每周审计自动回复：用审核队列替代置信度分数

自动回复运行一个月后，团队需要审计实际发出的内容，而模型侧置信度分数无法回答消息是否匹配店铺当前规则。每周花 30 分钟按固定顺序审核：先全量读涉及价格、退款、补偿、运费的消息，再随机抽样 10-20 条其他消息，标记与现行规则矛盾、看似正确但回避、错误触发三类模式。每条标记须转为规则修改、知识条目或明确记录保留决定；同一改写连续三周出现，说明缺的是规则或知识条目而非更好的 prompt。