从投诉文本接入开始，对隐私做语义化脱敏，并快速判定是否受理、移送或待补充。
GOVERNANCE AI FOR MARKET REGULATION
老所长
面向市场监管投诉处理的智能执法辅助系统
面向 12315 投诉处理全链路，帮助基层执法与调解岗位在受理、研判、调解、结案环节形成更稳定、更可追溯、更接近真实业务流程的智能辅助闭环。
聚焦违法性分析、动态核查清单与处罚依据收敛，减少人工反复检索和口径漂移。
将调解策略、双方话术、平台回复和电话通知收敛为可复核、可审计的结构化输出。
服务对象
基层市监 / 业务条线 / 项目演示
交付方式
单机部署 / 私有化 / 受控环境
设计原则
固定契约、严格校验、全链路留痕
业务痛点
投诉处理中最耗时的，不是录入，而是后续判断与口径统一
在投诉处理中，真正消耗经验和时间的是案件是否受理、违法性如何论证、调解如何表达、结案如何措辞。系统的重点不是替代执法人员，而是把高频重复判断转为结构化辅助。
跨区域、跨平台、职业索赔、疑似无管辖投诉往往需要多轮核对，结论还容易不一致。
违法性分析、法条适用、证据建议常分散在个人笔记、模板与历史案例中，复用效率低。
同一案件既要面向平台，也要面向电话沟通与内部留痕，重复编辑容易造成前后措辞不一致。
如果输入输出协议不固定、提示词可随意漂移，系统容易在演示中“看上去很强，实际上不可交付”。
能力链路
围绕真实办案顺序组织，而不是围绕模型能力拼贴
本系统按投诉处理主链路组织能力，确保每个模块都有清晰输入、输出和启停边界。M3 法律检索可按运行时开关停用，不破坏主链路稳定性。
极速脱敏
对姓名、电话、地址、账号等敏感信息做语义化处理，降低直接暴露风险。
M1 分诊
基于 AI + 数据规则 + 关键词三层机制，形成受理、移送、驳回或待补充的初步判断。
M2 调查
生成动态核查清单与违法性分析，帮助办案人员快速聚焦事实、证据与风险点。
M4 行政裁量
围绕处罚类型、裁量依据与金额建议形成统一表达，目前保持渐进式完善。
M5 调解策略
将争议焦点、利弊权衡、推荐方案和双侧话术固化成可复核的协商建议。
M6 结案输出
将平台回复、电话话术与草稿校验串联为可审计的两步式结案输出。
产品优势
重点不在“会不会生成”，而在“能不能稳定落地”
固定 I/O 契约
输入输出协议后端写死，前端围绕稳定结构展示，输出不符合 schema 时严格失败，而不是静默兜底。
提示词治理
管理端只开放策略段编辑，核心输入和输出规范固定，避免现场演示时因配置漂移破坏业务契约。
结构化日志
关键模块统一使用结构化日志记录阶段耗时、缓存命中和错误码，便于性能核对与复盘。
缓存与审计回溯
在 M1、M4、M5、M6 等链路引入缓存签名、输入快照和生成历史，支撑稳定性验证与历史复核。
架构可信
以领域边界和治理能力支撑长期演进，而不是一次性 Demo
业务模块与基础设施解耦
采用 DDD + Monorepo 架构，分离分诊、调查、法律检索、裁量、调解与结案模块，同时保留数据库、LLM 与提示词缓存等基础设施层。
统一的 LLM Provider 与后台治理
提供商切换、Prompt 模板、模块健康与管理员配置集中在治理后台，适合在私有环境中做受控迭代与准生产验证。
适合向甲方解释的“可信 AI”路径
通过固定协议、失败可见、缓存签名、运行时开关、性能 trace 与生成审计，把模型输出纳入可以解释、可以复核、可以追责的工程治理框架。