> 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/zh/2026-nian/w20heuristic-system-yu-shou-yin-tai-ce-le-ping-tai.md).

# W20-Heuristic System 与收银台策略平台

OpenAI 后训练工程师翁家翌上周发了一篇博文，[Learning Beyond Gradients](https://trinkle23897.github.io/learning-beyond-gradients/)，提出一个新范式：程序化策略、状态表示、反馈通道、实验记录、回放/测试、历史记忆，以及由 coding agent 执行的更新机制，可以组成一个持续演化的 Heuristic System（HS），由 Heuristic Learning（HL）驱动更新。更新的对象是软件结构，不是神经网络参数。

读完之后，我想这也太巧了，这不是精确描述了收银台策略平台正在做的事情吗？或者说，正在试图成为的东西。

需要重新审视，收银台策略平台的演化就是用算法替代规则的说法。按文章所讲概念，应该是在建一个 Heuristic System。规则层实时守护业务约束，大模型层离线构建结构化状态表示，小模型层在完整状态上执行策略决策，三层通过共享的数据链路、实验体系和回归测试持续协同演化。

很多启发式规则并非无用，只是维护成本太高。一旦有了合适的工具，维护曲线变平，规则系统就可以长期持有。收银台的近千条规则里，并非大多数是错的，而是它们被堆叠在一个没有分层、没有测试覆盖、没有生命周期管理的系统里，复杂度失控了。

HL 的核心循环是：环境反馈 -> 读取上下文 -> 修改 policy / 测试 -> 重跑验证 -> 写回结果 -> 下一轮。收银台现在这个循环是断的，决策日志不完整，实验体系缺失，仿真回放能力不存在，“环境反馈”这个输入端没有被结构化采集。所以收银台项目要建的完整数据链路、决策日志、实验体系、策略回放，不是支撑能力，是 HL 循环的基础设施。

HS 要求系统包含结构化的状态表示，没有它，policy 只能在浅层特征上做决策，无论模型多复杂。收银台 KYC 里大模型的工作，本质上就是在建这个状态表示。它不是在做实时推荐，而是在把难以直接表达的用户行为特征，转化成可供下游策略消费的结构化标签，比如这个用户用微信是习惯使然还是补贴敏感。