规则 + AI：金融系统提示与说明文案的可控生成方案
目录
背景
金融系统的提示与说明文案通常具备三个特征：
- 高频：表单校验、流程阻断、异常提示随处可见
- 高一致性要求：不同页面需要同口径
- 变更成本高：规则变了，文案要跟着同步
AI 可以提升“生成与维护效率”，但必须保证输出可控、可审计、可回退。
核心原则：规则负责判断，AI 负责表达
判断层输出结构化事实
判断层输出类似：
{
"code": "FIELD_REQUIRED",
"severity": "high",
"facts": { "field": "联系地址", "step": "基本信息" },
"actions": ["补全字段", "返回修改"]
}
表达层仅消费结构化事实
AI 的输入仅包含：
- code / severity / facts / actions
- 已批准短语库（approved phrases）
- 输出格式约束（字数、必含字段名、禁用词）
AI 不允许：新增事实、改写关键字段名、改变严重等级。
一套可落地的生成链路
- 规则系统产出结构化结果（可测试）
- 模板生成“骨架文案”（可兜底）
- AI 在骨架上做表达优化（可选）
- 输出校验：禁用词、字段覆盖、长度与格式
- 失败即回退到模板文案，并记录日志
文案治理：短语库与术语表的作用
很多“口径问题”不是 AI 造成的，而是系统本身没有统一表达。
建议建设两类资产：
- 术语表：名词统一（字段名、步骤名、产品名）
- 短语库：标准句式（建议、引导、阻断提示）
AI 的主要任务是：在短语库与结构化事实之间“组合与改写”，而不是自由发挥。
前端落地建议
- 封装统一接口：
hintService.getHints(context) - 超时与降级：AI 超时直接展示模板结果
- 缓存：相同
code + facts可缓存一段时间 - UI 明确：高风险提示使用 Banner/Modal，低风险使用 Inline/Toast
最小评测集：让效果可验证
按提示码准备样例集：
- 缺失字段
- 条件必填
- 流程阻断
- 异常错误码解释
评估维度：
- 事实一致性（不新增、不偏移）
- 可执行性（读完知道下一步做什么）
- 一致性（术语统一、风格统一）
总结
在金融系统中引入 AI 文案能力，关键不是“生成更聪明”，而是“工程可控”：
- 结构化事实作为输入
- 模板兜底与输出校验
- 短语库统一口径
- 超时降级与可回退
把 AI 放在可替换的增强层，才能长期稳定产生收益。