01
问题与目标
正向经营动作与后续负向风险动作可能在短期内形成冲突，影响用户体验。项目目标是把跨协作方、跨链路的诊断过程沉淀为可复用 Agent 能力，帮助业务团队发现异常并推进复核。
BUSINESS AGENT PRACTICE · ANT GROUP
花呗用户正负向冲突诊断智能体
在大型互联网信贷业务团队实习期间，基于 Claude Code 构建冲突诊断 Agent，辅助产品、风控等协作方定位正负向业务动作中的异常链路，并将结果接入闭环复核。
- 角色
- 智能体与大模型应用工程实习生
- 时间
- 2026.05 – 至今
数十万量级冲突用户识别结果接入闭环复核
100k+ → 数十k单次任务上下文渐进式披露 + 逻辑脚本化
毫秒级交互渲染响应原路径约 5–6 秒
30-SECOND READOUT
面试速览
- 我负责
- 主 Skill 路由、子 Skill 原子能力、事实数据承接、交互协议拦截与工单闭环。
- 关键取舍
- 把确定性逻辑脚本化，把大体积 UI 协议挡在模型调用前，让模型专注诊断而非渲染。
- 如何验证
- 识别数十万量级冲突用户并推动闭环复核；单次任务上下文由 100k+ 压缩至数十k级，交互响应由约 5–6 秒降至毫秒级。
SYSTEM ARCHITECTURE
花呗正负向冲突分析与诊断闭环
展示从任务编排、数据诊断、卡片呈现到工单处理与经验回流的整体闭环。
主链路完成诊断与工单处置，反馈链路将处理结果沉淀为后续诊断经验。
查看原图 ↗02
我的核心工作
- 设计主 Skill 意图路由 + 子 Skill 原子能力的分层架构，打通数据分析、冲突识别、用户诊断、交互呈现、工单处置和知识沉淀的端到端闭环。
- 通过渐进式披露组织 Skill，并将确定性逻辑脚本化，降低上下文膨胀与任务边界混淆。
- 以 ODPS 中间表承接诊断事实，使典型诊断链路压缩至分钟级；并用 Hook 在模型调用前拦截交互请求，避免大体积 AixUI 卡片输出污染模型上下文。
- 设计工单状态与经验回流闭环，使执行逻辑保持稳定，诊断经验随反馈持续演进。
03
反馈交接与项目边界
- 以工单状态管理承接诊断结果，并将处理反馈沉淀为后续诊断可复用的经验。
- 诊断 Agent 聚焦稳定执行与业务闭环；更通用的知识准入、评测和检索治理作为独立知识工程项目呈现。
- 两项工作同属一段实习，但目标、生命周期和质量评价不同，因此在网站中分别呈现。
04
结果与工程价值
诊断 Agent 识别数十万量级冲突用户，并将结果接入闭环复核。通过渐进式披露与确定性逻辑脚本化，单次任务上下文由 100k+ 压缩至数十k级；在模型调用前拦截交互请求后，原本约 5–6 秒的渲染响应缩短至毫秒级，同时避免百 KB 级卡片输出挤占模型上下文。