01
风控的「第一性原理」
从业务视角理解风险，规则引擎定位，为什么需要Agent化
认知业务
02
规则引擎的前世今生
硬编码→Drools→轻量引擎，那些年踩过的坑
演进实战
03
Agent与规则引擎的「化学反应」
传统引擎瓶颈，Agent如何赋予感知与决策能力
融合架构
04
核心概念拆解
Rule, Condition, Action, RuleSet, DecisionTable
基础术语
05
规则语言设计（上）
面向风控人员的DSL：强大且易读
DSL设计
06
规则语言设计（下）
词法分析、语法分析、AST构建，手写迷你解释器
解析实现
07
规则引擎的「大脑」：推理引擎
前向链、后向链、RETE算法，啃源码笔记
算法核心
08
RETE算法实战
从理论到代码，简化版RETE网络与模式匹配
算法编码
09
规则冲突与解决策略
优先级、冲突集、决策树，规则裁判机制
冲突策略
10
规则的生命周期管理
创建→测试→灰度→上线→下线，版本控制
流程运维
11
Agent的「感知层」设计
实时接入风控事件流：Kafka, HTTP, WebSocket
感知集成
12
Agent的「记忆」机制
短期记忆(上下文窗口)与长期记忆(向量数据库)
记忆RAG
13
Agent的「工具调用」
查黑名单、调模型、发告警，可扩展工具注册中心
工具扩展
14
Agent的「规划」能力
ReAct模式：思考-行动循环，先想后做
规划推理
15
规则引擎与Agent的「握手」
动态生成/修改/解释规则执行结果
协同闭环
16
实战：搭建风控Agent原型（上）
技术选型：Python+LangChain+自研轻量引擎
实战架构
17
实战：搭建风控Agent原型（中）
核心代码：规则加载、Agent循环、工具调用
编码核心
18
实战：搭建风控Agent原型（下）
集成测试与调试，真实风控场景全流程
测试部署
19
规则的可视化与调试
Graphviz规则依赖图，Agent思维链可视化
可视化调试
20
性能优化（上）
规则编译缓存、索引优化、并行执行，百万QPS
性能高并发
21
性能优化（下）
流式处理、异步推理，避免Agent超时
异步优化
22
规则测试与质量保障
单元测试、回归、混沌工程、变异测试
测试质量
23
灰度发布与A/B测试
不影响线上流量，验证新规则与Agent决策
发布实验
24
监控与告警
命中率、决策耗时、异常行为，可观测体系
监控告警
25
安全与权限
基于RBAC的细粒度权限控制
安全权限
26
案例拆解（一）：反欺诈
识别羊毛党、团伙欺诈，Agent规则引擎实战
案例反欺诈
27
案例拆解（二）：信贷风控
动态额度管理、贷后预警，规则+Agent
案例信贷
28
案例拆解（三）：内容安全
实时审核UGC，动态调整审核规则
案例内容
29
从「规则」到「策略」
升级为策略引擎，支持复杂编排与仿真
策略演进
30
未来展望
大模型+规则引擎深度融合，下一代风控架构
前沿趋势