reasoning-judge

Reasoning Judge 推理判断技能

阈值参考

详见：阈值判定参考指南

Phase 1：确定判断类型

输入：用户请求、待判断数据

输出：判断类型标识 + 判断目标描述

步骤

1. 读取用户请求，提取判断关键词
2. 匹配判断类型：
   • binary：二分类（是/否、真/假、合格/不合格）
   • multi-class：多分类（属于 A/B/C/D 中哪一类）
   • threshold：阈值判定（数值是否超过某个临界值）
   • confidence：置信度评估（某结论的可信程度）
   • anomaly：异常检测（是否偏离正常范围）
   • ranking：排序判断（按优先级/分值对多个选项排序）
3. 确认判断目标：明确"对什么进行判断"

判断节点：是否能明确判断类型？

• ✅ 明确 → 进入 Phase 2
• ❌ 模糊 → 失败处理：列出可能的判断类型选项，请求用户确认

Phase 2：定义判断标准

输入：判断类型 + 背景数据

输出：量化判断标准（阈值、范围、权重）

步骤

1. 根据判断类型定义标准：
   • binary：确定分界阈值（如 score ≥ 60 → 合格）
   • multi-class：定义每类的数值区间（如 [90,100]→优秀，[75,90)→良好）
   • threshold：明确临界值和方向（> / < / ≥ / ≤）
   • confidence：定义置信度分级（≥ 0.9 高，[0.7,0.9) 中，< 0.7 低）
   • anomaly：确定正常范围 [μ - kσ, μ + kσ]，k 默认为 3
   • ranking：定义评分公式和排序方向（升序/降序）
2. 禁止使用模糊表达：不得使用"比较好"、"差不多"、"较高"等非量化描述
3. 记录标准来源（用户提供 / 领域默认值 / 统计推算）

判断节点：所有标准是否已量化？

• ✅ 全部量化 → 进入 Phase 3
• ❌ 存在模糊标准 → 失败处理：标记模糊项，请求用户提供具体数值

Phase 3：执行判断逻辑

输入：待判断数据 + 量化判断标准

输出：每个分支的判断结论

步骤

1. 将数据代入判断标准，逐条检验

2. 决策树执行（每个分支必须有明确出口）：

   IF binary:
     IF value >= threshold → 结论: 正例(PASS)
     ELSE → 结论: 负例(FAIL)
   
   IF threshold:
     IF value > upper_limit → 结论: 超上限(OVER)
     ELIF value < lower_limit → 结论: 低于下限(UNDER)
     ELSE → 结论: 正常(NORMAL)
   
   IF anomaly:
     IF |value - μ| > k × σ → 结论: 异常(ANOMALY), 偏差 = (value-μ)/σ
     ELSE → 结论: 正常(NORMAL)
   
   IF multi-class:
     按区间匹配 → 输出对应类别标签
   
   IF confidence:
     计算置信度 → 输出置信度分级 + 数值
   
   IF ranking:
     按评分公式计算 → 输出排序列表
   

3. 记录每个判断步骤的中间值，保证可追溯

判断节点：所有数据是否均落入某个判断分支？

• ✅ 全部匹配 → 进入 Phase 4
• ❌ 边界值或空值 → 失败处理：记录未匹配项，使用默认分支或标记为 UNDEFINED

Phase 4：输出判断结果

输入：Phase 3 的判断结论

输出：结构化判断报告

步骤

1. 输出结论（每条数据对应的判断标签）
2. 附上置信度（如可计算：基于数据与阈值的距离/符合特征数量）
3. 附上判断依据（使用的标准 + 实际数值对比）
4. 若为多条数据：以表格形式展示

输出示例：

判断结果：异常 (ANOMALY)
置信度：高（0.95）
判断依据：
  - 检测值: 142.3
  - 正常范围: [80, 120]（μ=100, σ=13.3, k=3）
  - 偏差: (142.3-100)/13.3 = 3.18σ > 3σ 阈值
建议：触发人工复核流程

降级策略：当数据不足以支持高置信度判断时：

• 置信度 < 0.6 → 标记为"信息不足，建议补充数据"
• 数据缺失超过 30% → 降级为人工判断，不自动输出结论