LEVERIE

嘿 Product Hunt 社区，感谢你的到访。我是 LEVERIE 的开发者。

# 我为什么开发这个产品

我在企业部署 AI 智能体的过程中反复遇到同一个问题：本应驱动智能体决策的业务规则，要么被埋在代码深处，要么散落在一份 200 页的 Word 文档和十几个 Excel 表格里。当服务商说「请把规则以结构化 JSON 格式发给我们」时，真正掌握这些规则的人——运营主管、承销商、客服经理——根本没办法自己完成这项工作。于是逻辑只能由其他人转写成代码，修改还要等待服务商的发布周期，最后没人能解释清楚智能体为什么会做出某个决策。

这背后存在两个问题：

- LLM 智能体是非确定性的，但很多决策（退款资格判定、贷款分流、路由分配）都要求结果准确、可重复、可审计。

- 掌握规则的人和会写代码的人通常不是同一个人。

# LEVERIE 能做什么

你只需要用普通表格编写规则——就像用电子表格一样，不需要 JSON，也不需要临时拼凑的代码。LEVERIE 会根据这个表格自动生成输入/输出 JSON Schema，并将逻辑暴露为 MCP 工具（同时也提供普通 HTTP API），供你的 AI 智能体调用。每次调用都会返回精确匹配行的追踪记录，因此你事后可以解释任何决策。

当逻辑规模增长时，这些特性能帮你轻松应对：

- 版本化发布——发布特定版本后，智能体就调用该版本。编辑完成后重新发布，立即生效。

- 发布前差异对比——发布前可以逐行查看不同版本之间的具体变更。

- 跨表拆分逻辑——当单个表格过于密集时，可以拆分为多个关联表，LEVERIE 会自动处理表间连接，保证整体流程清晰可读。

- 流程图视图——可以将单个表格中的逻辑转换为大家熟悉的流程图，非技术 stakeholders 不用看表格也能理清逻辑。

无需注册即可体验：

https://leverie.dev

（网站已经预加载了真实示例——客服路由、退款审核、贷款分流）

GitHub 仓库：

https://github.com/remi0753/leverie

——点亮 Star 和提交 Issue 真的能帮助我们确定优先级。

文档地址：

https://leverie.dev/docs/introdu...

以上所有功能目前都已经上线可用，我们正在积极改进——你在这里提出的反馈将直接影响我们下一步的开发方向。

我希望能得到以下方面的反馈：

1. 如果你是智能体开发者——你会放心把决策逻辑交给这样一个外部确定性工具吗，还是会选择把逻辑保留在自己的代码里？为什么？

2. specifically 关于 MCP 集成：什么样的特性会让你有信心把它接入生产环境的智能体？

我今天全天都会在这里回答所有问题。感谢你的关注。

点赞

举报

分享

19 小时前