可解释性说明材料（决策日志即证据）
责任边界 "AI 建议 + 人工兜底"模式下，平台（聚合平台）对乘客的先行赔付等法定义务不变，AI 不成为责任豁免理由
生成式 AI 合规 解释智能体/客服若用 LLM：《生成式人工智能服务管理暂行办法》要求内容审核、防幻觉——解释文本必须绑定决策事实（模板 + 关键数值填充，而非自由生成）
数据合规 决策日志含位置等敏感信息 → 脱敏存储、权限最小化、保留期限管理（PIPL）
审计证据 每个决策保留 model_version + 输入快照 + 人工痕迹，满足监管与司法取证

7. 实施路线（与 MVP 及后续阶段衔接）

阶段 范围 验收
MVP（14 周） 规则引擎派单 + 模型 A（轻量 AI 排序评分） + 置信度分级（规则近似）+ 人工核查中心 v1（C/D 级 + 投诉 + 大额订单 100% 人工） 核查中心可处理 C/D 级；AI 自主处理率 ≥ 60%（常规订单）；决策日志 100% 落库
P1（6~12 月） 完整多智能体（感知/决策/谈判/风控/解释）+ B 级抽样核查 + 反馈闭环上线 AI 自主处理率 ≥ 85%；修正率 ≤ 5%；接驾时长 -10%
P2（12 月+） 强化学习端到端派单 + 热区预测 + 与运力方联合优化 + 智能体对外能力（谈判自动化） AI 自主处理率 ≥ 90%；完单率 ≥ 92%；决策延迟 P99 < 800ms

关键原则：人工核查中心先行上线（MVP 就有），AI 能力逐步增强——先把"兜底"建好，再让 AI 飞得更高。

8. 与既有文档的衔接

文档 变更
05-技术架构设计 新增智能体调度服务/人工核查服务/决策日志，见 §3 与 §6
10-MVP技术任务拆解与排期 新增 W19 工作包（模型 A + 置信度分级 + 核查中心 v1），团队扩充算法 2 人
04-PRD-平台管理端 新增"核查员"角色与"人工核查中心"模块
09-原型线框图-管理端 新增"人工核查中心"页面（页面 13）
02-PRD-乘客端 行程中"智能等待"、异常自动检测补偿在 P1 随智能体上线，MVP 不阻塞