Semantic Circuit Breaker#

语义熔断器：基于内容语义而非错误率的服务保护机制。

何时使用#

• API返回"正确格式但错误语义"的响应（如AI幻觉）
• 需要保护下游服务免受语义漂移影响
• LLM API的质量保障层

核心认知#

1. 传统熔断看状态码，语义熔断看内容#

传统Circuit Breaker基于HTTP状态码和超时率。但当LLM API返回200但内容是幻觉、偏见、或语义偏移时，传统熔断完全无效。

语义熔断触发条件：

• 语义漂移：连续N个响应的语义embedding偏离历史基线超过阈值
• 一致性断裂：对同一问题的多次回答语义差异过大
• 事实性崩塌：响应中可验证事实的错误率超过阈值
• 毒性飙升：响应中的有害内容评分突增

2. 三态模型（扩展传统熔断）#

• Closed（正常）：语义质量在基线范围内，请求正常通过
• Open（熔断）：语义质量严重偏离，请求被拦截并返回降级响应
• Half-Open（探测）：定期发送探测请求，评估语义质量是否恢复

区别：转换条件不是"错误率"而是"语义距离"。

3. 语义距离计算#

python

def semantic_distance(responses, baseline):
    """计算响应集合与基线的语义距离"""
    embeddings = embed(responses)  # 句向量
    baseline_emb = embed(baseline)

    # 余弦距离
    cosine_dist = 1 - cosine_similarity(embeddings.mean(axis=0), baseline_emb.mean(axis=0))

    # 方差（一致性）
    variance = embeddings.std(axis=0).mean()

    # 事实性（与知识库比对）
    factuality = verify_against_kb(responses)

    return 0.4 * cosine_dist + 0.3 * variance + 0.3 * (1 - factuality)

碰撞来源#

• circuit-breaker-pattern × semantic-diff-engine × llm-output-validator
• semantic-cache-layer（语义计算）× adaptive-circuit-breaker（自适应熔断）