神经引擎

它决定什么

一个多头网络（ReLU 主干，每个决策一个 sigmoid 头，约两千个参数，纯 NumPy 实现，权重以单个带版本的文件交付）回答五个问题：

• 特征是行为基线：相对于本人 30 天历史的 z 分数、相对于同事的迟到程度、日历上下文。员工原始标识符和历史覆盖率被刻意排除，因此模型无法学到“某个人总是被原谅”。

模式与区间

每个决策点都会记录特征、规则的动作，以及之后的结果。这份日志就是训练集。生效的模式全局设置，并可按决策头和按团队覆盖。

• 自动区间：概率不低于 0.85（neural.auto_threshold）。复核区间：0.40 至 0.85（neural.review_low）。低于此，不做任何操作。
• 神经路径中的任何失败都会降级为规则自身的决策；它永远不会破坏机器人的发送路径。

neural.mode
neural.mode_auto_approve_pto
neural.auto_threshold
neural.review_low
neural.max_actions_per_week
neural.min_tenure_days

护栏，由代码强制执行

每项自动决策都连同其概率和原因记录，以“已完成”的形式向管理员通报而非以问题的形式询问，并且可以撤销。管理员在聊天中的批准或拒绝成为该决策的真实标签。

• 警示绝不会自主发出；无论如何设置，uphold_strike 都封顶在辅助模式。
• “绝不私信”名单上的人不会被执行任何操作，无论概率多高。
• 默认每位员工每周最多五次自动操作。
• 在职不足 14 天的人不做任何操作；此时尚无基线。
• 如果某人超过一半的同事今天都迟到，所有与迟到相关的操作都会被抑制：那是故障，不是不当行为。单独迟到的员工绝不会成为自己的证据。
• 请假自动批准仅限病假和半天假，绝不批准超出余额的请假，绝不处理补报的申请，并且在申请人仍有未完成任务时可以被阻止（pto.require_handover）。休假始终交给人处理。
• 护栏检查出错时按拒绝处理。

训练

• 结果每小时自动打标：提醒按 30 分钟内是否随之出现日报打标；缺勤风险按当天是否以日报结束打标；警示只有在 72 小时无撤销且有证据表明管理员确实活跃时才作为弱正例。
• 每天两次（UTC 13:00 和 19:00）回填历史、训练候选模型并与当前模型比较。从未晋升的候选模型七天后退役；文件保留在磁盘上，因此始终可以回滚。
• 架构由标签数量而非野心决定：少于 300 行拒绝训练；少于 1500 行用逻辑回归；少于 5000 行用一个隐藏层；再多则两个。划分按时间，绝不随机。
• 只有在模式仍为影子时，更优的候选模型才会自动晋升；一旦模型可以执行操作，晋升就需要人工点击。每次切换都记录审计。

漂移监测

每天早上 07:00 运行两项健康检查。特征漂移将最近 14 天记录的特征向量与当前模型的训练统计量比较；任何均值偏移超过训练标准差一半的特征都会在管理员警报中被点名。反馈回路监测在某位员工 14 天内吸收超过 40% 的正向决策时触发，因为那是一个回路正在形成，而不是员工有问题。

人员信号

“神经”页面还提供完全不用模型的确定性、可解释的人员分析：真实的离职标签太少，训练出的概率难以诚实。每个分数都是有证据的因素的加权和，与本人自己的基线（最近 14 天对比之前的 6 周）比较，绝不与同事比较。

• 流失风险（0 到 100：低、关注、偏高、高）和忠诚度指数（新人、建立中、稳固、牢固、卓越；不足 90 天始终显示为新人）各自附带因素列表。
• 假后宽限期和排班变更检测抑制了典型的误报；置信度不足的分数绝不会发出警报。
• 仅限管理员且仅供参考：这里没有任何内容会自动执行、给员工发消息、出现在员工报告上或影响薪酬。警报进入管理员通知中心，每人每 14 天去重为一条。

neural.drift_recent_days
neural.drift_baseline_days
neural.quitrisk_alert_band