AWS 提出 Adjudicated Query 模式:用规则引擎约束 LLM 做合规审查
AWS ML Blog · rss · 2026-10-02
AWS ML Blog 发布 Adjudicated Query 设计模式,解决数万份租约合规筛查中「可证明完整性」与「可辩护性」两大难题。
核心思路:LLM 只做两件事——把自然语言问题翻译成固定类型化操作调用、叙述返回结果;所有通过/不通过的判定都在确定性规则引擎里完成。规则是带版本的数据而非代码,法规变更只需改规则行,不用改代码。
为什么不用 RAG 或 text-to-SQL:
- RAG 只返回排名样本,结构上无法保证「全部检查过」
- text-to-SQL 存在幻觉谓词悄悄缩小检查范围的风险,结果数字看起来精确但范围可能错误
关键机制:每次合规扫描生成「完整性回执」,要求合规+违规+模糊+不可读的记录数必须等于扫描总数,否则运行不允许结束,杜绝记录被静默跳过。
参考架构:MCP server 只暴露 6 个工具(全量扫描、规则变更模拟、语义探索、单条取证、规则查询、健康检查),部署在 Lambda 上,经 Amazon Quick 聊天界面访问;Amazon Aurora Serverless v2 统一存储规则书、租约与判定结果,QuickSight 面板读同一数据源。模式可推广到制裁筛查、保险理赔等高风险合规领域。
「编程与Agent」频道最新
- 资深开发者：AI 擅长写代码造资产，却做不好游戏手感设计 — rms80 · 2026-10-03
- 免费 AI Agent 学习路线：一天四级从入门到 MCP 与安全 — ifioknkem · 2026-10-03
- 用 Swift 调用 System One 模型:毫秒级确定性决策,成本远低于 LLM — rxwei · 2026-10-03
- 一条全局规则并行跑 50 个 AI agent：后台任务流工作流分享 — Daniel_Farinax · 2026-10-03
- 为何 Linear Agent Session 比 Slack 更适合智能体协作 — jeff_weinstein · 2026-10-03
- SWE-chat 数据集发布 V2：规模扩大 3.5 倍并加入子智能体轨迹 — Diyi_Yang · 2026-10-03