决策图 (BDD)

决策图（Decision Graph）并非单一算法，而是一种通用的决策建模与可视化范式，旨在将非结构化的管理或心理决策过程转化为可计算的图结构。它超越了传统决策树（Decision Tree）的线性限制，允许存在循环依赖、条件分支及多路径汇聚，从而更真实地反映现实世界中决策的复杂性与动态性。在人工智能与大模型领域，决策图常被用作大语言模型（LLM）进行思维链（CoT）推理的中间表示，或作为强化学习策略网络的前端接口，将模糊的自然语言指令转化为精确的逻辑执行流，确保模型输出的可解释性与逻辑一致性。

在现代计算架构中，决策图扮演着连接‘模糊意图’与‘精确执行’的关键桥梁角色。随着大模型从‘概率生成’向‘逻辑推理’演进，决策图成为解决模型幻觉、提升推理可解释性的核心工具。它不仅支持静态的规则引擎设计，还能动态生成基于上下文感知的决策路径。在生态位上，它介于传统的规则系统（Rule-based Systems）与黑盒神经网络之间，既保留了人类对逻辑结构的掌控感，又利用了图计算的高效性，是构建可信人工智能系统（Trustworthy AI）不可或缺的组件。