人工智能数据库代理不应只有两种模式：
- 回答
- 失败
真实的工作流程存在不确定性。
指标定义模糊不清。缺少租户过滤器。结果不完整。查询可以安全地准备，但执行起来不安全。模型有足够的证据建议一个答案，但没有足够的权限去执行。
这正是人工审核队列发挥作用的地方。
审批关卡回答：“这个已准备的操作可以继续吗？”
审核队列回答：“当系统还不确定时，应该发生什么？”
一个有用的审核项目应包括：
- 原始问题
- 用户/工作空间/租户范围
- 提议的解释
- 工具调用或查询尝试
- 模式/上下文版本
- 策略原因
- 结果证据
- 安全的下一步操作：批准、缩小范围、拒绝、重新路由，或转为已批准的视图
审核队列还应反馈到产品迭代循环中。如果同样的模糊性反复出现，解决方案可能是更好的模式上下文、指标定义、已批准的视图或工具结果契约。
更长版本：人工智能数据库代理的人工审核队列
人工审核不应成为瓶颈。它应该是让不确定性变得可审查的地方。
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
