碎片化治理
多部门、多合同、多责任界面增加跨主体交易成本。
MECHANISM
先平台化，再智能化；两者解决不同层次的成本
如果没有共同的业务、规则、责任和数据底座，模型只会更快地处理混乱信息。
平台化
整理分散服务与责任接口，降低外部的搜索、签约和协调成本。
智能化
在已整理的责任接口内，降低信息处理、任务协调与监督成本。
制度边界
执法权、数据权与属地责任仍由正式制度与责任主体确认。
OPERATING LOGIC
从一条线索到一张协同议题卡
系统按“事件—证据—边界—请求—确认—复盘”运行，不跳过责任节点。
- 01INPUT
事件线索
记录时间、空间、来源与核实状态。
- 02GROUNDING
证据与规则
只检索经团队审阅、可用于本次展示的证据，匹配固定权责规则。
- 03DRAFT
协同议题卡
写清请求什么、依据什么、尚缺什么。
- 04HUMAN GATE
角色确认
规定角色分别确认、拒绝或升级。
- 05RECORD
记录与复盘
保留谁做了什么、说明了什么理由。
FIVE AUDITABLE TASKS
五个可审计任务节点，每个节点只处理一类判断
当前 Demo 由同一套确定性流程依次执行，不是五个独立大模型自由讨论。点击节点可查看输入、输出和检查方式。
判断多条线索是否指向同一个事件
时间、位置、来源和线索摘要
统一的 event_id 与空间范围
保留原始线索编号和核实状态
CAPABILITY BOUNDARY
它能做什么，也要清楚它不能做什么
能力边界不是页脚里的免责声明，而是每次运行都会触发的规则。
可以做
- 整理模拟事件线索
- 检索并引用本次展示可用证据
- 解释固定权责规则
- 起草待确认的协同请求
- 保留人工决定与复盘记录
不可以做
- 把 AI 识别当作违法认定
- 自动作出行政执法决定
- 向外部主体直接派单
- 索取或共享未授权数据
- 把模拟结果写成真实绩效
TARGET ARCHITECTURE
目标架构把大模型放在证据、规则和人工闸门之间
当前本地 Demo 使用确定性规则和模板验证流程及边界。后续引入语言模型时，模型只负责理解、检索、归纳和起草；事实、权责和最终确认仍由证据、固定规则与责任主体把关。
事件与资料
比赛版使用团队授权稿件、已审阅证据卡与人工构造情景。
source_id · data_statusAgent 编排与规则
五类任务组成可追溯过程，权责结果只能由固定规则返回。
rule_id · evidence_refs人工协同工作台
按角色呈现能做什么、还需谁确认，并将理由写回记录。
human_gate · decision_log