用 LangGraph 构建人工把关的支付异常流程
文章设计了支付异常 Agent:小模型负责分类和时限分诊,只读工具收集证据,模型提出修复与处置建议。字段修复由确定性规则校验,制裁命中和资金放行始终保留人工决策。
AI 深度解读
支付系统里,正常交易早已有成熟的自动化流程,真正耗费人力的是异常队列:收款信息残缺、制裁名单命中、疑似重复付款,以及临近清算截止时间的失败交易。作者用 LangGraph 设计了一套处理方案,让 AI 查证据、写建议,让代码计算时间、校验规则,让人决定资金是否放行。
这篇最有价值的地方,是把「模型能判断」和「系统有权执行」分开了。不过,它提供的是架构思路与代码片段,没有交出经过审计的生产效果数据;部分安全保证,也需要再往下追问。
AI 应该接管异常队列的哪一段
作者给出的流程中,95-99% 的付款经过确定性的直通处理(STP)完成结算,AI 只消费剩余异常,包括信息缺失、制裁筛查命中、重复付款嫌疑,以及下游处理、资金、外汇或截止时间相关的问题。
这个比例是原文提供的流程描述,没有对应到某个已审计部署,不能直接当作所有支付团队的业务分布。
范围划小,价值反而清楚了:模型不用重新实现验证、路由和结算,而是跨系统收集上下文,整理成一份处置备忘录。它最终提出 release、hold 或 reject,由具名人员决定。
模型交付的是可复核的处置建议,执行权限留在独立服务里。
证据工具全部只读,并返回带来源和 ID 的 Evidence。beneficiary_history 查收款人的历史付款与修复记录,sanctions_hit_detail 返回筛查命中条目及模糊匹配分数,duplicate_scan 按时间窗口内的金额、收款人和参考信息做确定性扫描,scheme_rules 提供 IBAN、BIC、用途代码等规则。
解释必须引用证据 ID。例如「同一收款人有 47 笔历史付款,其中 3 笔出现过相同格式错误,且修复方式一致」,就比一句「建议这样改」更容易审核。但这只是原文用来说明证据价值的例子,不是效果统计。
作者认为不改支付主流程,就不用重新认证整条流水线。工程上,新增队列消费者确实减少了改动面;是否需要重新认证,原文没有给出适用制度和组织条件,不能仅凭这一点下结论。
截止时间和修复规则,为什么交给代码
同一种错误,早上 9 点可能只是普通待办,15:40 面对 16:00 的清算截止时间,就可能需要立即升级。作者把分类与紧急程度拆开:小模型识别异常类型,代码根据支付方案、币种、日期计算剩余时间。
这段代码解决的是队列优先级与升级时机:
async def triage_exception(exc: PaymentException) -> QueueItem:
label = await haiku.ainvoke(triage_prompt(exc), response_format=TriageResult)
# 紧急程度由参考数据中的相关截止时间确定性计算。
cutoff = scheme_cutoffs.for_payment(exc.payment) # scheme + currency + date
minutes_left = (cutoff - utcnow()).total_seconds() / 60
return QueueItem(
exception=exc, label=label.label,
priority=priority_matrix(label.label, minutes_left), # code, not model
escalate_now=(minutes_left < 30 and exc.payment.amount > HIGH_VALUE))
要看最后一行:剩余不足 30 分钟,且金额超过 HIGH_VALUE,就直接升级给人。HIGH_VALUE 的具体数值没有提供,需要业务自行定义。设计重点是避免 Agent 花 11 分钟调查,却错过付款窗口。
修复建议也采用同样的分工。模型结合发票参考信息、收款历史推测目标值,validate_repair 再检查:beneficiary_iban 必须通过 iban_checksum_valid 的 mod-97 校验,并通过 country_consistent;purpose_code 必须属于 rules.allowed_purpose_codes;draft.cited_evidence 不能为空。
这里要纠正原文的一处过强表述:作者说编造的 IBAN 会被 mod-97 拦住,但校验和只能证明格式关系成立,不能证明账户存在,更不能证明它属于预期收款人。一个错误账户也可能通过校验。
规则能排除一部分错误,不能替代身份与业务事实核验。
人工审批怎样成为真正的执行边界
制裁筛查故意采用敏感的模糊匹配,可能把姓名相近、出生日期和出生地不同的人匹配到一起。作者让模型整理这些差异,但不允许它清除命中。
HitAssessment 保存 discriminators、cited_evidence 和 narrative,assessment 只允许 likely_false_positive、possible_match、insufficient_data。枚举里没有 clear 和 release,随后统一生成 route_to_sanctions_review 提案,进入现有双人复核流程。guardian 负责拒绝没有证据引用的论断,具体实现没有展开。
普通处置提案同样固定 requires_human=True。即使 confidence > 0.95,也不能自动放行。
下面这段展示了暂停审批与执行服务如何衔接:
from langgraph.types import interrupt
async def disposition_node(state: AgentState) -> AgentState:
decision = interrupt({ # 持久暂停,可跨重启恢复
'payment_id': state.exception.payment.id,
'proposal': state.proposals[-1].model_dump(),
'cutoff_utc': state.cutoff.isoformat(), # 审批人也能看到截止时间
'needs': 'approve|reject|amend'})
if decision['action'] != 'approve':
return record_rejection(state, state.proposals[-1], decision)
# 唯一写入路径:确定性执行、幂等,并绑定审批令牌。
if state.proposals[-1].action == 'release':
await payments.release(
payment_id=state.exception.payment.id,
approval_token=decision['token'], # 由服务验证令牌,而非信任调用方
idempotency_key=state.exception.id) # 重试不能重复放行
return append_audit(state, ..., extra={'minutes_to_cutoff_at_decision': state.minutes_left()})
关键是 approval_token 由 payments.release 自己验证。只在界面上放一个确认按钮,或只相信图里的 approve 状态,都不足以构成执行边界。
idempotency_key 使用异常 ID,让重试和重复点击归并为一次放行。审计记录还包含 minutes_to_cutoff_at_decision,能够解释一笔付款是在截止前 12 分钟获批的。
不过,片段没有展示持久化配置、令牌如何绑定具体提案,也没有展示 amend 的完整处理。它表达了必要约束,距离完整实现还有细节要补齐。
评估方面,作者建议用约 200 条带人工处置结果的历史异常组成黄金集,在 CI 中检查处置准确率、证据支撑程度和叙述质量,并用 Langfuse 采集运行数据。另设一条硬门槛:对合规人员确认的真实制裁命中,recommendation 绝不能是 release。一次失败就阻止发布,不能用整体准确率提高来抵消。
我的判断
我认可这套职责划分:时间用算术,格式用规则,模型负责读材料和组织解释,放款服务验证人的授权。对于错误成本严重不对称的流程,把模型能力和执行权限拆开,比单纯追求模型准确率更有意义。
但它仍是架构经验,原文没有提供人工耗时、误报率、漏报率或审批质量的前后对照数据。「适合 Agent 做」有合理依据,「已经显著提效」则缺少证据。
两个安全边界也不能夸大。制裁评估枚举没有 release,只能限制该结构的输出;系统另有包含 release 的通用处置提案,还需要确定性路由约束。黄金集零容忍也只覆盖已收录案例,不能保证线上绝无漏判。
与传统规则引擎相比,LLM 的潜在优势在于理解分散、非结构化的上下文。如果异常类型固定、修复方式明确,规则加审核表单可能更简单。原文没有比较两者成本,团队应先找出真正需要模型阅读和推断的环节。
能拿来做什么
- 为 Node 后端的异常工单先增加只读调查与建议生成能力,让模型引用证据 ID,再评估它是否减少人工查找和整理时间。
- 前端审核页同时展示原始证据、建议修改项和剩余处理时间,让审批人能核查每一项建议的依据。
- 在执行接口实现审批令牌验证和幂等控制,并明确令牌对应的付款、提案及修改内容,防止审批后内容变化。
- 为日常 AI 编程流程建立少量必须阻止发布的反例测试;模型或提示词更新后,先检查禁止动作是否重新出现,再看综合评分。