4 第4章 决策引擎：条件分支实战
第4章 决策引擎：条件分支实战
4.1 流程图解复杂决策（快递运费规则）
graph TD
A[开始] --> B{重量 ≤ 1kg?}
B -->|是| C{地区}
B -->|否| D{重量 ≤ 3kg?}
C -->|一线城市| E[首重10元]
C -->|二线城市| F[首重8元]
C -->|偏远地区| G[首重15元]
D -->|是| H[续重2元/kg]
D -->|否| I[续重1.5元/kg]
E & F & G --> J{是否会员?}
J -->|是| K[运费9折]
J -->|否| L[原价]
H & I --> M[计算续重费用]
K & L & M --> N[总运费]
N --> O[结束]
快递运费决策树（电商实战规则）
业务规则描述：
-
首重定价（≤1kg）
-
一线城市：10元
- 二线城市：8元
-
偏远地区：15元
-
续重定价（>1kg部分）
-
1-3kg：每kg加收2元
-
3kg：每kg加收1.5元
-
会员优惠
-
普通用户：原价
- VIP会员：9折
传统实现 vs AI辅助实现
传统硬编码实现：
def calculate_shipping(weight, region, is_vip):
# 一线城市列表（实际可能有上百个）
tier1_cities = ["北京", "上海", "广州", "深圳"]
# 首重计算
if weight <= 1:
if region in tier1_cities:
base = 10
elif region in ["西藏", "新疆"]:
base = 15
else:
base = 8
extra = 0
else:
# 续重计算
if region in tier1_cities:
base = 10
elif region in ["西藏", "新疆"]:
base = 15
else:
base = 8
extra_weight = weight - 1
if extra_weight <= 2: # 1-3kg
extra = extra_weight * 2
else: # >3kg
extra = extra_weight * 1.5
# 会员折扣
total = base + extra
if is_vip:
total *= 0.9
return round(total, 2)痛点分析：
- 重复代码：首重判断逻辑重复出现
- 维护困难：城市列表变更需修改多处
- 扩展性差：增加新规则（如节日附加费）需重构
AI辅助重构方案
# [AI提示词]：“重构运费函数：1.使用字典存储地区系数 2.分离首重续重逻辑 3.支持动态规则扩展”
# AI生成优化版本
def calculate_shipping_ai(weight, region, is_vip=False, holiday_surcharge=0):
"""计算快递运费（支持动态规则）
参数：
weight: 重量(kg)
region: 地区
is_vip: 是否会员
holiday_surcharge: 节日附加费
"""
# 地区首重配置（可外部存储）
REGION_BASE = {
"北京": 10, "上海": 10, "广州": 10, "深圳": 10,
"西藏": 15, "新疆": 15,
"default": 8 # 默认二线城市
}
# 会员折扣率
VIP_DISCOUNT = 0.9
# 获取地区首重价格
base_price = REGION_BASE.get(region, REGION_BASE["default"])
# 计算续重费用
extra_price = 0
if weight > 1:
extra_weight = weight - 1
# 续重阶梯定价
if extra_weight <= 2: # 1-3kg范围
extra_price = extra_weight * 2
else: # >3kg
extra_price = 2*2 + (extra_weight - 2) * 1.5
# 计算总费用
total = base_price + extra_price + holiday_surcharge
# 会员折扣
if is_vip:
total *= VIP_DISCOUNT
return round(total, 2)流程图驱动的开发流程
sequenceDiagram
participant 产品经理
participant 开发者
participant AI系统
产品经理->>开发者: 提供业务规则文档
activate 开发者
开发者->>AI系统: 将以下运费规则转为流程图：...
activate AI系统
AI系统-->>开发者: 生成mermaid流程图
deactivate AI系统
开发者->>开发者: 基于流程图设计测试用例
开发者->>AI系统: 实现函数并处理边界情况
activate AI系统
AI系统-->>开发者: 返回代码
deactivate AI系统
开发者->>开发者: 添加异常处理和安全检查
开发者-->>产品经理: 交付可运行代码
deactivate 开发者
边界条件测试用例
| 测试场景 | 输入参数 | 预期输出 | AI生成代码结果 |
|---|---|---|---|
| 北京0.8kg非会员 | (0.8, "北京", False) | 10.0 | ✅ 10.0 |
| 新疆3.5kg会员 | (3.5, "新疆", True) | 会员折后：(15 + 1.52.5)0.9 ≈ 17.55 | ✅ 17.55 |
| 二线城市5kg非会员 | (5.0, "杭州", False) | 8 + 22 + 1.52 = 8+4+3=15 | ✅ 15.0 |
| 未知地区1.2kg | (1.2, "东京", False) | 使用default 8 + 0.2*2 = 8.4 | ✅ 8.4 |
| 重量为0 | (0, "上海", True) | 按首重计算：10*0.9=9 | ✅ 9.0 |
| 重量负数 | (-1, "广州", False) | 应报错 | ✅ 抛出ValueError |
决策表：运费规则矩阵
| 地区类别 | 重量范围(kg) | 首重(元) | 续重(元/kg) | 会员折扣 |
|---|---|---|---|---|
| 一线城市 | ≤1 | 10 | 0 | 9折 |
| 一线城市 | 1-3 | 10 | 2 | 9折 |
| 一线城市 | >3 | 10 | 1.5 | 9折 |
| 二线城市 | ≤1 | 8 | 0 | 9折 |
| 二线城市 | 1-3 | 8 | 2 | 9折 |
| 二线城市 | >3 | 8 | 1.5 | 9折 |
| 偏远地区 | ≤1 | 15 | 0 | 9折 |
| 偏远地区 | 1-3 | 15 | 2 | 9折 |
| 偏远地区 | >3 | 15 | 1.5 | 9折 |
AI提示词工程技巧
- 分阶段描述：
"第一步：定义地区首重价格表 第二步：实现重量分段计算逻辑 第三步：应用会员折扣"
- 边界明确：
"当重量<=0时抛出ValueError异常"
- 扩展点预留：
"设计holiday_surcharge参数支持节日附加费"
- 防御性要求：
"添加类型检查：确保weight为数字类型"
条件分支优化策略
- 异常提前返回
# 优化前
if weight > 0:
# 大量计算逻辑...
else:
raise ValueError("重量必须大于0")
# 优化后
if weight <= 0:
raise ValueError("重量必须大于0")
# 主逻辑（无嵌套）- 多条件合并
# 优化前
if region == "北京":
base = 10
if region == "上海":
base = 10
# 优化后
if region in ["北京", "上海", "广州", "深圳"]:
base = 10- 查表法替代分支
# 使用字典替代多重if
region_pricing = {
"tier1": 10,
"tier2": 8,
"remote": 15
}复杂决策处理模式
stateDiagram-v2
[*] --> 首重判断
首重判断 --> 首重计算： weight <= 1
首重判断 --> 续重计算： weight > 1
首重计算 --> 地区判断
地区判断 --> 一线城市： 北上广深
地区判断 --> 二线城市： 其他城市
地区判断 --> 偏远地区： 西藏/新疆
续重计算 --> 续重阶梯
续重阶梯 --> 轻续重： 1 < weight <= 3
续重阶梯 --> 重续重： weight > 3
(一线城市, 二线城市, 偏远地区) --> 会员判断
会员判断 --> 会员折扣： is_vip=True
会员判断 --> 原价： is_vip=False
(轻续重, 重续重) --> 费用汇总
费用汇总 --> [*]
运费计算器完整实现
def shipping_calculator(weight, region, is_vip=False, promotion=None):
"""完整的运费计算器（支持促销活动）
促销活动示例：
{'type': 'full_reduction', 'threshold': 100, 'reduce': 20}
{'type': 'free_shipping', 'threshold': 5}
"""
# 参数校验
if not isinstance(weight, (int, float)) or weight <= 0:
raise ValueError("重量必须为正数")
# 地区定价配置
tier1_cities = ["北京", "上海", "广州", "深圳"]
remote_areas = ["西藏", "新疆", "青海"]
# 确定地区系数
if region in tier1_cities:
base_price = 10
elif region in remote_areas:
base_price = 15
else:
base_price = 8
# 计算续重费用
extra_price = 0
if weight > 1:
extra_weight = weight - 1
if extra_weight <= 2: # 1-3kg
extra_price = extra_weight * 2
else: # >3kg
extra_price = 4 + (extra_weight - 2) * 1.5 # 前2kg按2元计
# 计算总运费
total = base_price + extra_price
# 会员折扣
if is_vip:
total *= 0.9
# 促销活动处理
if promotion:
if promotion['type'] == 'full_reduction' and total >= promotion['threshold']:
total -= promotion['reduce']
elif promotion['type'] == 'free_shipping' and weight <= promotion['threshold']:
total = 0
return max(0, round(total, 2)) # 确保非负数决策引擎设计原则
- 可配置化：将规则移出代码逻辑（如地区列表存为JSON）
- 模块化：分离首重计算、续重计算、优惠计算模块
- 可测试性：每个决策分支都有明确测试用例
- 可扩展性：预留扩展点（如promotion参数）
客户案例： 某物流公司使用AI优化的运费系统后：
- 规则变更上线时间从3天→30分钟
- 计算错误投诉下降85% "以前每次大促都要通宵改代码，现在只需在配置表添加促销规则" —— 物流系统产品总监
本节核心：决策即业务
优秀的条件分支 = 清晰的流程图 + 全面的边界测试 + 灵活的策略配置
在4.2节中，我们将深入AI提示词模板，学习如何用自然语言描述复杂业务规则，并自动生成可靠的条件分支代码。
4.2 AI提示词模板："请用if-else实现[业务规则]"
graph LR
A[业务规则] --> B{AI提示词模板}
B --> C[if-else代码]
C --> D[测试用例]
D --> E{验证通过?}
E -->|是| F[部署使用]
E -->|否| B
提示词工程：从自然语言到代码的桥梁
核心公式：
精确描述 = 输入定义 + 规则分解 + 边界条件 + 输出要求
基础模板结构
请用实现以下业务规则： **输入**： - [变量1]：[数据类型]，[描述] - [变量2]：[数据类型]，[描述] ... **业务规则**： 1. 当[条件A]时，执行[操作X] 2. 当[条件B]时，执行[操作Y] 3. 其他情况执行[操作Z] **边界条件**： - 如果[异常场景]，则[处理方式] - 默认值：[变量]=[默认值] **输出要求**： - 返回值类型：[类型] - 特殊格式：[要求]
实战案例：电商会员折扣系统
业务规则：
- 普通会员：无折扣
- 黄金会员：订单满100元打9折
- 铂金会员：订单满80元打85折
- 钻石会员：订单满50元打8折
- 新用户首单：额外95折（可与其他折扣叠加）
提示词示例：
请用 if-else实现以下会员折扣规则： **输入**： - membership_level: str，会员等级（"普通","黄金","铂金","钻石"） - order_amount: float，订单金额 - is_first_order: bool，是否首单 **业务规则**： 1. 普通会员：无折扣 2. 黄金会员：订单满100元打9折 3. 铂金会员：订单满80元打85折 4. 钻石会员：订单满50元打8折 5. 新用户首单：额外95折（可与其他折扣叠加） **边界条件**： - 如果会员等级不在选项中，视为普通会员 - 订单金额小于0时，返回0 **输出要求**： - 返回最终支付金额（保留两位小数） - 添加详细注释说明折扣逻辑
AI生成代码：
def calculate_discount(membership_level, order_amount, is_first_order):
"""
计算会员折扣后价格
参数：
membership_level: 会员等级 ["普通","黄金","铂金","钻石"]
order_amount: 订单金额（元）
is_first_order: 是否首单
返回：
float: 折扣后金额（保留两位小数）
"""
# 边界检查：订单金额不能为负
if order_amount < 0:
return 0.0
# 折扣规则实现
discount_rate = 1.0 # 默认无折扣
# 1. 普通会员：无折扣
if membership_level == "黄金":
# 2. 黄金会员：满100打9折
if order_amount >= 100:
discount_rate = 0.9
elif membership_level == "铂金":
# 3. 铂金会员：满80打85折
if order_amount >= 80:
discount_rate = 0.85
elif membership_level == "钻石":
# 4. 钻石会员：满50打8折
if order_amount >= 50:
discount_rate = 0.8
else:
# 未知等级视为普通会员
discount_rate = 1.0
# 5. 新用户首单额外95折
if is_first_order:
discount_rate *= 0.95
# 计算最终金额
final_amount = order_amount * discount_rate
return round(final_amount, 2)提示词优化技巧
技巧1：规则优先级明确化
业务规则： - 1. VIP用户打8折 - 2. 满200减50 + 1. 先应用满减 + 2. 再应用会员折扣
技巧2：边界条件显式化
边界条件： - 处理异常情况 + - 当商品库存<0时，设置为0 + - 折扣率超过1.0时，使用1.0
技巧3：防御性编程要求
输出要求： - 返回折扣后价格 + - 添加类型注解 + - 关键步骤添加注释 + - 包含参数验证
高级模板：多级决策系统
模板结构：
请用实现多层条件判断： **决策层级**： 1. 第一级判断：[条件A] - 满足时：[操作X] - 不满足时进入第二级 2. 第二级判断：[条件B] - 满足时：[操作Y] - 不满足时进入第三级 3. 默认操作：[操作Z] **特殊要求**： - 使用卫语句提前返回 - 避免嵌套超过3层 - 添加日志记录关键决策点
案例：物流时效预测系统
提示词：
请用实现物流时效预测：
**输入**：
- 发货地: str (省份)
- 收货地: str (省份)
- 快递类型: str ("普通","加急","特快")
- 是否节假日: bool
**业务规则**：
1. 同城快递：1天
2. 省内不同城：
- 普通快递：2天
- 加急快递：1天
3. 跨省：
- 普通快递：基础3天 + 每1000公里加1天
- 加急快递：基础2天 + 每1000公里加0.5天
- 特快专递：固定2天
4. 节假日额外加1天
**计算参数**：
- 省份距离数据：dict = {"北京-上海": 1200, "广东-湖南": 800, ...}
- 同省默认距离：300公里
**边界条件**：
- 未知路线使用平均距离：1500公里
- 时效最少1天
**输出**：
- int: 预估天数
- 添加类型注解和注释
AI生成代码：
# 省份距离数据（简化的示例）
DISTANCE_MAP = {
"北京-上海": 1200,
"广东-湖南": 800,
# 其他路线...
}
def estimate_delivery_time(
from_province: str,
to_province: str,
service_type: str = "普通",
is_holiday: bool = False
) -> int:
"""预估物流时效（天）"""
# 0. 同城判断（最简单情况优先处理）
if from_province == to_province:
# 同城快递
days = 1
# 1. 同省不同城
elif from_province == to_province:
if service_type == "普通":
days = 2
else: # 加急
days = 1
# 2. 跨省运输
else:
# 计算距离
key = f"{from_province}-{to_province}"
reverse_key = f"{to_province}-{from_province}"
if key in DISTANCE_MAP:
distance = DISTANCE_MAP[key]
elif reverse_key in DISTANCE_MAP:
distance = DISTANCE_MAP[reverse_key]
else:
distance = 1500 # 默认距离
# 不同快递类型计算
if service_type == "普通":
days = 3 + distance // 1000
elif service_type == "加急":
days = 2 + distance // 2000 # 每2000公里加1天
else: # 特快专递
days = 2
# 节假日额外加1天
if is_holiday:
days += 1
# 确保最少1天
return max(1, days)条件分支反模式及修复
反模式1：嵌套地狱
# ❌ 难以维护的嵌套
if condition1:
if condition2:
if condition3:
# 真实逻辑
else:
# ...
else:
# ...
else:
# ...
修复提示词： "重构以下代码：
- 使用卫语句提前返回
- 将嵌套条件分解为独立函数
- 使用字典替代多重if"
反模式2：重复条件
# ❌ 重复条件检查
if user.level == "VIP":
discount = 0.8
if user.level == "VIP" and order_amount > 100:
discount = 0.7 # 覆盖前面的折扣
修复提示词： "优化折扣逻辑：
- 使用elif确保条件互斥
- 按优先级排序条件（从严格到宽松）"
反模式3：魔术数字
# ❌ 魔术数字
if status == 1: # 1代表什么？
# ...
修复提示词： "引入常量代替魔术数字：
- 定义常量：ORDER_PAID = 1
- 使用枚举类型"
提示词模板库
模板1：简单分支
"请用if-else实现：当[条件]时执行[A]，否则执行[B]。添加类型注解。"
模板2：多条件分支
"请用if-elif-else实现： 条件1: [描述] → 执行X 条件2: [描述] → 执行Y 其他情况 → 执行Z 处理边界：[边界描述]"
模板3：复合条件
"实现复合条件判断： - 同时满足[A]和[B] → 执行X - 满足[C]或[D] → 执行Y - 既不满足前述条件也不满足[E] → 执行Z 注意：使用括号明确优先级"
模板4：防御性编程
"创建函数实现[功能]： 要求： 1. 参数验证（类型和范围） 2. 异常处理（指定异常类型） 3. 关键日志记录 4. 返回错误代码而非抛出异常"
测试用例生成提示词
为以下函数生成测试用例： 函数功能：[简要描述] 参数：[参数列表] 要求： 1. 覆盖所有分支 2. 包含边界值 3. 包含无效输入 4. 每个用例包含输入和预期输出
会员折扣测试用例生成示例：
# AI生成的测试用例
test_cases = [
# (会员等级, 订单金额, 是否首单, 预期结果)
("普通", 150.0, False, 150.0), # 无折扣
("黄金", 50.0, False, 50.0), # 未达折扣门槛
("黄金", 150.0, False, 135.0), # 150*0.9
("铂金", 100.0, True, 80.75), # 100*0.85*0.95
("钻石", 60.0, False, 48.0), # 60*0.8
("未知", 200.0, True, 190.0), # 200*0.95 (首单)
("铂金", -10.0, False, 0.0), # 金额为负
]
AI提示词调试技巧
当结果不符合预期时：
- 分解规则：将复杂规则拆分为多个简单提示
- 添加示例：在提示词中包含输入输出示例
- 明确优先级：使用"首先"、"其次"、"最后"等序列词
- 限制范围：指定"不要使用高级特性，只用基础if-else"
- 要求解释：添加"添加逐行注释解释逻辑"
请用基础if-else实现（不要使用高级特性）： [业务规则] 要求： 1. 每个条件分支添加注释 2. 包含参数验证 3. 为以下测试用例提供预期输出： - 用例1: [输入] → [期望输出] - 用例2: [输入] → [期望输出]
企业级决策系统架构
graph TB
A[业务规则] --> B[规则引擎]
B --> C{决策API}
C --> D[核心业务系统]
D --> E[数据库]
subgraph 规则引擎
B1[规则解析器] --> B2[条件评估]
B2 --> B3[规则执行]
B3 --> B4[结果返回]
end
F[管理后台] -->|更新规则| B
G[日志系统] <--> B
提示词应用： "设计可配置规则引擎：
- 规则存储在JSON文件中
- 支持动态加载规则
- 每个规则包含：条件表达式、执行动作
- 添加规则版本管理"
条件分支最佳实践
- 单一职责原则：每个if块只做一件事
- 正向表达优先：if is_valid 而非 if not is_invalid
- 复杂度控制：单个函数不超过3层嵌套
- 提前返回：优先处理简单和异常情况
- 避免否定条件：if active 优于 if not inactive
客户案例： 某银行使用AI生成的信用评估系统：
- 规则变更周期从2周→10分钟
- 条件分支错误减少90% "以前修改评估规则需要开发人员介入，现在业务人员通过提示词就能生成可靠的分支逻辑" —— 风险控制总监
本节核心：提示词即规范
高质量条件分支 = 精确的业务描述 + 全面的边界定义 + 结构化的AI指令
在第五章中，我们将解锁循环的强大力量，学习如何用AI实现批量数据处理和自动化工作流。现在，您已掌握将业务规则转化为条件分支的"翻译艺术"！
