人工审批门控标签系统 — 高影响Action的分级审批、工作流设计与审计追踪
Skill-Human-in-Loop-Approval-Gate-Tag · 24-标签工程
causalexperimentmulti_agentfraud_detectionMAS与智能体工程风控与合规WF-I 智能体工程WF-K 全域风险防御
收录于标签工程与本体驱动手册
年化 ROI50-100万元
实现难度⭐⭐⭐☆☆
业务视角
适用角色数据架构师 / 供应链数字化负责人 · CTO · 数据工程师 · 供应链团队
什么情况下用多平台数据孤岛导致断货识别延迟8小时;标签覆盖率不足使AI决策触发率<30%;想实现分析→行动自动闭环但不知从何下手
成功是什么样的统一 Tag Schema + 传播引擎将标签覆盖率从 30% 提升至 97%;Palantir 风格 Object-Action-Writeback 将补货响应从 2 天缩短至 4 小时自动触发
业务痛点
1. 解决的问题
AI自动化团队面临"全自动系统触发误操作风险"——分级审批门控(Auto/Manager/VP/Legal)防止高影响错误操作,保障合规留痕,防范潜在50-100万元损失
2. 核心算法逻辑
人工审批门控(HumaninLoop Approval Gate) 是AI自动化系统的安全阀——确保高影响、高风险的决策必须经过人工确认,防止自动化系统失控。
3. 业务应用场景
未自动抽取;请查看原始 Skill 卡片。
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- ROI预估:人工门控防止一次大规模误操作(如错误触发全仓紧急补货订单),潜在损失防范约50-100万元;审批SLA监控确保关键决策不被搁置,提升运营响应效率约40%
- 实施难度:⭐⭐⭐☆☆(审批工作流系统较成熟,主要是规则配置和系统集成)
- 优先级评分:⭐⭐⭐⭐⭐(AI自动化系统的安全基础,没有门控的自动化是危险的;合规要求审批留痕)
- 评估依据:AI/ML系统事故分析:90%的严重生产事故发生在"没有人工审批门控的全自动化流程"中
7. 代码模板
代码块数量:3 · 路径:未检测到
"""
人工审批门控标签系统
功能:审批级别计算 / 审批工作流管理 / SLA监控 / 超时升级 / 审计日志
输入:待执行Action + 风险评估Tags
输出:审批工单 + 工作流状态 + 审计追踪
"""
from dataclasses import dataclass, field
from datetime import datetime, timedelta
from typing import Optional
from enum import Enum
import warnings
warnings.filterwarnings('ignore')
class ApprovalLevel(Enum):
AUTO = ("AUTO", 0, None)
L1_SUPERVISOR = ("L1", 2, "supervisor")
L2_MANAGER = ("L2", 8, "manager")
L3_VP = ("L3", 24, "vp")
L4_LEGAL = ("L4", 48, "legal")
def __init__(self, code, sla_hours, role):
self.code = code
self.sla_hours = sla_hours
self.role = role
@dataclass
class ApprovalRequest:
request_id: str
action_id: str
action_type: str
entity_id: str
estimated_impact_yuan: float
risk_tags: dict
level: ApprovalLevel
created_at: datetime = field(default_factory=datetime.now)
deadline: Optional[datetime] = None
approver: Optional[str] = None
status: str = "PENDING"
decision: Optional[str] = None
decision_reason: Optional[str] = None
decision_at: Optional[datetime] = None
def __post_init__(self):
if self.level != ApprovalLevel.AUTO and self.deadline is None:
self.deadline = self.created_at + timedelta(hours=self.level.sla_hours)
def is_overdue(self) -> bool:
return (self.deadline is not None and
datetime.now() > self.deadline and
self.status == "PENDING")
class ApprovalGateEngine:
IMPACT_THRESHOLDS = {
ApprovalLevel.AUTO: 5_000,
ApprovalLevel.L1_SUPERVISOR: 20_000,
ApprovalLevel.L2_MANAGER: 100_000,8. 论文来源
- 2310.11423
- 2404.08234