餐厅 POS 分析 Agent 实战:route→fetch→narrate→ground 四步架构求挑刺
RedaHaloubi · reddit · 2026-09-10
开发者构建面向餐厅 POS 数据的分析 copilot(Square/Toast 风格),准备从只读升级到写入操作前公开架构求评审。核心原则:LLM 永不计算,所有数学都在预聚合管道完成,模型只负责选工具、取数、叙述和被校验。
架构:route → fetch → narrate → ground
- Route:约 27 个工具不全注册;冻结的 12 个 CORE 工具保证 prompt cache 稳定,再加按需 "pins" 引入窄域工具。借鉴 Claude Code 的 CORE + deferred-tools 思路,Gemini 无原生 deferloading 故手工实现
- Fetch:每个工具是薄封装,响应投影为精简 DTO(收入摘要从 4k 字符压到 500),失败软降级不中断流
- Narrate:Gemini Flash + Vercel AI SDK streamText 多步循环,SSE 流式输出
- Ground:事后校验器扫描答案中所有 $/% 数字,核对是否出现在工具输出中,目前记录不匹配,可选严格重写模式
效果:精简 DTO 大幅减载、intent 过滤减少幽灵工具调用、how-to 路径用静态目录检索。
痛点:非 CORE pins 的注册与缓存矛盾;"和上周对比"类问题频繁触发数字校验;多轮追问未完全覆盖。
求教:20-40+ 工具时如何兼顾 cache 稳定与长尾工具覆盖;数字 grounding 是否该用受限解码/第二模型评审;不泄漏 PII 的工具 I/O 日志模式;HITL 写操作的 preview→confirm→mutate→audit 模式。
技术栈:Node 22 / TS / Vercel AI SDK v7 / Gemini Flash / Redis / MongoDB。
所属事件:餐厅 POS 分析 Agent 采用四步架构,LLM 永不计算(2 条相关)→
「编程与Agent」频道最新
- Cognition 用 Devin 集群破解 RSA-260，估 RSA-1024 成本仅三千万美元 — StefanoGogioso · 2026-09-10
- Chollet 澄清迷思:JAX 拥有数千个预训练 Keras 3 模型 — fchollet · 2026-09-10
- Harmonic 推出 Aristotle:可机器验证证明软件正确性的 AI agent — satnam6502 · 2026-09-10
- OpenAI 动员 250 人建「防御工厂」：AI 智能体自动挖洞、验证与修复 — OpenAI · 2026-09-10
- LangChain 纽约 Meetup:语音 Agent 的三维评测方法论 — LangChain · 2026-09-10
- Astral 公布工具链签名方案:macOS 公证 + Windows Authenticode — charliermarsh · 2026-09-10