我的AI代理总是误解我的业务逻辑。所以我构建了一种不同的方式来传递它。

有些事情一直困扰着我和AI代理一起工作的方式。明显的案例总是运行良好。但边缘情况每次都失败得不同，即使使用相同的规则。我曾一度认为这是提示工程的问题，但其实不是。我还尝试过使用Mermaid图，这有助于提高可读性，但问题依旧：代理仍然需要根据上下文解释节点或边的实际含义。自然语言和可视化自由形式图有同样的问题：它们没有将规则的定义与应用分开。因此，每次模型遇到模糊情况时，它就会猜测。有时正确，有时不正确。我开始研究Rulemapping，这是一种最初用于使法律文本机器可读的方法论。这个想法立刻让我觉得可行：明确定义逻辑，这样代理只需执行，无需解释。解释工作留给构建地图的我。因此，我构建了一个基于浏览器的编辑器。你可以用类型化的节点（Decision, Condition, Consequence, Action, Input Data）可视化地定义逻辑，并将其导出为JSON或Markdown直接放入代理的上下文中。构建过程中出现了一些我未曾预料到的事情：结构迫使你在代理之前发现自己的空白，验证会在JSON到达模型之前标记死胡同，每个节点可以带有一个绑定级别，以便代理知道哪些可以偏离，哪些不能。很好奇其他人如何处理这个问题。你是如何将复杂逻辑传递给代理的？