> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/de/2026/w20-heuristic-systems-and-the-checkout-strategy-platform.md).

# W20-Heuristic Systems und die Strategieplattform des Checkouts

OpenAI-Post-Training-Ingenieur Weng Jiayi veröffentlichte vergangene Woche [„Learning Beyond Gradients“](https://trinkle23897.github.io/learning-beyond-gradients/). Er schlägt ein neues Paradigma vor: Programmierte Strategien, Zustandsdarstellung, Rückmeldungskanäle, Experimentprotokolle, Replay und Tests, historisches Gedächtnis sowie ein von Coding-Agenten ausgeführter Aktualisierungsmechanismus bilden ein fortlaufend entwickeltes Heuristic System, HS. Heuristic Learning, HL, treibt seine Änderungen an. Verändert wird die Softwarestruktur, nicht die Parameter eines neuronalen Netzes.

Beim Lesen dachte ich: Das ist erstaunlich passend. Beschreibt es nicht genau, was unsere Checkout-Strategieplattform tut oder zumindest werden möchte?

Wir sollten die Aussage neu prüfen, ihre Entwicklung ersetze Regeln durch Algorithmen. Nach den Begriffen des Artikels bauen wir eher ein Heuristic System. Die Regelschicht schützt Geschäftsgrenzen in Echtzeit. Große Modelle erstellen offline strukturierte Zustandsdarstellungen. Kleine Modelle entscheiden auf Grundlage dieses vollständigen Zustands. Über gemeinsame Datenwege, Experimente und Regressionstests entwickeln sich die drei Schichten zusammen weiter.

Viele heuristische Regeln sind nicht nutzlos, sondern zu teuer zu warten. Mit geeigneten Werkzeugen flacht die Wartungskurve ab, und Regelsysteme können dauerhaft bestehen. Die fast tausend Checkout-Regeln sind überwiegend nicht falsch. Sie wurden nur in einem System ohne Schichtung, Testabdeckung und Lebenszyklusverwaltung aufgeschichtet, bis die Komplexität außer Kontrolle geriet.

Der HL-Kreislauf lautet: Rückmeldung aus der Umgebung → Kontext lesen → Policy und Tests ändern → erneut prüfen → Ergebnisse zurückschreiben → nächste Runde. Im Checkout ist dieser Kreislauf heute unterbrochen. Entscheidungslogs sind unvollständig, ein Experimentiersystem fehlt, Simulation und Replay existieren nicht. Der Eingang „Umweltrückmeldung“ wird nicht strukturiert erfasst. Vollständige Datenwege, Entscheidungslogs, Experimente und Strategie-Replay sind daher keine bloßen Unterstützungsfunktionen. Sie sind die Infrastruktur des HL-Kreislaufs.

Ein HS braucht eine strukturierte Zustandsdarstellung. Ohne sie entscheidet jede Policy nur anhand oberflächlicher Merkmale, unabhängig von der Modellkomplexität. Genau diese Darstellung bauen die großen Modelle im Checkout-KYC auf. Sie empfehlen nicht in Echtzeit, sondern verwandeln schwer direkt ausdrückbares Nutzerverhalten in strukturierte Tags für nachgelagerte Strategien. Etwa: Nutzt jemand WeChat aus Gewohnheit oder wegen seiner Empfindlichkeit für Subventionen?