ADPS 企业 Agent 系统蓝皮书 · 模式实践切片
R2 · 复杂度路由 · 东方屹腾执行型 Agent
入口分类器生成有限控制信号,意图网关按成本和风险选择执行链。
| 字段 | 值 |
|---|---|
| 主模式 | R2 复杂度路由 Complexity-Based Routing(推理 × 路由) |
| 结合模式 | P1 上下文分诊 · G1 审批门 |
| 案例 | 上海东方屹腾科技 · HR/薪酬 SaaS · 服务 2 万+ 企业 · 执行型 Agent |
| 对应白皮书 | /zh/patterns/r2-complexity-based-routing/ |
| 源 | 梁博 AICon 逐字稿第三章 · PPT 第 9–12 页 |
| 工程结论 | 入口分类器把自然语言转换为有限控制信号,意图网关据此选择不同成本和风险的执行链。 |
场景约束
企业 HR 与薪酬入口会收到不同类型的请求:领域外闲聊、薪资表分析、薪资组配置、算薪或代发。若所有请求都进入链式推理和行动编排,简单请求会占用不必要的模型和工具成本,高风险事务也缺少独立治理入口。
复杂度路由在主循环入口完成分类,并把请求分配到深度不同的执行链。
控制信号
早期系统使用四个枚举:
| 信号 | 下游处理 |
|---|---|
chat |
固定答复或低成本对话 |
analyze |
一次推理,必要时增加 RAG |
resolve |
链式推理、行动或规划执行 |
unknown |
澄清、拒绝或安全兜底 |
随着场景增加,枚举演化为 task、information、produce、chat 等类型,并增加第二层业务场景绑定,用于推荐相关 Skill 和工具候选。枚举由下游流程倒推,不直接复用其他产品的分类。
路由流程
用户输入
-> 受 Schema 约束的意图分类
-> 输出校验
-> 意图网关
-> chat / analyze / resolve / unknown 执行链
分类器固定在一到两次模型调用内完成。输出必须符合 Schema,无法解析或置信度不足时转入 unknown。意图结论的自然语言摘要写入叙事状态,离散枚举进入控制平面。
会话仍保持 pre / middle / post 三段边界:
pre接收输入并完成意图分类;middle执行所选能力链;post合成结果并返回。
Orchestrator 管理三段流程,意图网关只负责从信号映射到执行链。
案例运行
“你叫什么名字”可以在 chat 链路结束;上传薪资表并请求说明进入 analyze,按需检索领域知识;搭建薪资组进入 resolve,继续使用 R1 链式推理和行动模块。代发等敏感事务在后续控制信号中进入审批门。
第二层场景绑定可以提前缩小 Skill 和工具候选,但不能跳过工具准入、参数校验和审批。
失效信号
- 分类结果是一段描述,没有离散枚举;
- 未知输出直接进入默认重链路;
- 所有请求都被路由到最高成本路径;
- 枚举过细,入口分类承担了完整业务规划;
- 业务分类和工具准入混为同一步;
- 路由结果没有进入事件时间线,无法分析误分流。
验证指标
- Schema 解析成功率和
unknown比例; - 各路由档位的流量分布;
chat、analyze被误送入resolve的比例;- 事务请求被误送到轻链路的比例;
- 各档平均 Token、延迟和工具调用次数;
- 二层场景绑定后的候选工具缩减率与正确率。
与白皮书的对应
R2 白皮书以信号提取、分类和分档执行描述复杂度路由。东方屹腾按动作类型和执行链深度分类,而非只按模型档位分类;unknown 承担解析失败和低置信度的回退。
迁移条件
自然语言入口对应多条成本、能力或风险差异明显的下游流程时,应使用复杂度路由。入口已经结构化,或所有请求使用同一流程时,可以直接进入主链。信号枚举、兜底和路由指标必须在上线前定义。
引用建议:ADPS、梁博,《东方屹腾 · 复杂度路由》,企业 Agent 系统蓝皮书 v0.4,2026-08-02。
证据边界:本页是完整案例的模式切片,记录特定系统约束下的实现选择。案例方提供的实现与效果信息未经过独立审计,不构成通用性能承诺。
溯源记录
- 来源记录
- 东方屹腾执行型 Agent 案例;案例提供:梁博
- 来源日期
- 本页首次公开