Front Desk
一个开源演示项目，构建基于确定性代码审核的网站客服聊天机器人，让语言模型仅起草回答，所有输出由代码进行句子、数字和词汇三重校验，确保回答不超出预设知识库范围，杜绝幻觉内容
时间轴 (近 90 天)
Front Desk 是一个网站客服聊天机器人演示项目，其核心思路是让语言模型只负责起草回答，最终呈现给顾客的内容由确定性代码审核决定。
Front Desk 演示场景中的虚拟网站只有13条简短条目，涵盖营业时间、价格、蛋糕、过敏原、配送和支付信息，机器人仅掌握这些内容。
Front Desk 的检索步骤由代码从13条条目中匹配最多三条相关条目；如果没有条目匹配，模型不会被调用，顾客会直接收到电话联系方式。
Front Desk 要求语言模型基于匹配条目生成JSON格式回答，包含回答文本、引用的条目ID和依据原文句子，模型被限定为只读选定条目，温度设为零。
Front Desk 的校验环节包含三重独立检查：句子校验（引用句子必须逐字出现在对应条目中）、数字校验（回答中每个数字必须能在引用条目中找到对应，且形式等价规则如'4 pm'等同'16:00'但'$4'不等于'$4.50'）、词汇校验（所有承载语义的词语必须出现在模型获取的材料中）。
任何一项校验失败，草稿即被丢弃；第一步失败时顾客看到条目原文或联系方式，后续句子失败时该句被直接截断；机器人不会试图修复回答，而是回退到展示原始条目文字。
开发者编写了24个已知答案的测试问题，其中6个涉及网站从未提及的内容（披萨、会员卡、圣诞营业时间）；第一轮测试正确率为17/24，调整为更精确规则后第二轮提升至21/24。
第二轮测试暴露出漏洞：当被问及'你们有会员卡吗？'时，模型回答'不，我们没有会员卡'，而网站对此只字未提；由于句子没有数字，数字校验放行，这促使开发者加入词汇校验（'loyalty'不在材料中，句子被判定无依据）。
加入校验规则后，开发者新增7个未调优问题，31题在线运行正确28题；其中一个失败源于开发者自身bug（模型输出'$8.00'而网站写的是'$8'，数字校验判为不匹配），修复后同样草稿通过29/31。
剩余两个无法被校验机制捕捉的失败案例是：'圣诞节营业吗？'机器人给出常规营业时间（每个词都在网站上但不是用户要的答案）；'肉桂卷是纯素的吗？'机器人正确回答'不'但引用的依据指向糕点价格条目而非纯素条目。
还有 1 条时间轴事件
全部知识事实 (11)
Front Desk 提供第二种'引用模式'：不配置模型端点时，整个组件只需一个script标签，找到匹配条目后逐字展示或提供电话联系方式，无法编造内容且每次提问零成本；配置模型端点后执行起草和校验流程，校验失败时自动回退到引用模式。
50%待验证Front Desk 演示场景中的虚拟网站只有13条简短条目，涵盖营业时间、价格、蛋糕、过敏原、配送和支付信息，机器人仅掌握这些内容。
50%待验证Front Desk 的检索步骤由代码从13条条目中匹配最多三条相关条目；如果没有条目匹配，模型不会被调用，顾客会直接收到电话联系方式。
50%待验证Front Desk 要求语言模型基于匹配条目生成JSON格式回答，包含回答文本、引用的条目ID和依据原文句子，模型被限定为只读选定条目，温度设为零。
50%待验证Front Desk 的校验环节包含三重独立检查：句子校验（引用句子必须逐字出现在对应条目中）、数字校验（回答中每个数字必须能在引用条目中找到对应，且形式等价规则如'4 pm'等同'16:00'但'$4'不等于'$4.50'）、词汇校验（所有承载语义的词语必须出现在模型获取的材料中）。
50%待验证任何一项校验失败，草稿即被丢弃；第一步失败时顾客看到条目原文或联系方式，后续句子失败时该句被直接截断；机器人不会试图修复回答，而是回退到展示原始条目文字。
50%待验证开发者编写了24个已知答案的测试问题，其中6个涉及网站从未提及的内容（披萨、会员卡、圣诞营业时间）；第一轮测试正确率为17/24，调整为更精确规则后第二轮提升至21/24。
50%待验证加入校验规则后，开发者新增7个未调优问题，31题在线运行正确28题；其中一个失败源于开发者自身bug（模型输出'$8.00'而网站写的是'$8'，数字校验判为不匹配），修复后同样草稿通过29/31。
50%待验证Front Desk 是一个网站客服聊天机器人演示项目，其核心思路是让语言模型只负责起草回答，最终呈现给顾客的内容由确定性代码审核决定。
50%待验证第二轮测试暴露出漏洞：当被问及'你们有会员卡吗？'时，模型回答'不，我们没有会员卡'，而网站对此只字未提；由于句子没有数字，数字校验放行，这促使开发者加入词汇校验（'loyalty'不在材料中，句子被判定无依据）。
50%待验证剩余两个无法被校验机制捕捉的失败案例是：'圣诞节营业吗？'机器人给出常规营业时间（每个词都在网站上但不是用户要的答案）；'肉桂卷是纯素的吗？'机器人正确回答'不'但引用的依据指向糕点价格条目而非纯素条目。
50%