组件库: 跨节点的可复用模式
收录散落在多个 Playground 里反复出现的工程小模式 —— 与 T0–T3 知识节点平行存在
这个库是什么、不是什么
Atlas 的正式节点（T0–T3）各自深入一个架构主题。但有一些「小模式」散落在多个节点里，单独抽成节点会造成既视感重复，且可能把 Atlas 从「工程地图」拖向「技术教程合集」。
组件库与 T0–T3 知识节点平行存在，专门收录这种「会在多个 Playground 里反复出现的可复用小模块」。每个组件页简短 —— 核心是「这个模式在哪些案例里被用到、通用实现思路是什么」，并链接回具体案例。
收录标准：① 在 ≥ 2 个正式节点中以不同形态出现；② 是架构/工程模式而非 NLP 基础技术（命名实体识别、情感分析等不收录，避免退化为教程）。
置信度评估与降级 (Confidence & Degradation)
当 Agent 的某一步输出「不确定」或「工具不可用」时，如何显式表达不确定性、并触发安全的降级路径，而非静默给出缺省值。
在 Atlas 中的出现点
Pydantic 优雅降级三策略：返回默认值 (defaults) / 过滤跳过脏数据 (skip) / 直接报错上报 (error)，在自愈重试到达上限后触发。
子 Agent 调用外部工具（黑名单库）超时/失败 → 必须返回「评估不可用」而非静默默认分，Lead Agent 收到后直接升级人工复核。
检索结果携带置信度得分，≥80 标记为 HIGH CONFIDENCE，否则标记 RISK DETECTED 进入风险处理。
「静默失败」失败模式：工具调用失败但 Agent 继续执行，下游基于缺失数据产生看似合理但错误的输出 —— 需结构化输出验证阻断。
容错机制设计：技能降级策略与重试机制保证系统稳定性。
通用实现思路：① 每步输出携带显式置信度/可用性信号（数值 + 状态枚举），而非埋在自由文本里；② 定义降级优先级（默认值 / 跳过 / 报错）按业务风险选择；③ 严禁 fail-silent —— 不可用信号必须向上冒泡触发人工或熔断，而非被加权平均稀释。
结构化评分协议 (Structured Scoring Protocol)
把「多个来源的判断」收敛成一个可比较、可审计的数值 + 理由结构，而非自由文本投票。是加权汇总、一票否决、方差预警等决策的承载格式。
在 Atlas 中的出现点
每个子 Agent 必须返回结构化评分（数值 + 理由字段）；Lead Agent 用「加权分 + 单项一票否决 + 评分方差过大预警」三重规则统一裁决。
检索打分综合三维加权：相关性 (50%) + 时间衰减 + 重要性加权，对记忆排序召回。
LLM-as-a-Judge 对输出按指标体系打分（忠实度、相关性等），每个指标有显式阈值（如 Faithfulness ≥ 0.80）作为门控。
通用实现思路：① 评分必须是「数值 + 理由」二元结构，理由用于审计与事后抽查；② 多源汇聚时，单纯加权平均易被低分项稀释致命信号，需叠加硬约束（一票否决/方差预警）；③ 评分协议与决策规则解耦 —— 同一份结构化评分可被不同裁决逻辑复用。
约束 / 意图识别 (Constraint & Intent Recognition)
候补中 · 占位从用户请求中抽取「硬性约束」（如禁忌、预算、格式）与「意图类别」，作为下游检索/决策/工具选择的过滤与路由依据。
在 Atlas 中的出现点
通用实现思路：① 区分「约束」(必须成立，否则拒绝/澄清) 与「意图」(决定走哪条处理路径)；② 约束最好结构化为类型化对象（category + value + polarity），便于下游做冲突检测而非字符串匹配；③ 识别失败应触发澄清而非猜测 —— 缺失约束不默认成立。