第 12 章实操四 · 工单智能分级路由工作流（场景 C）¶

本章定位： 实操单元 · 角色 = Delta · Prototype 阶段 · 模式 = AI 施工（opencode + gstack + LangGraph）· 场景 C——Delta 侧第三个、也是坡度最高的施工实操。坡度：分类器（一次调用）→ RAG（检索 + 生成）→ 路由工作流（预编排 + 分支动作）；真正的动态受控 Agent 在无编号实操四B（Lab4B）。

前置： 场景 C 方案框架；工作流 / Agentic Workflow、Router 模式与自动化边界；实操三成果。

延伸阅读： 工作流 / Agentic Workflow 区分、Routing 三路分流、自动化边界；完整动态受控 Agent 见无编号实操四B（Lab4B）；见文末 FDE-101 链接。

实验手册： 工单样本、部门职责库、启动提示词参考答案、gstack 安装速查、灵魂追问与讲师要点见《实验手册》labs/lab4-routing-workflow.md；实操四B 手册见 labs/lab4b-cooperative-agent.md——本实操正文只保留"方法与验收"。

本章学习目标：

用 LangGraph 的 State / Node / Conditional Edge 构建一个固定路由工作流（路径可枚举）；
分清"分类器 vs 路由工作流 vs 受控 Agent"——分类之后还要做事；路由工作流的"下一步"预先写定，真正"观察结果后重新规划"交给实操四B（Lab4B）；
把"敏感件零漏判"（给定验证集召回率 100%，生产目标零漏判）落地为验收硬指标；
设计一个高质量工具（check_department），验证"工具描述决定路由工作流准确率"；
说清"为什么这里不需要动态 Agent"（从最简单开始），并知道实操四B 何时补齐动态选工具、追问、人工暂停与有限循环。

学习目标追踪（目标 → 活动 → 证据 → 验收）：

学习目标	对应活动	主要证据	对应 DoD
用 LangGraph 构建固定路由工作流	环节 1 写启动提示词 + 环节 2 注入并跟进八环节	State / Node / CE 代码	路由工作流可运行
分清分类器 vs 路由工作流 vs 受控 Agent	知识背景 + 演练流程全程	SPEC 选型理由	三路都走通
敏感件零漏判落地为硬指标	环节 3 验收与收尾	qa-report.md	2 份敏感件全转人工
高质量工具设计（check_department）	环节 2 注入并跟进八环节	工具定义、departments.csv	工具描述决定准确率
说清"为什么不需要动态 Agent"	知识背景 + 演练流程全程	汇报话术	无"做成分类器"反模式

12.1 知识背景¶

这一轮的方法定位（只取工作流 / 编排这些稳定不变的层面）： - Routing Workflow 与自动化边界：本实操档位固定、分支预先枚举——判档只是开始，还要自动答复 / 查部门库 / 转人工；它不是动态自主 Agent，而是 Agentic Workflow（受控 Agent 见实操四B）。 - 工作流 vs 智能体：三档各自处理逻辑固定，属于"工作流类"（Routing 模式），不需要动态编排复杂智能体。 - 编排工具：此处用代码级框架 LangGraph（State / Node / Conditional Edge），而非低代码平台（Dify / Coze），因为要精细控制状态与兜底逻辑。 - Router 三路分流：咨询→quick 自动答 / 跨部门→deep 深度 / 敏感→escalate 转人工——正是本实操的三档路由。 - 人机回环：敏感件"必须转人工"就是暂停等人工确认，是智能体安全的基石。

12.2 任务书¶

打开解决方案框架的场景 C："工单智能分级路由——简单诉求本可当场答复，却和复杂诉求（跨部门、投诉举报）混着走同一套流程，效率低。"

技术方案（已在实操一定）： 路由工作流（Agentic Workflow）——不是分类器、不是 RAG，也不需要动态自主 Agent：档位与分支动作预先枚举，LangGraph 只承载 State → 判档 → 条件边 → 分支动作；真正"观察结果后重新规划"的受控 Agent 在 实操四B（Lab4B）。技术栈：opencode + gstack + LangGraph + DeepSeek + Streamlit。

目标： 收到一份市民工单，判断它是哪一档（咨询 / 跨部门 / 敏感），然后路由到对应处理分支：

咨询类 → 自动答复
跨部门类 → 深度处理（调用部门职责库工具）
敏感类 → 转人工升级

验收时三路都要走通，且敏感件零漏判。

把上面的三档路由用 LangGraph 的机制落成一张图：

flowchart TB
    start["工单进入<br/>（State 初始化）"]
    judge["判档 Node<br/>LLM 判断：咨询 / 跨部门 / 敏感"]
    ce["Conditional Edge 分流"]
    quick["咨询<br/>→ 自动答复 Node"]
    deep["跨部门<br/>→ 深度处理 Node<br/>（调 check_department 工具）"]
    esc["敏感 / 拿不准<br/>→ 转人工 Node<br/>（暂停等人工确认）"]
    start --> judge --> ce
    ce --> quick
    ce --> deep
    ce --> esc
    style judge fill:#3949ab,color:#fff,stroke:#1a237e
    style ce fill:#f5ece0,stroke:#a8895f
    style esc fill:#fdecea,stroke:#a34a3a

图 12-1：本实操分级路由流程——State 启动 → 判档 Node → Conditional Edge 三路分流 → 各分支动作

12.3 课前准备¶

opencode、gstack 已装（前几实操复用）
LangGraph 已装（见环境准备）
DeepSeek API key 已配置
已通读解决方案框架的场景 C 部分
已查看实操三的《AGENTS.md》和《retro.md》
创建本实操目录 实操四-工单分级/

环境准备（LangGraph）： 路由工作流比前两轮多了编排框架 LangGraph（本章只用固定路径，不引入自主循环）。一次装齐：langgraph + openai + python-dotenv + pandas + streamlit（LangGraph 只依赖 langchain-core，不带 openai/pandas/streamlit——只装它会报 ModuleNotFoundError: openai）。langgraph 没有 __version__ 属性，用 importlib.metadata.version('langgraph') 验证。装完必须实测 import。

12.4 演练流程¶

12.4.1 环节 1 · 写启动提示词¶

这不是让 AI 干的活，是你（Delta）的活。 流程同前两轮，这次你经验最足。对照方案框架场景 C 填 7 项信息（工单样本、部门职责库与启动提示词参考答案见《实验手册》labs/lab4-routing-workflow.md 附录 D），并把"三档定义、工单样本、部门职责库"写进启动提示词。

三档判定标准（本轮核心），核心是"动作"而非字面信号：

咨询（简单问答 → 自动答复）：模式固定、直接问怎么办、答完即可；
跨部门（需查职责库 → 深度处理）：只要"需要查询部门职责归属才能处理"就算，即使只涉及一个部门。典型"该找哪个部门""怎么维权"这类找归属/找路径的诉求；
敏感（对具体对象举报/投诉/安全隐患 → 转人工）：对具体机构/个人/场所的举报要求查处、或涉民生重大安全。注意："维权/投诉"字眼本身不决定档位——问"怎么处理"是跨部门，对具体对象"实名举报XX要求查处"才是敏感。

本轮核心教学点 · 档位例子反向核对： 写好分级判定标准后，用验证集样本逐条反向核对提示词里的档位例子——例子的档位必须与验证集标注一致。实测翻车根因： 首版把"拖欠工资维权"写进敏感档，但验证集标注跨部门，模型忠实执行错误定义导致首轮 66.7%。档位/类别例子与验证集标注不一致，路由工作流必然跑偏。

12.4.2 环节 2 · 注入并跟进八环节¶

注入：启动提示词灌进 /office-hours + 驱动指令（同前，完整写法见《实验手册》labs/lab4-routing-workflow.md）。

跟进八环节，你的把关点：

环节	路由工作流会做什么（Agent 执行）	你的 checkpoint
office-hours	追问分级标准、工具	回答分级/工具问题；确认"值得做"
spec	死磕 No-Go、数据模型、验收口径	"敏感件必须转人工"写进 SPEC了吗
autoplan	暴露两可决策等你拍板	真的拍板：分级判定标准、工具设计、兜底策略
build	按 SPEC 实现（State→Node→Conditional Edge→工具）	工单样本来自启动提示词、非 Agent 编
review	两遍检查，P0–P3	修 P0/P1；API key；工具描述质量
qa	真实跑核心 + 边界	三路各测；敏感件零漏判；工具调用成功
ship	版本+CHANGELOG+README+commit	.env 未入库
retro	复盘四点	摩擦写具体；有行动项

关键决策点（路由工作流特有）：

分级判定标准：按"动作而非字面信号"的三档定义拍板；
工具设计：check_department——传入工单全文，内部关键词匹配（不要只传单个 keyword）。职责库关键词要考虑市民口语变体（职责库"物业管理"，市民说"物业不处理"，前 2 字子串兜底能命中）。找不到返回空列表而非报错。
敏感件兜底：拿不准怎么办？宁可转人工，不可漏过（假阴性=0 是政务底线）。拿不准可用 confidence 阈值量化（参考值 0.6）——置信度 <0.6 一律兜底转人工。
LLM 返回异常：分级结果不是三档之一时，兜底到"转人工"（uncertain → escalate），而不是默认自动处理。解析失败/非法 label 同样兜底转人工。

自查追问： 路由工作流在 autoplan 问"敏感件拿不准时怎么办"——你不能说"你看着办"。为什么？因为 政务场景，敏感诉求漏了转人工就是事故（投诉没升级、安全隐患没上报）。你必须拍板"宁可多升级，不可漏"。这个决策 AI 不知道严重性，只有你知道。

12.4.3 环节 3 · 验收与收尾¶

Step 1 核对交付物：

实操四-工单分级/
├── 01-office-hours.md
├── SPEC.md                   # 含失败模式 + No-Go + 数据模型 + 验收口径
├── SPEC-决策记录.md           # autoplan 拍板记录
├── data/departments.csv      # 部门职责库（路由工作流工具的数据源）
├── src/                      # State/Node/Conditional Edge/工具 模块
├── streamlit_app.py          # 工单分级界面
├── tests/workorders.csv      # 6 份工单样本
├── review.md / qa-report.md
├── VERSION / CHANGELOG.md / README.md
└── retro.md

Step 2 验收口径（更强调安全底线）：

指标	要求	判定机制
路由工作流正确率	≥90%	判档正确 + 分支动作执行才算路由正确：咨询件需产出答复、跨部门件需 departments 非空（工具真实调用）、敏感件需 action=转人工。只判对档但没做事 = 错误
敏感件零漏判	100%	6 份中 2 份敏感工单必须全部转人工（假阴性=0）。漏判 1 条即不通过

为什么敏感件要"零漏判"硬指标？ 政务场景，敏感诉求漏了转人工等于没人处理——假阴性的代价远高于假阳性。宁可多查不可漏过（Human-in-the-Loop）。

为什么路由正确要"判档 + 动作"双重验证？ 这正是本轮的灵魂——路由工作流与分类器的区别是"分类之后还要做事"。判对了档但没执行动作，跟分类器没区别。

统计提示： 6 条样本上"路由正确≥90%"实际必须 6/6 全对（5/6≈83% 就挂了）；敏感件 2 条必须全转人工。对"全对才过线"要有预期。

Step 3 模拟向小王演示：

用她听得懂的话讲（别说"Router 模式""状态机"）；
演示"敏感件自动转人工"——"这条举报诉求，AI 拿不准就自动留给你判断，不会自己乱处理"；
演示"跨部门件真查了部门库"——展示工具调用链（"🔧 查询部门职责 → 命中住建局：物业管理"），证明"AI 不是瞎猜，是真查了库"；
呼应角色定位——"AI 处理常规、复杂和敏感留给人，你从'处理工单'变成'把关人'"。

自查追问： 向小王演示时，为什么"敏感件转人工"是最好的切入点？——因为她最怕"AI 取代我"。"AI 处理常规、敏感件留给人"恰恰证明 AI 不是取代，是把人解放到更重要的判断上。 这是路由工作流场景里 Human-in-the-Loop 的业务价值。

Step 4 写"演示级验收声明"（DoD）：

"本项目使用 6 份工单样本，属演示级验收——结论仅证明路由逻辑在给定样本上可行，不宣称覆盖全部工单类型或达到生产可用。"

自查追问： 为什么必须写这句？政务场景夸大更危险——说"敏感件零漏判"而实际只测了 2 份，市里真出漏判事故，责任谁扛？

12.4.4 环节 4 · 复盘沉淀¶

看路由工作流的 retro；追加：更新 AGENTS.md（分级判定标准、工具定义、验证命令、工具坑）+ 改进交接（实操五汇报前先看这条经验）。

桥接实操四B： 本章做的是"预编排固定分支"路由工作流；想体验真正按目标反复决策的受控 Agent（动态选工具、观察后追问、人工暂停、有限循环），进入无编号实操四B（Lab4B）——它从头构建独立项目、不复制本章代码，但复用本章的 LangGraph / 工具 / HITL 概念（手册见《实验手册》labs/lab4b-cooperative-agent.md）。

实操五收口： 这一轮的产出（路由工作流 + 敏感件零漏判的验收数据）是 ROI 汇报的亮点——"简单诉求自动化率"是个好数字。

12.5 产出物清单与验收标准（DoD）¶

交付物： 见环节 3 Step 1 文件树。

验收标准（DoD）：

（gstack 安装速查见 labs/lab4-routing-workflow.md 附录 A；工单样本、部门职责库与启动提示词参考答案见附录 D；灵魂追问与讲师要点见附录 B/C。）

12.6 Echo Prototype 检查单¶

本章不是 Delta 单线活动：Prototype 结束时，Echo 至少完成一次检查，产出可归因、可评分的个人记录。Delta 仍是施工主责。

Echo 至少完成：

敏感件和高风险件的业务定义确认（哪些算敏感，谁说了算）；
升级和人工审批责任确认（转人工后谁接、时限多少）；
人工审核容量检查（升级量 vs 坐席处理能力）；
错路由和漏判的业务代价分级；
是否满足原始业务需求的判断。

通用检查单（每条填一行）：

原需求	当前功能	证据	用户反馈	未满足项	阈值是否调整	下一步判断
场景 C 双指标口径	路由 + 敏感件兜底	qa-report.md	演示反馈	待填	是否调整及原因	Go / 继续 / 回炉

反模式与红线¶

把路由工作流做成简单分类器。 判对档但没执行动作，跟分类器没区别——验收要"判档 + 动作"双重验证。
档位例子与验证集标注不一致。 路由工作流忠实执行错误的例子导致必跑偏——写作后需逐条反向核对。
敏感件漏判（假阴性）。 宁可多升级不可漏；拿不准（confidence<0.6）兜底转人工。
LLM 返回异常默认自动处理。 分级结果异常/非法 label 必须兜底到转人工，不是默认自动。
工具定义随意。 描述不清、只传单一 keyword、找不到返回报错——准确率直接崩。
不写"演示级验收声明"。 那会夸大 6 份样本的成果、埋下责任雷。

Important

红线本处落地：敏感件零漏判 是全书第三条政务红线。至此三条政务红线（数据不出域 / 答案可追溯 / 敏感件零漏判）加上贯穿性的"人做判断，AI 负责执行"，四条红线在本套实操中已全部落地为验收口径。

本章小结¶

路由工作流本质 = 预编排分支执行：分类之后还要"做事"（自动答复 / 查部门库 / 转人工）；它属于 Agentic Workflow，真正的动态决策循环（观察后重新规划）在实操四B。
Router 模式：State / Node / Conditional Edge 三概念构建，任务天然分档用 Routing 就够。
工具设计决定路由工作流准确率；人机回环（敏感件转人工）是安全基石。
验收双指标：路由正确（判档+动作）≥90% + 敏感件零漏判（假阴性=0）。
演示级验收声明 + 向小王讲"AI 处理常规、敏感留给人 = 人做把关人"。
本体贡献：产生工单状态、责任部门、分派与人工审核动作（业务本体的输入）。

动手自检：

我能说清"为什么是路由工作流而不是分类器（也不需要动态 Agent）"吗？
我能写出三档判定标准（以"动作"为核心）并逐条反向核对档位例子吗？
我能设计好 check_department 工具（入参/描述/边界/口语变体）吗？
我能说清"敏感件为什么零漏判、拿不准为什么兜底转人工"吗？

练习与思考¶

基础： 默写三档定义与各自动作；画出归属 State / Node / Conditional Edge 的分级流程。
进阶： 用"档位例子反向核对"方法，检查你写的分级标准与 6 份工单标注是否一致，指出不一致处会造成怎样的首轮失败。
挑战（迁移练习/升级路径）： 想对齐完整 Agent 工程可按需升级——1）人机协同（LangGraph interrupt() + Command(resume)，敏感件真·暂停等人审批而非简单路由）；2）安全三层护栏（输入过滤防 prompt injection、最小权限、输出审查）；3）真 MCP 接入。说明每项该在何时按需加。

延伸阅读¶

见 FDE-101 https://www.cloudzun.com/fde-course/（第 16 章 AI FDE 落地：Delta 技术与场景）——人机协同红线、Agent（智能体）化交付、安全护栏的落地选型。
实验手册： 6 份工单样本 + 部门职责库 + 启动提示词参考答案见《实验手册》labs/lab4-routing-workflow.md 附录 D。
下一章： 从公网到本地：私有化部署与模型微调（金字塔第 3 层与私有化部署的进阶底座）。

第 12 章 实操四 · 工单智能分级路由工作流（场景 C）¶