面向HS关税归类的确定性智能体工作流：可解释决策的多维规则推理

协调制度（HS）关税归类是一项高风险的专家级任务：需在通用解释规则（GIR）、类注、章注与解释性注释的约束下，将自由文本的产品描述映射到特定的六位或八位编码。难点不在知识量，而在多维规则推理：正确归类必须同时满足沿材质、形态、功能、基本特性、零件与整机边界、具体列名与兜底税号等多个轴向上相互竞争的优先级规则。对大语言模型做端到端提示的典型失败模式，是解决了某一维度却无视其他维度上的优先级约束。与自规划智能体相对，我们提出确定性智能体工作流：控制流固定，语言模型调用被限定在狭窄阶段，反思与验证仅作为局部机制保留。这一设计带来构造性的可解释性——每个决策被分解为分阶段的结构化输出，并逐字引用与之相关的章注或类注。该架构将中国HS税则的离线知识工程与在线六阶段流水线相结合。在六位编码层面的HSCodeComp上评测：采用Qwen3.6-plus时，该工作流在四位编码达到75.0% top-1与91.5% top-3，在六位编码达到64.2% top-1与78.3% top-3；非思考模式的开源权重Qwen3.6-27B-FP8主干与前沿模型的top-1一致率在四位与六位编码上分别为84.2%与77.4%。对226个六位编码分歧的两阶段人工审计表明，HSCodeComp中相当比例的真值标签可能偏离HS通用规则；完整裁定记录已在附录公开，作为供社区审阅的初步发现。