AI幻觉破解术，逻辑引擎如何平衡精准+智能，重塑AI应用场景？

“这两年做IT产品的大佬，在公众场合交流的时候不提人工智能，估计咖位会掉价一半”，这句话是行业的一位非常有影响力的 大佬的亲口吐槽，这个说明人工智能对于参与者来讲感觉有些 “gone with the wind” 。这里我从更落地的角度来聊聊人工智能里边的一个重要概念 “智能体”。

用AI 搜索一下智能体（Intelligent Agents），一堆的描述骤然出来： 自主学习、动态决策、高效互动等等 ，这段时间我也认真使用了 “扣子”、dify等产品 ，整体性上是挺不错的，但是感觉少些便于落地的意味。因为我是做to B业务的，也尝试了很多方面，chat to bi 、基于文库的问答等等， 有个关键的问题如何解决幻觉，我举个例子“如果某位甲方的领导问 AI ，我要去年的利润率，那么如果有1%的误差，这个甲方能否接受？”，我相信大家听过这个笑话的，我只能苦笑，那么我们就需要把AI 的灵活性的方面要限制住，采用精准的数据进行回答。

那么能否有一个办法解决 “智能”与“精准”的平衡问题？既很智能，又很精确，那么这个感觉coze 和 dify 好像都有那么一些些不合适。 所以我回到了我们自己的产品 “逻辑引擎”（https://logic.bctools.cn），那么就拿逻辑引擎来做改造，支持智能且要支持精准。

什么是“逻辑引擎”，说白了就是可视化的配置一段程序，之前的逻辑引擎主要用于低代码、零代码的业务功能的配置，例如点击表单上某个按钮，触发一个自动计算的动作等，举个例子，点击一个按钮，自动同步钉钉的考勤数据：

比如，我们要写个去同步钉钉考勤的数据纵表数据，改成我们的横表数据，那么就做一个这样的配置，无需编译发布，直接通过一些简单的原子服务进行编排即可实现上述的能力。

但是逻辑引擎是基于已经规范化的服务的编排操作，虽然这些服务是可以扩展的

扩展的方式，可以快速的接入标准化的服务

那么，可以想下，接入各种的大模型的API 其实非常简单，把大模型的处理的结果取到，用于业务逻辑执行的过程中进行决策判断，那么这样可以简单解决逻辑引擎的 “智商”问题 ，当然这里 调用大模型是需要一些些注意的，就是要多次调用，排除掉不合理的结果，然后获取到我们想要的结果。

让逻辑引擎有支持智能后，那么如何让逻辑引擎用起来呢？ 接下来我们要做几个方面的功能：

逻辑引擎支持IM的交流、同时支持运营的交流，那么这样，逻辑引擎就有了与用户交互的界面了，可以是文字、可以是声音，可以是界面（之前做低代码的时候已经实现了），而且这些交互界面是可以 提供给其他的系统的，那么就是

唉！！！我们现在还在捡人家20年前玩剩下的东西.....