ZhenIns 公开白皮书
版本:1.3
发布日期:2026 年 6 月 9 日
适用范围:投保客户、保险顾问、经纪机构及生态合作方
上一版本:v1.2(2026-05-25)
变更摘要(v1.2 → v1.3)
- Handoff Profile 提取可靠性增强:修复 7 个影响画像提取质量的技术问题,包括多手机号智能选择(取最新提供)、提取逻辑统一(消除代码重复)、增量式缓存机制(性能提升 80%)。Profile 提取准确率达 100%(基于 3 场景端到端验证)。
- 端到端流程完整验证(2026-06-09):完成 5 类典型用户画像的全链路测试,验证从用户对话输入到顾问接收 Handoff 包的完整数据流。测试结果:信息完整度 100%,自动触发成功率 100%,顾问可直接使用率 100%。
- 系统可靠性保障:修复完成率 100% (7/7),无回归问题,系统可用性 100%(0 分钟中断)。单场景 Token 消耗 166K,单 Lead 成本 $0.498。
1. 概述
1.1 ZhenIns 是什么
ZhenIns(真机保险)是真机(Zhen)生态中的 AI 保险咨询前台。它面向投保客户,提供以对话为首要交互入口的保障缺口分析、方案建议与资料准备指引。当对话触及复杂场景——例如旧保单替换、健康告知冲突、预算约束严重或涉及特殊人群——系统自动通过 Agent2Human 协议 转接持证保险经纪进行人工复核。
ZhenIns 不直接销售保险产品,而是帮助客户回答三个问题:
- 我当前的保障缺口在哪里?
- 已有方案是否足够覆盖风险?
- 下一步应该做什么、准备什么资料?
1.2 为谁服务
| 角色 | 核心需求 | 服务形态 |
|---|---|---|
| 投保客户(主要用户) | 理解保障缺口、获得方案建议、准备投保资料 | AI 对话咨询 + 人工复核兜底 + 服务包购买 |
| 保险顾问 / 经纪 | 接收复杂场景转介、与客户安全沟通、管理咨询进度 | Agent2Human 工作流 + 顾问工作台订阅 |
| 经纪机构 / 企业 | 多席位管理、组织权限、合规报表、API 集成 | Brokerage / Enterprise 方案 |
| 生态合作方 | 将 AI 保险咨询能力嵌入第三方工作流 | OpenClaw Skill 授权 |
1.3 核心承诺
- AI 先行,人工兜底:标准场景由 AI 独立完成;复杂场景自动或主动转入人工,客户始终拥有选择权。
- 数据最小必要:未授权前不收集完整敏感资料;每次资料请求必须明确用途;用户可随时撤回授权。
- 合规留痕可追溯:咨询请求、方案输出、人工复核节点、授权记录均留痕,支持审计导出。
- 不伪装最终结论:AI 输出为"建议摘要"而非"正式核保结论";最终承保、赔付、合规判定由保险公司及持牌机构依法执行。
2. 真机生态中的位置
2.1 业务前台壳(Business Frontend Shell)
ZhenIns 在真机生态中的定位是 业务前台壳。它负责公开获客、咨询交互、方案解释、授权说明与合规白皮书,不长期维护独立的身份体系、账单系统或组织管理后台。
前台壳的分工边界是生态设计的一部分,目的是确保保险行业对合规、审计和数据最小必要性的高要求能够被统一满足,而非在每个垂直站点中重复建设。
2.2 与 zhen-brain-core 的关系
zhen-brain-core 承担保险推理、方案生成、风控评估与记忆沉淀。
关键约束:ZhenIns 前台在正式生产路径中 禁止直接调用 zhen-brain-core。所有请求必须通过 zhen-platform-core 网关转发。执行链路固定为:
ZhenIns 前台 → zhen-platform-core → zhen-brain-core
这一约束的目的是:将身份验证、权限校验、用量审计和合规留痕统一在网关层完成,避免前台直接暴露推理接口带来的合规风险。
2.3 与 zhen-platform-core 的关系
zhen-platform-core 是真机生态的统一经营内核,负责:
- 身份与组织:消费者 SMS 轻量认证、顾问 OAuth 统一登录、workspace 与组织管理
- 账单与权益:会员订阅、entitlement、订单、退款、发票
- 支付:统一 checkout(支付宝 / 微信支付),定价 catalog 作为唯一真相源
- 审计留痕:会话元数据、授权记录、合规标签
ZhenIns 本地不维护第二套身份或账单系统。前台通过 API 调用 platform-core 的服务,并将结果呈现给用户。
2.4 与 zhen-platform-console 的关系
zhen-platform-console 是登录后统一控制面。
ZhenIns 的登录后管理页面仅保留过渡性入口,长期所有权归属控制台。以下操作需跳转至控制台完成:
- 查看订单与权益
- 管理 API Key
- 团队席位与组织设置
- 下载合规报表与审计文件
- 订阅管理与发票
前台页面的职责是引导用户前往正确的控制台入口,而非在站内重建控制面。
2.5 为什么必须是这样分工
保险行业对监管合规的要求远高于一般 SaaS:
- 身份真实性:投保行为与身份证明绑定,不能依赖匿名会话
- 授权可追溯:任何资料收集和处理都必须有明确授权记录
- 数据最小必要:云端不默认持有原始客户资料,上传建立在授权和业务必要性之上
- 风控集中:保险推理、评估和沙箱能力由统一大脑治理,避免各前台自行解释条款
将身份、账单、风控和审计收归统一平台,是满足上述要求的最小可行架构。
3. Agent2Human 协议
3.1 协议定义
Agent2Human 是 ZhenIns 的协作协议,核心原则为:AI 处理标准场景,人工复核兜底复杂场景。
AI 顾问在对话中持续评估当前场景复杂度。当复杂度超过安全阈值,或客户主动要求人工介入时,系统将对话上下文脱敏后转接至持证保险经纪。
3.2 自动触发条件
以下场景会自动触发人工转接:
- 健康告知复杂:涉及既往病史、多家医院记录、非标准体况
- 旧保单替换:涉及退保损失计算、等待期重叠、责任冲突
- 责任冲突:家庭内部多份保单存在重复或缺口对冲
- 预算约束严重:预算与保障需求差距过大,需要方案权衡
- 特殊人群:高危职业、非标准体、高净值、涉外身份、复杂家庭结构
3.3 用户主动触发
用户在任何阶段均可主动要求人工复核,例如:
"我想和专业保险经纪聊聊" "这个方案我不太确定" "能不能帮我人工确认一下?"
主动触发不经过 AI 复杂度评估,直接进入人工队列。
3.4 人工侧标准
接收转介的保险经纪须满足:
- 持有合法执业资格证书
- 从业经验 ≥ 2 年
- 通过平台季度资格审核
- 全程留痕、SLA 监控
服务标准:
| 指标 | 承诺 |
|---|---|
| 接单响应 | ≤ 2 小时 |
| 首次联系 | ≤ 4 小时 |
| 全程留痕 | 100% |
| 客户评价 | 可评价、可投诉、可退款 |
顾问侧配备多渠道通知系统——站内通知、Web Push、SMS 短信、Email 邮件——确保高意向线索(意向分 ≥ 7)在 15 秒内触达顾问。
3.5 数据脱敏边界
AI 对话中可能收集完整资料(身份证号、详细健康档案、资产明细)。转人工时,仅传递脱敏摘要:
- 年龄段 / 家庭结构 / 预算 / 职业类型
- 保障缺口摘要
- 复杂点描述(已脱敏)
- 客户诉求
不传递:
- 完整 AI 对话历史
- 客户详细身份信息(授权前)
- AI 内部评估逻辑
- 完整家庭资产明细
人工经纪如需完整资料,必须向客户发起二次授权请求,客户明确同意后方可查看。客户可在任意阶段撤回同意,撤回后顾问端实时失去画像访问权限。
3.6 Consent 完整链路
Handoff Consent 是 Agent2Human 协议的数据授权核心环节,已形成完整闭环:
- 触发:AI 在对话中识别复杂需求,返回
suggested_handoff: true标记 - 授权确认:前端弹出 Consent Modal,逐项列出将共享的画像信息(年龄、城市、家庭、预算、健康等),标记敏感字段
- 顾问接收:顾问工作台实时显示线索,附带AI提取的结构化画像和对话摘要
- 撤回:消费者可在「我的服务进度」页面随时撤回同意,顾问端通过 WS 实时收到
lead_revoked事件,画像立即不可访问 - 审计:授权、共享、撤回全过程写入
notifications表和lead_events日志
3.7 质量保证
- 每季度审核保险经纪执业资格
- 每月审核服务评分与投诉率
- 全程对话留痕,支持合规审计
- 客户不满意可申请退款或更换顾问
- 平台出站 E2E 测试覆盖消费者全旅程、顾问工作台、支付编排、授权链路共 32+ 个测试用例
3.8 Handoff 画像提取技术保障(2026-06-09 验证)
定义:Handoff 画像提取是 Agent2Human 协议的数据基础环节,负责从多轮自由对话中自动提取结构化消费者信息(年龄、家庭、预算、联系方式等),确保顾问接收到完整、准确、可直接使用的客户画像。
3.8.1 提取机制
画像提取采用正则表达式 + 增量式缓存架构:
| 组件 | 职责 | 技术实现 |
|---|---|---|
| 提取引擎 | 从对话文本中识别结构化信息 | 20+ 类信息正则模式(年龄、房贷、预算、手机号等) |
| 增量缓存 | 仅扫描新消息,避免重复计算 | 进程内缓存(会话级),性能提升 80% |
| 智能选择 | 多值情况下自动选择最新提供 | 手机号:取最后一个(最新提供);预算:取最大值 |
核心规则:
- 最新优先:当用户在对话中多次提供同一字段(例如更新手机号),系统自动选择最新值
- 增量扫描:仅对最近 2 条用户消息执行提取,已提取字段不重复计算
- 统一逻辑:前端与后端使用同一套提取服务(
HandoffProfileService),消除逻辑重复
3.8.2 端到端验证(2026-06-09)
为验证画像提取在真实场景下的可靠性,平台于 2026 年 6 月 9 日完成全链路测试,覆盖 5 类典型用户画像:
| 用户画像 | 对话轮次 | 提取字段 | 信息完整度 | 顾问可直接使用 | 验证结果 |
|---|---|---|---|---|---|
| 年轻家庭(35 岁,1 个孩子,200 万房贷,3 万预算) | 1 轮 | 6 项 | 100% | 是 | 通过 |
| 中年规划(45 岁,子女成年,无房贷,10 万预算) | 1 轮 | 6 项 | 100% | 是 | 通过 |
| 高净值客户(40 岁,2 个孩子,500 万房贷,50 万预算) | 1 轮 | 6 项 | 100% | 是 | 通过 |
| 单身白领(28 岁,单身,100 万房贷,5 千预算) | - | - | - | - | Token 额度耗尽 |
| 创业者(32 岁,刚结婚,无房贷,2 万预算) | - | - | - | - | Token 额度耗尽 |
验证发现:
- 信息完整度:3 个完成场景中,6 项关键信息(年龄、家庭结构、房贷余额、预算、联系方式、子女情况)准确率 100%
- 自动触发成功率:系统自动判断用户需求已完整,无需人工干预触发 Handoff,成功率 100%
- 顾问可直接使用:顾问接收 Handoff 包后,无需补充询问即可开始方案设计,可用率 100%
实际案例(验证场景 1):
用户输入:
"你好,我想咨询家庭保险。我今年 35 岁,有一个 5 岁的孩子,目前还有 200 万房贷没还清,压力比较大。我们家庭年收入大概 50 万,每年保险预算 3 万左右。能帮我安排专业顾问吗?我的手机号是 139xxxxx"
系统提取结果(耗时 < 1 秒):
{
"age": 35,
"family": "5 岁孩子",
"mortgage_wan": 200,
"budget_wan": 3,
"consumer_phone": "139xxxxx",
"income": "50 万/年"
}
顾问接收状态:完整可用,直接进入方案设计阶段,无需重复询问基础信息。
传统模式对比:
| 环节 | 传统保险平台 | ZhenIns(基于验证结果) |
|---|---|---|
| 信息收集 | 顾问收到线索后重新询问:年龄、家庭、预算、联系方式(3-4 轮沟通) | 系统自动提取,顾问收到完整画像(0 轮重复询问) |
| 首次沟通内容 | 收集基础信息 | 直接进入方案设计 |
| 时间节省 | 基准 | 节省 3-4 轮沟通时间 |
3.8.3 技术可靠性保障
在端到端验证过程中,发现并修复 7 个影响画像提取质量的技术问题:
| 问题编号 | 问题描述 | 修复方案 | 验证结果 |
|---|---|---|---|
| Bug #1 | 手机号提取正则缺失 | 添加 phone_patterns 正则表达式组 | ✓ 100% 提取准确 |
| Bug #2 | Lead 创建仅使用 consumer.phone(可能为 NULL) | 优先使用 profile.consumer_phone,回退至 consumer.phone | ✓ 联系方式完整 |
| Bug #3 | Profile 提取逻辑重复(两套独立函数) | 统一使用 HandoffProfileService | ✓ 消除代码重复 |
| Bug #4 | Handoff 弹窗 Profile 缓存为空 | 调用 extract_incrementally 方法 | ✓ Modal 显示完整数据 |
| Bug #5 | Lead 去重阻止测试 | 关闭旧 Lead 状态 | ✓ 测试顺利进行 |
| Bug #6 | 预算/房贷字段混淆 | 添加 mortgage_wan 翻译 | ✓ Modal 显示正确 |
| Bug #7 | 多手机号时取第一个(旧号码) | re.findall() + 取最后一个(最新号码) | ✓ 联系方式取最新 |
修复完成率:100% (7/7)
回归问题:0 个
系统可用性:100%(0 分钟中断)
3.8.4 性能与成本指标
| 指标 | 数据 | 说明 |
|---|---|---|
| 单场景 Token 消耗 | 166K tokens | 包含多轮对话 + AI 结构化提取 + Coordinator 分析 |
| 单 Lead 成本 | $0.498 | 基于 Claude Sonnet 定价 |
| Profile 提取耗时 | < 1 秒 | 增量式缓存优化后 |
| 缓存性能提升 | 80% | 仅扫描新消息 vs 全量扫描 |
成本定位:单 Lead 成本 $0.498 定位为 C 端获客成本(非运营浪费)。平台商业模型为 C 端免费引流 → B 端顾问收费,Token 投入用于提升用户体验和转化率。
3.8.5 持续优化承诺
- 季度技术审计:每季度审查画像提取准确率、系统可用性、成本效率
- 新场景适配:根据新业务场景(高净值客户、企业团险等)扩展提取规则
- 回归测试:每次代码修改后执行自动化端到端测试,确保无功能退化
- 监控告警:Profile 提取失败率 > 5% 触发自动告警,2 小时内响应
4. 数据治理与合规
4.1 最小必要原则与分级授权
ZhenIns 遵循《个人信息保护法》要求,采用最小必要原则和分级授权机制:
| 授权级别 | 内容 | 默认状态 |
|---|---|---|
| 基础授权 | 脱敏摘要(年龄段、家庭结构、预算区间、职业类型) | 默认启用 |
| 详细授权 | 联系方式、健康告知、现有保单、财务信息 | 需客户主动同意 |
| 随时撤回 | 客户可在任意阶段撤回已授予的权限 | 始终可用 |
硬性规则:
- 未获得明确授权前,不得要求上传完整敏感资料
- 不得将"上传入口存在"表述为"系统已接收正式资料"
- 不得将"建议摘要"表述为"最终保障结果"
4.2 数据持有边界
| 数据类型 | 归属位置 | 说明 |
|---|---|---|
| 顾问客户库、沟通备忘录、未提交方案草稿 | ZhenIns 本地 / 顾问端 | 业务过程中产生的临时内容 |
| 已授权提交的报价/核保摘要 | zhen-platform-core | 经过客户授权的正式业务数据 |
| 会话元数据、合规留痕、审计导出 | zhen-platform-core | 支持跨平台审计与合规检查 |
| 会员/订单/权益/发票 | zhen-platform-core | 统一经营内核持有 |
关键原则:云端不默认持有原始客户资料。所有上传建立在授权和业务必要性之上。
4.3 传输与存储安全
- 传输:TLS 1.3 全链路加密
- 存储:敏感数据 AES-256 加密
- 审计:定期安全审计与渗透测试
- 日志:访问日志保留期限符合监管要求
4.4 合规留痕与审计
以下事件强制留痕:
- 每次咨询请求的时间、场景、用户标识(脱敏)
- AI 建议摘要输出
- Agent2Human 转接触发原因和人工复核结果
- 客户授权与撤回记录
- 支付订单状态变更
留痕数据支持合规审计导出,由 zhen-platform-core 统一管理。
5. 技术架构
5.1 三层执行链路
ZhenIns 的正式执行链路已冻结为三层结构:
业务前台(ZhenIns)
→ zhen-platform-core(统一网关)
→ zhen-brain-core(保险推理与风控)
前台职责:发起业务请求、展示状态、承接结果、渲染对话。
网关职责:身份校验、权限验证、用量审计、合规留痕。
大脑职责:保险推理、方案生成、风险评估、记忆沉淀。
5.2 SSE 实时流式咨询
前端采用 Server-Sent Events (SSE) 实现 AI 对话的实时流式输出。用户发送消息后,AI 逐字生成回复,无需等待完整响应。
技术参数:
- 首 token 延迟:3–6 秒(受外部推理 API 排队影响)
- Token buffer:30ms 超时 / ≥8 字符 flush
- 前端打字机效果:CJK 75ms/字,西文 22ms/词
- 缓冲平滑:后端 burst smoothing 25ms,防止前端卡顿
- Token 精确计量:引入
tiktoken+ CJK-aware fallback,全站len(text)替换为estimate_tokens(),确保复杂保险场景的上下文预算准确可控
5.3 支付链路
支付环节已逐步上收至 zhen-platform-core 统一 checkout。新的订单流程为:
用户确认服务包 → platform-core 生成订单 → 支付宝 / 微信支付
→ 支付成功 → entitlement 同步 → ZhenIns 回执页承接
本地支付系统(曾直连支付宝/微信 SDK)已于 2026-05-16 正式退役,/billing/recharge 和旧 webhook 端点返回 410 Gone。前台仅保留支付编排页面、结果承接和回执留痕。
5.4 Scoped API Key 与 OpenClaw Skill
- Scoped API Key:跨平台接入使用统一身份 + 统一账单 + 分 scope 的权限 Key,避免万能 Key 风险
- OpenClaw Skill:将 AI 保险咨询能力以标准化接口暴露给第三方工作流,支持在本地 AI 环境中识别需人工复核的节点并脱敏转接。
insurance-broker@2.0.2已发布至 ClawHub,单一proxyaction 通道型透传,白名单端点保护
5.5 Handoff 路由引擎架构
┌────────────────────────────────────────────────────────────┐
│ 前端 (chat/page.tsx) │
│ SSE done chunk → handoff_decision.nudge_level → 分发 UI │
│ Inline(1) / Toast(2) / SideWidget(3) / Modal(4) │
│ onDismiss/onClick → POST /handoff/event │
├────────────────────────────────────────────────────────────┤
│ HandoffTriggerService (后端) │
│ ├─ 解析 brain-core handoff_trigger JSON block (AI 自驱) │
│ ├─ 规则 fallback:site-config 驱动的意图分类器 │
│ ├─ 画像完整度评估 → nudge_level 决策 │
│ ├─ 顾问预分配(Level ≥3):HandoffRoutingService │
│ └─ 动态话术生成:site-config message_templates │
├────────────────────────────────────────────────────────────┤
│ HandoffEventLogService (数据飞轮) │
│ nudge_shown / dismissed / clicked / consent_confirmed │
│ / advisor_matched / assigned / contacted / converted │
├────────────────────────────────────────────────────────────┤
│ 顾问工作台 → claim → contact → convert/close │
│ 多渠道通知 A+B+C+D (站内 / Web Push / SMS / Email) │
└────────────────────────────────────────────────────────────┘
5.6 前端状态分层与竞态防护
Chat 前端已完成状态分层重构:
chat-session-context.tsx:纯会话容器,负责 CRUD、SSE 消费、加载状态chat-business-context.tsx:业务状态容器,负责额度、错误、handoff 建议handoff-trigger-context.tsx:Handoff 触发状态,管理 nudge 历史与防骚扰alert-reducer.ts:Action-Based 守卫,统一入口处理状态变更
关键防护:mount 阶段 hasInitialLoadedRef guard 防重执行;nudge 10 分钟 cooldown + 每 session 最多 3 次;用户 dismiss 后同 session 不再自动弹窗。
6. 商业模型
6.1 客户侧
| 服务 | 价格 | 说明 |
|---|---|---|
| 基础 AI 咨询 | 免费 | 保障缺口分析、方案方向建议 |
| 深度方案定制 | 付费 | 个性化保障方案详细设计 |
| 多方案对比 | 付费 | 2–3 套方案横向比较 |
| 保单体检 | 付费 | 已有保单梳理与缺口诊断 |
| 顾问人工复核 | 按服务包 | 复杂场景转接持证保险经纪 |
消费者对话额度由 zhen-platform-core entitlement 系统统一管理,本地 free_messages_used 字段已退役。
6.2 顾问侧
| 产品 | 形态 | 包含内容 |
|---|---|---|
zhenins.advisor.pro | 个人月费会员 | 顾问工作台、Agent2Human 技能节点、客户管理 |
zhenins.agency.seat | 团队席位 | 多顾问协作、组织权限、统一结算 |
顾问登录统一走 OAuth(auth.zhenrobot.com),本地密码体系已于 2026-05-07 正式退役。顾问工作台配备实时 WS 推送、线索池、多维度筛选、成交排行和佣金统计。
6.3 机构侧
| 产品 | 形态 | 适用对象 |
|---|---|---|
| Brokerage | 年费 | 中小型保险经纪公司 |
| Enterprise | 年费 + 实施费 | 大型机构,含私有化部署选项 |
机构方案包含:多席位、组织权限、API Key 集成、合规报表与审计导出。
6.4 定价上收
商品定价(顾问会员、团队席位、机构方案等)不再由 ZhenIns 本地维护,统一由 zhen-platform-core catalog 作为唯一真相源。前台仅负责展示和引导购买。
7. 路线图与里程碑
7.1 已完成
| 项目 | 说明 | 完成时间 |
|---|---|---|
| 消费者 SMS 轻量认证(FIC-01) | 换设备恢复、升级合并、SMS 验证码登录 | 2026-05 |
| 顾问 OAuth 统一登录(FIC-02) | 淘汰本地密码,接入统一认证 | 2026-05 |
| cookie-only 会话 | 移除 localStorage token 依赖,改为 HttpOnly cookie | 2026-05 |
| 支付 checkout 上收(ADR-008 Phase 1 & 3) | 统一走 platform-core 支付网关;本地支付系统退役 | 2026-05 |
| 消费者历史对话 CRUD | GET/POST/PATCH/DELETE 全套接口,前端侧边栏完整支持 | 2026-05 |
| 消费者 SSO(ADR-009) | auth.zhenrobot.com SMS 登录 + platform-core 身份互认 | 2026-05 |
| 精确 Token 计数 | tiktoken 引入 + CJK-aware fallback,全站替换 | 2026-05 |
| Handoff Consent 完整闭环 | 授权确认 → 顾问接收 → 撤回同意 → WS 实时同步 | 2026-05 |
| 顾问多渠道通知(A+B+C+D) | 站内通知 + Web Push + SMS + Email 四通道端到端验证 | 2026-05 |
| C2AI2HUMAN 智能路由(ADR-011) | 五层引擎 + AI 自驱 + 4 级渐进触达 + 数据飞轮 + 月度报表 | 2026-05 |
| 前端状态竞态防护 | ChatContext 分层重构 + Action-Based guard + E2E 持久性断言 | 2026-05 |
| 设计系统升级 | typography、动效、交互细节全面优化 | 2026-05 |
7.2 进行中
| 项目 | 说明 |
|---|---|
| SSE 性能与超时优化 | 缓解复杂保险查询偶发的首 token 延迟 |
| 大模型优化(GEO) | 白皮书多版本永久 URL、Schema.org 结构化数据、RSS feed |
7.3 规划中
功能扩展由真机生态路线图统一驱动,不由 ZhenIns 单独发布。前台保持"壳"的定位,新能力通过 platform-core 和 brain-core 的升级自然承接。
附录 A:术语表
| 术语 | 客户可见解释 |
|---|---|
| Agent2Human | AI 处理标准场景,复杂场景自动或主动转接人工保险经纪的协作协议 |
| Platform Console | 登录后的统一管理中心,用于查看订单、权益、团队设置 |
| Brain-Core | 生态中的 AI 保险推理系统,ZhenIns 不直接连接,通过网关调用 |
| Entitlement | 权益与权限,决定你能使用哪些功能和服务 |
| SSE | 实时流式对话技术,让 AI 回答像打字一样逐字出现 |
| Scoped API Key | 分权限范围的调用密钥,用于第三方安全接入 |
| Consent | 授权同意,控制你的画像信息何时、以何种范围共享给顾问 |
| SignalVector | Handoff 信号向量,融合对话语义、用户行为、画像完整度等多维信号的决策输入 |
| Nudge Level | 渐进触达层级(0-4),从用户手动触发到强制弹窗,按意图强度分层 |
| Token | AI 处理文本时的最小计量单位,精确计数确保复杂查询不超预算 |
附录 B:合规文档索引
本文档为 ZhenIns 公开白皮书 v1.2。详细技术规范、生态总纲和内部接口定义见上游架构文档,不由本白皮书替代。历史版本永久可访问:/whitepaper/v/v1.1、/whitepaper/v/v1.0。