03 / RL / ENTERPRISE
企业可交互 RL 环境
把业务状态、工具调用和结果验证组织为可重置的交互任务。
业务环境模型Mock 系统MCP / API自动化评分器
可在隔离环境中模拟订单、库存、履约和售后等流程。Agent 需要读取授权范围内的状态,调用工具,处理异常,并接受结果与过程的双重验证。环境结构、数据与权限均按项目约定。
DELIVERY / CONTENT
交付什么
具体范围按项目需求、授权与安全边界确定。
- 01业务环境模型、Mock 系统、数据库 schema 与脱敏种子数据
- 02MCP 或 API 工具接口、环境初始化与重置脚本
- 03任务说明、权限规则、验收标准、参考轨迹与自动化评分器
SCENARIO / EXAMPLE
数据场景示例
一笔订单因库存和物流状态不一致而延误。Agent 查询两个 Mock 系统、确认可用库存、选择允许的补货或退款动作;评分器同时检查最终状态和是否越权。
QUALITY SIGNAL / 03
如何检查质量
重点检查状态一致、可重复重置、权限边界、异常覆盖,以及评分器能否识别绕过流程的答案。
CONTEXT→ACTION→FEEDBACK