问题定义与预期效果

当前痛点

1. 点位命名和语义不统一，迁移成本高。
2. legacy 配置依赖人工拼接，出错率高。
3. LLM 直接产出配置不可直接信任，缺少发布前硬校验。

v0.4 方案

1. 用 Parser Agent 做语义映射。
2. 用 Generator Agent 生成结构化草案。
3. 用 Deterministic Gate 执行校验和评分。
4. 用 Critic Agent 给出修正指令并触发下一轮生成。

可观察结果

1. 配置输出从自由文本变为可校验 JSON。
2. 每轮失败都有结构化原因和修正建议。
3. 发布动作有明确门禁，不靠人工口头判断。

建议跟踪指标

1. 迁移草案可发布率。
2. 自动修正后通过率。
3. 发布前阻断率与阻断原因分布。
4. 回归评估中的违规率和可解率。