智能体缺的不是知识,是“因果账”:因果锚引擎从主体多模态社会因果编码化,搭建中立基础设施

雅公子·2026年11月20日 17:35
该内容由创业者结合大模型生成后自主发布
因果锚做中立社会因果基座,解决智能体判责难题

过去一年,行业的力气大多花在给 Agent 补记性。办公协同平台陆续把 Agent 作为独立协作主体接进组织,一批创业公司接着做共享记忆、交接单、经验池,逻辑都对:Agent 有手有脑,不能没有记性。

但当一个 Agent 真的接手一件事,组织问的第一句话不是“你记住了吗”,而是“这事为什么没办成”。

这句话,现在没人答得上来。

一、智能体会干活,却交不出一套“为什么”

先承认进展。今天的智能体已经能调工具、能跑循环、能跨会话记住上次怎么干的,甚至能在人下班之后接着推进任务。能力侧的水位,全行业共享。

问题出在另一侧:它能复述过程,不能出具判定。

具体卡在四处。

第一处,只输出文本,不输出判定依据。企业要的从来不是一个解释得好听的说法,而是“同一份输入,换个人、换套部署、按同一规则,能重算出同一个结论”。大模型给的是语言,不是“状态 + 证据指针 + 可复算路径”。所以它写的复盘报告看着通顺,业务不敢做、法务不敢用、审计不敢签。

第二处,把相关讲成因果,而且越流畅越自信。这是语言模型的结构性问题:它对“为什么”的回答本质是事后叙事——把同概率出现的东西编成一个像样的故事。而在社会事件里,判定因果需要硬门槛:证据至少两条、跨至少两个观测时点、主观状态只能由当事人自己观测。模型没有“门槛”这个概念,它只有“像不像”,越像,越危险。

第三处,也是最要命的一处:它不懂“义务”。社会因果的核心不是“发生了什么”,是“哪个环节该做什么、做到没有、谁承认”。模型懂事实,不懂义务。所以它能回答“这单流转了六次”,回答不了“这单该在第三步办结、但第二步的权责没定,所以后面全是空转”。组织里绝大多数争议不在事实层,在义务层——恰恰是模型进不去的那一格。

第四处,没有可举证的载体。会话一结束就清空;记忆产品存的是摘要和指针,能复用经验,不能用来定责。真出了事,Agent 说“我以为”,组织举不出证,也不敢把责任落到一个说不清理由的系统上。

四处叠起来的后果很直接:智能体从“回答问题”变成“接手任务”,一旦接手,就必须能交代“为什么”。交代不了,它就只能停在演示环节。这不是能力问题,是判责问题。而判责需要的不是更强的模型,是一层能出具“判定 + 证据 + 可复算”的底座。

创始人\产品专家黎龙的说法很直接:智能体到今天还是工具,因为它没有真正进入组织,进入组织的标志不是能回答问题,是替人省下时间——而不是让人多花时间去梳理流程里的对错,“工具”和“助手”差在哪,工具是你问它答,助手是接过一段流程,并对这段流程负责。

要跨过这条线,靠的不是再堆一层技术、再堆一批方法、再堆几组实验室里的因果数据,而是先有一套大家共用的国标底层结构。

没有这套结构,行业就是“一千个智能体有一千个哈姆雷特”:同一件事,各家给出各自的判断,用户不知道该信谁,机构之间也无法互认。割裂不是模型能力造成的,是每家自建一套因果口径造成的。结构统一了,才谈得上让用户敢把一段流程交给它。

对于组织流程更致命:人真正要记的不是数据,是执行过程中的每一个决定。模型能给出一段条理清晰的分析,看完都点赞,转头照旧开会对数,没人敢拿这个结果做决定。它回答了“数据像什么关系”,没回答“该按哪套判断走”。这些判断今天散在不同地方,还有那句“一直都是这么算的”。N 个 Agent 各自读库表,同一个指标能给出 N 个答案,出了错也没人仲裁。

这类判断不归因果锚管,它不判口径、不折算金额、不判真假。它管的是另一件事:任何环境中,这些判断什么时候被用过、依据在哪、谁认过。模型可以换,过程带不走;出了问题,要能追到那条规则具体码位,而不是某段提示词。

所以我们因果锚(CausalAnchor)切进来的,就是这一层,不做模型、不建记忆库、不下结论,只做一件事:“主体原生多模态社会因果基座”,把主体的社会多模态行为痕迹,按时间序列还原成可校验的国标因果码,一套面对任何主体和应用的中立公共基础设施;

二、把“为什么”拆成可校验可互认的“码”

拆得动的前提,是承认社会因果有结构:谁的需求、谁的义务、断在哪一层、证据在谁手上。这几件事在任何组织里都是固定位置,只是过去没人把它们写成同一套字段。编码化的意思不是自造一套词,是每条码都挂上标准号、条目号与生效日,再往团体标准、地方标准、行业标准逐级走。有标准可依,跨机构才可能互认;各自造词,永远对不上。

项目创始人介绍:支撑这件事的是多学科交叉,不是单一技术。经济科学管供需与成本,社会科学管主体与义务,数据科学管结构化与复算,三条线得在同一套码里同时成立。团队在这几个方向做了十余年产品研发与市场化试点,目前已建成 660 项:需求 296 项、行业与主体 162 项、义务 62 项、谓词 59 项、供给去向 53 项、主观状态 15 项、元数据 13 项。每一条都要挂上标准号、条目号与生效日,并保留启用、弃用、被替代三种状态。

拆法是五级。L1 是主体,这件事是谁的需求;L2 是需求与义务的二元判定,用十个并列维度分别记录,结果落在六个互斥状态里;L3 按策略、方法、行为、工具四层逐层问“这一层成不成立”;L4 落供给与去向;L5 做校验。

到 L2 就要下狠手。判定不成立时不许写“综合原因”,必须归到一个:能力不足、资源短缺、权责未定、外部阻断、证据不足、时点未到,六选一。还要定一个断点——意识缺位、路径缺环、供给缺环、兑现缺环、证据缺环、授权缺环、归属缺环,七类,按优先级只记一条主断点。

这一条决定了整件事有没有用。同样一句“卡了十一天”,落在“供给缺环”要补供给,落在“证据缺环”要补材料,落在“时点未到”什么都不用做。判错一个,整改动作就全错,钱和时间一起浪费。

定位写死在核心上:不解析内容、不生成结论、不做检索型记忆、不替代运行时、不做核算、不判真假、不折算金额、不越授权。项目方的理由是,这一层一旦开始“顺手给结论”,它就不再是公共层,而变成又一个要选边的产品。所以刻意避开一条路:不拼大厂的生态,只做因果关系的深度,做各方都需要的中立公共基础设施。理由很实在——不中立就没有互认。记忆可以宽松,因果必须严格,这两个纪律是相反的。

三、不只服务于智能体

产品三件套分工很明确:因果锚算,因络通传(只搬编码不搬内容),因仓序存(只追加账本)。可以整包买,也可以单件买;单件部署的字段与整包完全一致——互认靠码库与账本格式,不靠买齐三件。存的部分是三位一体里最不像产品的,也最有分量:账本只追加。每条记录以“码、主体、观测时点”为复合主键,更正不改写历史,而是并列新增一条更正事件。一份账放到两个部门面前,授权后谁都能查、谁都不能偷偷改。

为什么是现在要做:基础模型的能力水位,再往上要靠更高质量的数据。互联网时代积累的语料基本被用尽,Scaling Law 接近边界,剩下的增量不在仓库里,在真实场景的因果网络里——谁提了什么需求、谁该履行什么义务、哪一步断了、证据在哪。这部分数据今天基本没有被结构化过。

智能体是最先撞上这堵墙的场景,但不是唯一。凡是“必须把流程说清楚”的组织,都需要同一套标准的编码体系。

第二类政务与公共服务是天然的适配场景:诉求受理、派单处置、办结归档自带三个观测时点,正好是因果判定需要的结构。项目方给了一条对照基线——某街道 2025 年民生诉求平均办理时长 21.1 小时/件。他们要做的不是把这个数字压下去,而是把“平均时长”拆成“每条卡在哪一类断点上”。

第三类是企业服务采购与履约。合同签了、钱付了、服务到底交付多少,现在靠验收单和人情判断;拆成需求与义务二元之后,每一笔都能落到“哪项义务没兑现、证据缺在哪”。

第四类是平台与数据运营方。多供应商结算时谁都觉得自己干得多,账本只追加、口径统一,争议从“各说各话”变成“对着同一行查”。

项目产品明确规划三种生态,共用一套码、一本账:新建式随新系统一起长出来;插入式不动存量系统,旁路加一层并联;挂载式由主体自己按需加装。同一个事件在不同机构还是同一件事。按项目方立体生态 1.0-4.0 的规划,第五类会开一个插件仓:主体在自己的应用里装上这一层,标准数据自己持有,拿到的仍是同一套码、同一本账;只提供码库与账本格式,不运营交易、不做插件买卖。

同时项目创始人表示:数据治理是彻底的悖论事后补救,基于标准化结构化的算法映射,数据不是先汇集、再治理,而是从产生那一刻就按结构落码,是事前约定,所以这条路从一开始就不做“数据治理”。效果落在两个成本上:传输只搬编码不搬内容,同一件事在链上走十次,体积不会翻十倍;存储按码落账,账本只追加,重复语料不再反复存。规模越大,单位传输与存储成本越低。算力侧同理,拿到的的是结构化因果数据,不是一遍遍搬运的原始文本,同一个数据中心靠扩维度往前走,不用靠堆卡堆容量,实现大规模深层次海量维度的扩展和训练要求。

四、商业模式

技术先进,不等于用户就该用。客户不问这层东西多新,只问它替自己解决了什么。商业模式上:能力不分档,按主体数、有效事件量、调用量计费,不按整包报价,锚在相邻项目总包的一小段比例(5%–15% 区间),避免做成又一个项目型定制商,交付以私有化部署为主,接口开放给上层应用。

行业位置上,这一层目前没有独立的第三方供给,多数是被拆进记忆产品、数据中台或者项目定制里:记忆产品管“发生过什么”,中台管“数据在哪”,定制商管“这次怎么交”。三者都不产出可跨机构互认的事实,缺的就是一套跨领域互认的多模态因果基座。

这套产品的价值不在第一次判定,在第 N 次。第一次判定只是把一件事说清楚;当同一类断点在多个机构、多个季度里被反复记成同一个码,整改才有依据,采购才有比价,政策评估才有分母。任何一条结论,都能顺着证据指针走回原始事件;任何一次更正,都只能新增,不能覆盖。

五、进展与规划

已完成MVP,现在的状态是“骨架齐、未开放”。2027年1月启动内测计划 50 家、按 5/15/30 分层;三个 POC 场景已定义,尚无对外试用入口。内部与小规模市场复算演练做过多轮,结论是“有条件通过”。

知识产权上,一件发明专利已授权,“人的意识行为能力”的数字智能化;全套十二件发明专利已完成待提交;等保三级、7项核心算法备案已规划(拟 2027 年 1 月提交首批),同步规划2027年联合项目落地区域,打造国家重点实验室系列“因果算法映射创新实验与工程研发中心”。

目前项目方已完成MVP正在物色种子轮投资方,已推进跟广州市、深圳市部份城市治理场景在接触;同时寻求“CTO VP”“公关VP”;

+1
1

好文章,需要你的鼓励

参与评论
评论千万条,友善第一条
后参与讨论
提交评论0/1000

36氪AI测评

选靠谱AI,看真实评测
查看
36氪AI测评官方交流社区
加入

36氪项目推荐

咨询项目审核和入驻
联系
36氪项目推荐订阅号
关注

下一篇

一颗开源处理器核,凭什么进入服务器芯片的计算核心?

1小时前

36氪APP让一部分人先看到未来
36氪
鲸准
氪空间

推送和解读前沿、有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚焦全球优秀创业者,项目融资率接近97%,领跑行业