老师傅 KUPAS MASTER
让隐性经验成为智能体的能力。
以九层认知语料化技术，将资深从业者的判断、行动与适用边界，转化为可追溯、可复用的经验语料与可调用技能。
英文技术报告
KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora
下载英文版平台概览
保留结论背后的专业判断。
专业经验不仅是“知道什么”，还包括关注什么、为什么这样判断，以及何时不再适用。
老师傅平台将分散的工作记录与从业者访谈，整理为可审核、可在组织内复用、可供智能体调用的结构化经验。
06案例要素
情境、线索、判断、行动、边界、结果。
09抽取维度
组织事实、推理、行动及反馈中的隐性经验。
06经验资产库
规则、约束、最佳实践、负样本、边界案例、技能。
产品框架
经验如何成为智能体的能力。
从原始资料出发，经过结构化提炼与审核，让专业经验进入智能体的实际任务。
提炼专业判断
从工作记录与从业者访谈中，保留情境、线索、判断、行动、边界和结果，并以九个认知维度组织其中的经验。
形成可复用资产
将个人经验融合为组织层面的规则、约束、最佳实践、负样本、非常规情形和技能六类资产，审核时保留来源证据与适用条件。
支撑任务执行
智能体在任务中检索经审核的经验、调用结构化技能，再通过任务结果与运行记录，反馈下一轮经验采集和修订。
KUPAS MASTER从经验到能力
来源证据
工作记录从业者访谈
09
核心技术
九层认知语料化
L1知识L2注意L3判断L4决策L5联想L6预判L7监控L8习惯L9约束
06
六类经验资产经审核的证据与可调用技能
核心技术
九个维度，理解完整经验。
九层认知语料化技术，连接来源证据、专业推理与适用条件。选择一个维度，查看其抽取内容。
L3认知语料化
什么依据支持这一判断？
从显式推理中提取判断目标、正反证据与排除条件，保留连接条件与结论的中间前提。
结构化输出
包含适用条件、成立与失效边界及证据引用的判断规则。
证据缺失保留待复核，支持分不等同于正确概率。
经验工程流程
从个人经验，到组织能力。
七步流程贯通经验获取、资产构建与智能体评测，在转换过程中保留来源、条件与审核状态。
- 01
场景定义
明确角色、任务、目标与决策边界。
- 02
数据归集
汇集工作记录、访谈与补充证据。
- 03
语义对齐
对齐跨来源的术语、实体与事件。
- 04
个体蒸馏
以九层技术提炼个人候选经验资产。
- 05
组织融合
归并共性，保留情境差异与分歧。
- 06
交叉审核
检查证据依据、适用条件与表达准确性。
- 07
评测反馈
评价任务质量，反馈补充采集与资产修订。
持续迭代
以已审核的资产快照支撑智能体执行，再将任务评测反馈至下一轮采集与审核。
效果评测
经验的价值，用任务表现衡量。
在受控内部评测中，基于相同专业任务对比基础模型、原始语料 RAG 与老师傅智能体三种配置。
经验如何参与任务
让经验进入实际处理流程。
报告中的工伤纠纷调解案例，展示经验资产如何补充证据要求、程序边界与处理步骤。
基础模型
给出一般性分析框架和证据清单，未明确区分调解与工伤认定的程序边界。
原始语料 RAG
引用相关法规条款并提出调解步骤，提示部分程序与风险边界。
老师傅智能体
调用“调解请求判断与聚焦技能”，结合规则库与非常规情形库，区分权限边界并生成结构化结果文件。（结论更可靠、考虑更全面、输出更对口）
技术报告
了解完整方法与实验依据。
从结构化表示、抽取管线、组织融合到技能构建、效果评测与部署方案，查阅完整技术说明。
英文技术报告
KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora
从技术到部署
平台支持云端使用与定制化本地部署。对于敏感业务场景，可结合本地模型与内网工具，将数据处理限定在客户环境内，并配置身份认证、分级授权与操作审计。
论文引用
@misc{wang2026kupasmasterdistillingtacit,
title={KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora},
author={Changmian Wang and Yuchao Ma and Xuchao Lu and Chen Zhang and Ping Sun and Jiazheng Wang and Shan Wang and Xuanwen Chen and Yihe Sun and Ziyu Lu and Jianqiang Huang and Hongzhi Li and Ziqing Xia and Kaihua Tang and Xian-Sheng Hua and Qinghua Zheng},
year={2026},
eprint={2609.37673},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2609.37673},
}