DGR: LLM 的可审计推理治理 - Openclaw Skills

什么是 DGR: 决策级推理？

DGR（决策级推理）是一种先进的治理协议，旨在将原始 LLM 输出转化为结构化、可审计的决策构件。通过强制执行符合架构验证的 JSON 格式，它确保每个 AI 生成的建议都包含关键上下文，例如明确的假设、识别的风险和内部一致性检查。这项技能填补了概率性 AI 推理与专业治理严格要求之间的空白。

使用像 DGR 这样的 Openclaw Skills 让团队能够为高风险决策维持清晰的纸面记录，确保 AI 辅助的工作流程对人类利益相关者保持透明且可审查。它专注于提高推理的过程质量、清晰度和可追溯性，而不仅仅是最终输出。

下载入口:https://github.com/openclaw/skills/tree/main/skills/sapenov/dgr

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

npx clawhub@latest install dgr

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式 ~/.openclaw/skills/ 工作区 /skills/

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

请帮我使用 Clawhub 安装 dgr。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。

DGR: 决策级推理 应用场景

• 为事件管理或工单处理创建可审计记录。
• 在复杂的架构或战略决策中展示明确的风险和假设。
• 为监管或内部合规检查生成便于评审的结构。
• 跨不同模型和任务标准化推理输出，实现一致的数据日志记录。

DGR: 决策级推理 工作原理

1. 用户提供决策请求或问题背景，以及首选的操作模式（min、full 或 strict）。
2. 系统分析输入，以确定所选模式所需的分解深度和细节级别。
3. 协议在对其自身逻辑进行一致性检查时，识别至少一个明确的假设和一个潜在风险。
4. 生成最终建议，包括理由和指示是否必须人工评审的标志。
5. 输出作为单个符合架构的 JSON 构件交付，可直接存储在审计日志、工单或数据库中。

DGR: 决策级推理 配置指南

要在 Openclaw Skills 生态系统中使用 DGR，请确保该技能包在您的环境中已激活。您可以通过提供请求并指定模式来启动协议：

# 触发严格决策审计的示例
/dgr_strict "我们是否应该将主生产数据库迁移到无服务器架构？"

该技能依赖于 schema.json 和 prompt.md 文件，以确保所有输出都符合要求的治理标准。

DGR: 决策级推理 数据架构与分类体系

DGR 技能将其治理数据组织成结构化的 JSON 格式。以下是用于这些构件的主要元数据分类：

字段	描述
assumptions	被视为决策前提的明确条件或数据点数组。
risks	识别潜在负面结果或不确定性的数组。
recommendation	核心建议，包括理由和 review_required 布尔值。
consistency_check	确认逻辑内部连贯性的自我评估文本。
mode	用于生成记录的具体 DGR 模式（min、full 或 strict）。

name: dgr
description: Audit-ready decision artifacts for LLM outputs — assumptions, risks, recommendation, and review gating (schema-valid JSON).
homepage: https://www.clawhub.ai/sapenov/dgr
metadata:
  clawdbot:
    emoji: "??"
  category: "reasoning"

DGR — Decision?Grade Reasoning (Governance Protocol)

Purpose: produce an auditable, machine?validated decision record for review and storage.

Slug: dgr · Version: 1.0.4 · Modes: dgr_min / dgr_full / dgr_strict · Output: schema-valid JSON

What this skill does

DGR is a reasoning governance protocol that produces a machine?validated, auditable artifact describing:

• the decision context,
• explicit assumptions and risks,
• a recommendation with rationale,
• and a consistency check.

This skill is designed for high?stakes or review?required decisions where you want traceability and structured review.

How to use

1. Ask your question — Provide a decision request or problem context
2. Pick mode: dgr_min | dgr_full | dgr_strict
3. Store JSON artifact in ticket / incident / audit log

What this skill is NOT (non?claims)

This skill does NOT guarantee:

• correctness, optimality, or truth,
• elimination of hallucinations,
• legal/medical/financial advice suitability,
• or regulatory compliance by itself.

DGR improves process quality (clarity, traceability, reviewability) — not outcome certainty.

When to use

Use when you need:

• an auditable record of reasoning,
• explicit assumptions/risks surfaced,
• reviewer?friendly structure,
• a consistent output format across tasks and models.

Inputs

• A user request/question (free text).
• Optional: context identifiers (ticket ID, policy name), and desired mode: dgr_min, dgr_full, or dgr_strict.

Mode Behavior

Outputs

A single JSON artifact matching schema.json.

Minimum acceptance criteria (see schema.json):

• at least 1 assumption
• at least 1 risk
• recommendation present
• consistency_check present

Safety / governance boundaries

• Always ask for clarification if key decision inputs are missing.
• If the decision is high?risk, escalate via recommendation.review_required = true.
• If uncertainty is high, explicitly state uncertainty and limit scope.
• Do not fabricate sources or cite documents you did not see.

Files in this skill

• prompt.md — operational instructions
• schema.json — output schema (stub aligned to DGR spec)
• examples/*.md — example inputs and outputs
• field_guide.md — how to interpret DGR artifact fields

Quick start

1. Provide a decision request.
2. Choose a mode (dgr_min default).
3. The skill returns a JSON artifact suitable for review and storage.

Changelog

1.0.4 — Remove redundant CLAWHUB_SUMMARY.md; summary now sourced from SKILL.md front-matter.

1.0.3 — Tighten front-matter description for better conversion, add reasoning category, compress identity block for faster scanning.

1.0.2 — Add ClawHub front-matter metadata with emoji and homepage for improved discovery and presentation.

1.0.0 — Initial public release of DGR skill bundle with auditable decision reasoning framework, governance protocols, and structured output format.

Note: This is an opt?in reasoning mode. It is meant to be used alongside human decision?making, not as a replacement.