政企场景的可信 AI：业务语义、可控编排与运行隔离
依据久其女娲天工 AI 平台公开材料，分析政企智能体从能用走向放心用所需的四层基础。
ALWAYS SEARCH HORIZON / 探索无境
向地平线探索，
沿螺旋生长。
以假说校准方向，把所得传递出去。
Ash 是我的个人知识地平线：项目在这里留下证据，研究形成判断，方法沉淀为路径，学习则推动系统继续生长。
KNOWLEDGE ASSETS
四类内容，四种沉淀方式
分类决定内容承担的职责；标签和专题负责把它们重新连接起来。
SELECTED SIGNALS
从这些内容开始
每一项来自真实公开内容，用不同入口展示当前知识系统的重点。
01 / 研究与思考
政企场景的可信 AI：业务语义、可控编排与运行隔离
依据久其女娲天工 AI 平台公开材料，分析政企智能体从能用走向放心用所需的四层基础。
进入阅读 ↗02 / 方法与工具规则评测与发布门禁：让每次变更都能被回放
建立固定数据集、分群指标、新旧版本差异、审批与回滚记录，为规则学习和规则进化提供共同发布底座。
进入阅读 ↗03 / 学习与成长从“能用”到“放心用”：我对可信 AI 产品边界的复盘
在梳理政企智能体与规则智能方案后，我逐渐把可信 AI 理解为一套产品责任结构，而不是单一模型指标。
进入阅读 ↗04 / 策展专题可信 AI 与规则治理
从合规风控的业务问题出发，理解规则如何被建模、学习、评测和受控改进，并把 AI 放进可追溯的责任结构。
进入阅读 ↗RESEARCH / JUDGMENT
研究：从问题走向判断
先交代资料边界，再区分事实、厂商口径与仍需验证的推断。
↗
用友 BIP 合规与风险建模：从公共底座到执行闭环
依据公开帮助资料梳理合规项、风险项、智能审核与智能巡检之间的关系，并标出仍需 PoC 验证的边界。
穿透式监管的三层模型：监管、业务与交易
把经常混用的穿透式监管拆成监管层级、业务链路和交易关系三种能力，明确各自的数据与产品前提。
METHOD / PATH
方法：把经验变成路径
不是孤立技巧清单，而是从输入、验证到输出的连续方法。
- 01↗
规则智能治理
规则评测与发布门禁：让每次变更都能被回放
建立固定数据集、分群指标、新旧版本差异、审批与回滚记录，为规则学习和规则进化提供共同发布底座。 - 02↗
规则智能治理
从人工判例到规则进化：如何避免在线自学习失控
把人工复核、误报漏报和例外处置转化为受控变更建议，而不是让模型直接修改生产规则。 - 03↗
规则智能治理
规则学习不是自动写规则：一条受控生产流水线
从文档解析、条款理解、要素对齐到候选编译和发布，把大模型限制在可验证的规则生产过程内。
LEARNING / CHANGE
学习：记录认知如何改变
阶段总结不是终点，它要能指出实践、修正与下一步。
从“能用”到“放心用”：我对可信 AI 产品边界的复盘
在梳理政企智能体与规则智能方案后，我逐渐把可信 AI 理解为一套产品责任结构，而不是单一模型指标。
TOPIC / CURATION
专题：沿一条问题路径阅读
专题不产生新文章，而是把跨分类内容重新排序，帮助读者决定从哪里开始。
LONG-TERM QUESTION
怎样让 AI 扩大规则生产与执行能力，同时不削弱合规系统的确定性和责任边界？
从合规风控的业务问题出发，理解规则如何被建模、学习、评测和受控改进，并把 AI 放进可追溯的责任结构。
RECENT UPDATES
最近更新
按公开时间自动生成，不维护另一份手工列表。
- 01从“能用”到“放心用”：我对可信 AI 产品边界的复盘学习与成长
- 02规则评测与发布门禁：让每次变更都能被回放方法与工具
- 03从人工判例到规则进化：如何避免在线自学习失控方法与工具
- 04规则学习不是自动写规则：一条受控生产流水线方法与工具
- 05GRC 平台 PoC 的八组验证问题方法与工具
09 / ABOUT THIS HORIZON
这里展示的不是全部经历，
而是愿意持续验证和公开的部分。
内容会更新，判断会修正，方法也会被新的实践改写。稳定的是公开边界、来源意识和对长期可维护性的要求。
了解这个知识系统