LedgerLens
面向反欺诈场景的AI Agent系统，使用图数据库作为统一上下文层，通过固定工具菜单和证据声明机制实现可审计的欺诈调查
时间轴 (近 90 天)
LedgerLens反欺诈Agent不使用向量数据库或手写Cypher查询，所有记忆、数据、SOP和审计轨迹都存储在同一个FalkorDB图数据库中。
LedgerLens上线三天后，能通过一次全文检索在毫秒间完成跨会话回忆，识别出“旧案复发”。
LedgerLens的Agent不自行编写Cypher查询，而是使用固定的26个工具菜单，每个工具内部的查询由人类预先编写。
LedgerLens的写操作（如freeze_account和escalate_case）会创建一个Action节点，记录操作者、原因和时间戳，链接到案件，形成审计链。
LedgerLens每个会话以JSON裁决结束，命名五种答案形态之一（with_path、from_memory、not_in_graph、unknown_entity、action），工具层拒绝其他形式。
LedgerLens的每个种子银行包含一个高价值、合法、完全隔离的负控制账户，实时LLM测试断言它在每次运行中都保持不动。
LedgerLens曾存在记忆漏洞：调查员正确拒绝对负控制项采取行动时，该拒绝决定未持久化为图记忆，导致下一次会话从头重新调查同一无辜警报。
该记忆漏洞的修复方案（提交e93909f）是：清关结果现在持久化为Finding节点，链接到产生它的会话和相关账户，包含agents.py中的38行代码和一个27行的回归测试。
修复后，一个全新的会话能以0.9的置信度回忆拒绝决定，附上发现ID和时间戳。
LedgerLens使用FalkorDB图算法作为工具菜单的一部分，包括algo.WCC用于团伙组件、algo.pageRank和algo.betweenness用于枢纽和经纪人、algo.SPpaths用于最多三条最短资金路径、algo.maxFlow用于账户间漏斗容量。
还有 3 条时间轴事件
全部知识事实 (13)
LedgerLens的search_memory工具通过FalkorDB全文索引进行检索，基于关键词匹配，不依赖嵌入模型，因此延迟极低。
50%待验证LedgerLens上线三天后，能通过一次全文检索在毫秒间完成跨会话回忆，识别出“旧案复发”。
50%待验证LedgerLens的Agent不自行编写Cypher查询，而是使用固定的26个工具菜单，每个工具内部的查询由人类预先编写。
50%待验证LedgerLens的写操作（如freeze_account和escalate_case）会创建一个Action节点，记录操作者、原因和时间戳，链接到案件，形成审计链。
50%待验证LedgerLens每个会话以JSON裁决结束，命名五种答案形态之一（with_path、from_memory、not_in_graph、unknown_entity、action），工具层拒绝其他形式。
50%待验证LedgerLens的每个种子银行包含一个高价值、合法、完全隔离的负控制账户，实时LLM测试断言它在每次运行中都保持不动。
50%待验证LedgerLens曾存在记忆漏洞：调查员正确拒绝对负控制项采取行动时，该拒绝决定未持久化为图记忆，导致下一次会话从头重新调查同一无辜警报。
50%待验证LedgerLens反欺诈Agent不使用向量数据库或手写Cypher查询，所有记忆、数据、SOP和审计轨迹都存储在同一个FalkorDB图数据库中。
50%待验证修复后，一个全新的会话能以0.9的置信度回忆拒绝决定，附上发现ID和时间戳。
50%待验证LedgerLens使用FalkorDB图算法作为工具菜单的一部分，包括algo.WCC用于团伙组件、algo.pageRank和algo.betweenness用于枢纽和经纪人、algo.SPpaths用于最多三条最短资金路径、algo.maxFlow用于账户间漏斗容量。
50%待验证LedgerLens将每笔转账建模为Transaction节点，同时保留两种投影：TRANSFER边按有序账户对聚合交易，LINKED_TO边记录两个账户共享设备、地址或所有者。
50%待验证LedgerLens的三种记忆（情节记忆、语义记忆、程序记忆）都以图节点和边的形式存储：情节记忆为Session节点带Message链，语义记忆为Finding节点带全文索引，程序记忆为Playbook和PlaybookStep节点。
50%待验证该记忆漏洞的修复方案（提交e93909f）是：清关结果现在持久化为Finding节点，链接到产生它的会话和相关账户，包含agents.py中的38行代码和一个27行的回归测试。
50%