AGENT DECISION LAYER  ·  决策层

不是规则引擎
是真正在推理的系统

Agent 决策层接收来自全平台的信号，完成上下文推理、策略选择与指令下发——然后把结果写回数据层，驱动下一轮决策。这是一个持续自驱的智能闭环。

申请演示 查看核心能力
∇ NABLA · AGENT REASONING TRACE · 决策推理日志
REASONING TRACE · RUN #8847
⚡ CLM:HIGH_INTENT → NO_ACTION:72H
👁
STEP 01 · OBSERVE
信号感知
检测到触发事件：用户张伟强进入「高意向·未成交」状态，距上次互动已 72 小时
✓ event=CLM_STAGE_CHANGE · user_id=u_8872 · gap=72h · intent_score=0.87
🗂
STEP 02 · RETRIEVE
上下文检索
拉取用户画像、历史触达记录、A/B 实验当前分组与 Guard Rail 约束规则
✓ profile loaded · last_touch=sms:3d_ago · segment=enterprise_high_ltv · ab_group=B
🧠
STEP 03 · REASON · 进行中
推理与决策
综合意向得分、历史接触频次、当前 A/B 分组及 Guard Rail 约束，选择最优触达方案
→ channel=outbound_call · script=v2_pain_point · priority=HIGH · guard_rail=OK
📤
STEP 04 · DISPATCH · 等待中
指令下发
向坐席工作台推送外呼任务，附带 v2 话术包与客户画像摘要
🔁
STEP 05 · LEARN · 等待中
结果回写
通话结束后，接通/转化结果写回 DMP，更新意向得分并触发下一轮评估
DISPATCHED COMMANDS
OUTBOUND_CALL
FIRED
外呼任务已下发坐席工作台，话术 v2 「痛点切入」，优先级 HIGH
SMS_FALLBACK
QUEUED
外呼无人接听时，2h 后触发短信降级触达
CLM_UPDATE
QUEUED
通话结束后更新用户 CLM 阶段与意向评分
🛡
Guard Rail 检查通过 · 当日已触达 0 次 · 未命中黑名单 · 频次在限额内
01 · STRATEGY ORCHESTRATION

策略不是配置出来的，
是推理出来的

传统营销系统靠规则树决策——条件满足则触发，条件不满足则跳过。策略编排层引入 LLM 推理：感知上下文、权衡多目标、选择最优路径，并生成可解释的决策日志。

基于用户画像、历史行为、当前 CLM 阶段与实验分组综合推理，而不是走预设规则树
每次决策生成可读推理日志，支持回溯与复盘，不是黑盒
多目标权衡：转化率、触达频次、用户体验，可配置优先级权重
STRATEGY ORCHESTRATION · 策略编排流
⚡
Event Hub · 事件接收
CLM 跃迁 / 用户行为 / 定时触发 → 路由至 Agent
LIVE
🧠
Agent 推理 · LLM
上下文注入 · 多候选方案 · 最优路径选择
RUNNING
🧪
A/B 实验服务
分流 · 话术版本分配 · 指标追踪
ACTIVE
📤
指令下发 · Channel Executor
外呼 / 短信 / 邮件 / Push 并行触达
QUEUED
02 · GUARD RAIL

Agent 越聪明，
边界越需要系统来守

Guard Rail 独立于 Agent 推理逻辑之外运行，在每一条指令下发前完成合规检查。频次限制、黑名单核验、跨租户隔离、敏感词过滤——任何一项触碰，指令直接拦截，不进入执行队列。

平台级 + 客户级双层频次控制，单用户单日触达上限硬性限制
黑白名单实时比对，新加入名单的用户在当前批次中即时生效
跨租户隔离强制校验，代客创建的策略无法越权访问其他租户数据
GUARD RAIL · 拦截与放行日志
PASS
张伟强 · 外呼指令
今日触达 0 次 · 不在黑名单 · 频次在限额内 · 租户校验通过
BLOCKED
李某某 · 短信指令
今日已触达 3 次，超出单日上限（3次），指令拦截，不进入执行队列
THROTTLED
批量外呼任务 #891
平台级并发限额已达 85%，任务降速至 60% 速率执行
14,382
今日放行
247
拦截
62
降速
03 · IM COMMAND CENTER

飞书/钉钉就是
Agent 的指挥界面

不需要额外登录后台——Agent 直接在飞书或钉钉群内汇报决策结果、推送异常预警、接收人工指令并立即执行。让运营和管理者用最熟悉的工具掌控整个 AI 决策流程。

关键决策节点主动推送飞书/钉钉，可直接在消息中点击确认或终止
A/B 实验显著性达成、Guard Rail 拦截异常、坐席预警均触发即时通知
支持自然语言指令：在群内发送「暂停 #124 任务」，Agent 立即响应执行
IM COMMAND CENTER · 飞书指挥群
∇
🧪 A/B 实验 #024 · 已达显著性
「痛点切入」话术转化率 4.7%，显著优于其余两组（p < 0.05）。建议全量上线 Version B。
一键全量上线 →
10:14 AM · ∇ Nabla Agent
张
好，全量上线。另外先把任务 #891 降速，外呼量太高了
10:16 AM · 张总监
∇
✅ Version B 已全量上线。任务 #891 已调至 60% 速率，Guard Rail 同步更新限速配置。
10:16 AM · ∇ Nabla Agent · 响应 <2s
BY THE NUMBERS · 决策层能力数字

每一个决策
都有迹可循，都在学习

<2s
Decision Latency
推理到指令下发
从事件触发到 Agent 完成推理并下发指令，端到端 2 秒内完成
100%
Decision Traceable
决策全程可溯源
每条指令附带推理日志，可查为什么做出这个决策、哪条规则触发
0
Cross-tenant Leakage
零越权风险
Guard Rail 强制校验租户隔离，代客创建策略不可能访问其他客户数据
∞
Self-improving Loop
持续自优化
执行结果回写决策层，每轮数据都在让下一次推理更准确

看 Agent 决策层
如何实际推理

30 分钟演示，完整走一遍从事件触发、Agent 推理、Guard Rail 校验到指令下发的完整链路。
No slides. Just the product.

申请演示
No commitment  ·  30 min  ·  Full product walkthrough