方法论 · 熟练
Dify 搭 AI 复盘引擎的四层架构
清洗不许压语义，结论必须挂证据
这是一套把「多源材料 → 结构化复盘报告」跑通的工程方法：输入层清洗并规整格式，解析层抽事件五要素，归因层做因果归类并区分事实与推断，输出层按模板渲染报告。它解决的不是「模型会不会写」，而是复盘报告跑偏、编因果、给空话这三件事——做法是把每一层的自由度收窄：清洗阶段只清表达形式、不动原始数值；归因结论必须对得上证据编号；输出格式由 JSON Schema 与模板两级锁定；调不通时逆着流程往前查，而不是等整条跑完猜。
方法 · 一图看懂
1
输入层 · 清洗只清形式、不动数值 — 统一时间格式为 YYYY-MM-DD HH:mm、统一人名与系统名，删口语重复、合并同义句；原始数值、时长、数量、错误码一律原样保留——「平时接口 200ms，那天涨到 2s」压成「接口变慢」，归因就丢掉一半线索。
2
解析层 · 抽事件五要素 — 每条事件抽「谁 / 何时 / 做了什么 / 涉及什么 / 结果」五个字段，用参数提取器 + 自定义 JSON Schema 固定，字段描述写到可判定、结果字段只允许填材料里出现的原句。
3
归因层 · 事实与推断分栏 — 归因只落「流程缺失 / 沟通不足 / 技术债务 / 外部依赖」四类之一；每条结论挂证据编号（E1、E2…），材料只能证明时间先后的写「随后发生」，确需推断的标【推测】并写明假设。
4
输出层 · 模板渲染 + 反例约束 — 报告由 Markdown 模板定骨架（结论摘要 / 时间线 / 归因与证据 / 可执行建议）；给建议加反例约束——写不出执行动作的句子必须重写，如「加强沟通」重写为「每周一、周三 15:00 跨部门同步会，项目经理记纪要发群」。
5
调试 · 逆流程回查 + 三档样例 — 结果不对先看报告生成器的输入，再看归因输入，再往前定位到抽取不完整或清洗冲掉关键信息；备简单 / 中等 / 复杂三档样例，每改一次 Prompt 三档全跑一遍，防止修好一个带崩另一个。
原理 · 为什么有效
复盘引擎的失败点不在「生成」，在「传递」——上游把数值压成语义、把时间先后写成因果，下游再强的模型也只能把错误放大。所以四层架构的核心不是分层本身，而是每层都设了一道不可越过的闸：清洗层禁止语义压缩，保证线索不被提前丢掉；解析层用 JSON Schema 把字段锁成可判定的槽，模型没有自由发挥的空间；归因层用证据编号把「结论」与「支撑」绑死，先后关系无法偷偷升级成因果关系；输出层用模板定骨架，让格式漂移在渲染前就被挡住。再叠上 temperature 固定 0.1（复盘求稳不求发散）与「宁多勿少」的 max_tokens（截断比超时更难排查），整条链就从「一次性生成」变成「可逐层定位的流水线」——出错时你能知道错在第几层，而不是只能整条重跑。
适用场景
适合：材料多源且零散（聊天记录、会议纪要、工单、提交记录混在一起）、结论要能被人复核的事后复盘——线上故障归因、项目延期复盘、迭代过程回顾；也适合需要批量产出格式统一报告的场景，因为格式被 Schema 与模板两级锁死。不适合：材料本身极少（三五条信息）时，四层架构的调试成本高于收益，直接一段提示词更快；需要发散创意的场景（写文案、想方案）也不适用——temperature 0.1 与反例约束会把多样性一起压掉；材料涉及未脱敏的人名、客户名时，先做脱敏再进引擎，不要指望清洗层顺手处理。
自测 · 5 问
我的清洗步骤里，会不会把「200ms 涨到 2s」写成「接口变慢」这种语义压缩？
每条归因结论后面是否都挂了证据编号，并且对应的原句能在材料里找到？
报告里有没有把「随后发生」写成「导致」的地方？
输出字段是不是由 JSON Schema 定死的，而不是交给一个 LLM 节点自由发挥？
我给出的任意一条建议，能不能直接派给某个角色、在某天做出交付物？
怎么上手 · 验证步骤
按这个顺序做，别跳：
1. 先只搭输入层与解析层，拿一条最简单的材料跑通「材料 → 事件五要素表」，字段填不满就改 Schema 描述，不要改 Prompt 文风
2. 接上归因层，跑同一条材料，检查结论是否都带证据编号、是否出现无据因果
3. 最后接输出层模板，用三档样例（简单 / 中等 / 复杂）各跑一遍，把每次跑偏的位置记下来
4. 跑偏时逆流程回查：报告不对看生成器输入 → 归因不对看归因输入 → 输入缺字段就回到抽取或清洗
5. 全部节点 temperature 固定 0.1，max_tokens 按清洗 2000 / 抽取 3000 / 归因 4000 / 报告 8000 配，宁多勿少
6. 知识库要接的话四件事一起做：文档按主题拆小、混合检索（关键词+向量）、标题带类型前缀（如 SOP-数据库迁移方案）、加 rerank 重排。
跑完一条真实材料后对照四项：一、时间线里的每个数值能否在原始材料里逐字找到；二、归因段每条结论是否都有证据编号且编号不重复不悬空；三、是否至少有一处被正确标成【推测】并写明了假设（全篇零推测通常意味着模型在偷偷把推断写成事实）；四、建议段随机抽两条，问「这条下周能派给谁、交付什么」，答不上来就是没通过反例约束，回去重写这一句。