Agent试点启动包：三表七步验收法

读完可拿任务准入表、权限边界表与验收表，用七天试点判断哪些操作可自动执行、需人工审批或必须禁用。

作者：进学斋 · 观山书院

全文约3261字 · 阅读约需11分钟

---

最近讨论 AI Agent，常听到一句话：模型会写、会查、会调用工具。可一旦接到真实工单，问题马上出现：谁批准它改订单？答错了怎么回退？哪些步骤只能生成草稿？

这篇文章不讲宏大架构，只给一套试点启动包：三张表收口场景，七天七步跑通验收，让业务、技术、运营在同一口径下判断，今天可自动化什么，必须人工卡在哪里。

一、先判断该不该做：Agent 试点的三处缺口

不少团队立项时从模型能力出发，先找最炫的任务。更稳的方法是反过来，先找业务缺口。缺口通常有三类：信息整理慢、跨系统搬运多、规则判断易遗漏。若 Agent 只是把答案说得更流畅，却没有改变流程成本，就不值得做。

1. 先挑高频、低破坏、可验收

试点任务最好满足三个条件：发生频率高，出错影响有限，结果能拿样本判定。工单摘要、资料归类、草稿生成适合先做；支付退款、批量改价、合同盖章不适合首批。

你可以用一句话筛选：如果这件事每天发生，且一次错误能在短时间内补救，就适合进入只读试点。

2. 每个任务必须有输入、输出、成功条件

很多项目卡在能聊不能交付，是因为任务没有边界。Agent 输入什么、输出什么、什么算通过、失败退到哪，都要写清楚。

任务示例：客户工单首屏摘要。输入=工单编号|用户原话|附件清单|历史交互记录；输出=三行摘要|待办列表|风险等级候选值；成功=摘要覆盖关键诉求、待办可转指定组、风险等级可统计；失败=保留原文，标记需人工初筛，不生成自动回复。

若写不出失败退路，说明场景还太虚。先不要接工具。

3. 首批默认只读或草稿态

让 Agent 产生候选，而不是直接改线上数据。只读模式能看到上下文，草稿模式能生成可人工修改的结果。这两档适合建立信任，也能保留追责入口。

—— 先收口，再放权

配图·湖光暮色

二、三张立项表：把场景收口为可验收试点

试点不是开一个对话框。落地前先把场景变成三张表：准入表决定做什么，权限表决定能碰什么，验收表决定怎样才算过。

1. 任务准入表

这张表适合业务负责人填，目标是避免什么都想做。

• 任务名称：例如售后工单分派建议。
• 频率：高、中、低。高频才容易形成规模收益。
• 影响面：只影响内部流程，还是触达客户、资金、权限。
• 可回滚程度：是否能通过草稿、撤销、人工覆盖快速补救。
• 负责人：谁判断质量，谁处理异常。

2. 权限边界表

这张表由技术和安全共同维护。Agent 不能拿到万能密钥，而要按工具、字段、动作分级。

权限示例：订单售后场景。工具/API=订单查询接口|工单创建接口|用户通知接口；读写级别=订单查询只读|工单创建草稿|用户通知需审批；敏感字段=手机号|地址|退款原因|发票信息默认脱敏；审批人=售后主管或值班运营；禁用项=自动退款|批量改价|删除原始工单|跨租户读取。

原则是：读比写宽，草稿比执行宽，敏感动作必须有审批人和留痕。

3. 验收表

验收表把结果分成三档，避免上线会上只剩看起来不错。

样本量不要拍脑袋。据公开资料与行业实践，首批可用正常样例、历史失败样例、边界样例三类各抽一批；能形成可复算的通过率、误判类型和人工耗时，再谈放大。

—— 七天不是冲刺，是校准

配图·晨雾山色

三、七天试点节奏：从沙箱到可控运行

第1步：建立任务画像

拉齐业务、技术、运营，确认一个主场景。不要同时做客服、营销、研发助手。当天输出物是任务准入表和权限边界表草稿。

第2步：跑正常历史样例

接入脱敏历史数据，先跑常见、完整、低风险任务，确认 Agent 能稳定输出格式。这一步不要追求惊艳答案，只追求可复用结构。

第3步：压异常样例

准备缺字段、乱码、超长文本、互相冲突的记录。异常样例能暴露 Agent 的猜测边界，也能提前发现流程缺口。

第4步：开放最小工具权限

从最安全的工具开始，例如查询、摘要、草稿创建。每次调用都要带日志字段：调用者、工具名、输入摘要、输出摘要、耗时、结果状态。

示例日志字段：event=agent_tool_call；tool=ticket.create_draft；scope=read_write_draft；actor=ops_01；result=success；latency_ms=320；trace_id=pilot_07。

第5步：人工复核并记录误判原因

让复核人不只点通过或驳回，还要记录原因：缺上下文、规则未更新、工具选择错误、模型臆测、字段脱敏不足。误判原因比准确率更重要。

第6步：做故障回退演练

故意制造三类问题：接口超时、权限不足、输出不符合格式。观察是否能退回草稿模式、是否能找到负责人、是否能保留人工处理入口。

第7步：输出分级清单

复盘会只回答三个问题：哪些可自动，哪些需审批，哪些应禁用。随后确定观测指标：一次任务平均耗时、人工干预率、错误回退率、敏感操作越界次数。

—— 能跑不是终点，能算清才是

四、常见坑与选型：把成本和风险算清楚

1. 选型不追新，先看三件事

模型、提示词、工具链不要按最新比较。稳定、可审计、可控成本更重要。稳定看格式是否可校验；可审计看调用是否能追踪；可控成本看耗时、调用次数和失败重试带来的额外消耗。

2. 至少埋三类日志

请求耗时、工具调用成功或失败、人工干预点。没有这三类，就不知道优化什么。观测不是给老板看漂亮曲线，而是给第二天定位问题用。

你可以先做最小版：一行事件日志，加一个追踪编号。后续再补监控面板。

3. 长链任务先拆成短步骤

不要把读完资料、判断风险、生成方案、发送邮件一口气交给 Agent。拆成摘要、分类、草稿、审批四段，每段可验证。长链越短，失败越容易定位，成本也越容易算清。

启动前检查清单

• ☐ 已选定一个主场景，不混入三个以上业务线。
• ☐ 已写清输入、输出、成功条件与失败退路。
• ☐ 已区分只读、草稿、审批、禁用四级动作。
• ☐ 已准备正常样例、失败样例、边界样例。
• ☐ 已指定质量负责人和异常值班人。
• ☐ 已设计回退路径，能一键退回人工流程。

—— 上线只是换一种维护方式

五、上线后维护：让 Agent 可追责、可回退

1. 建立案例库

好样例、坏样例、边界样例分别留档。好样例用于回归测试，坏样例用于规则补丁，边界样例用于升级审批流程。案例库不是素材收集，而是下一次事故处理的地图。

2. 设置回滚阈值

不要等投诉才退。可设三类触发：连续失败达到既定次数、成本超过预算线、出现敏感操作越界。触发后自动降回草稿模式。

回滚规则草案：if 连续失败次数 >= 阈值 then 状态=草稿模式；if 当日成本超预算线 then 限制=仅允许查询；if 敏感操作越界 then 熔断=关闭工具白名单并通知业务、技术、安全负责人。

阈值可按团队基线调整。行业实践里，早期宁可阈值保守，先保住信任。

3. 明确值班和升级路径

Agent 不能替代最终责任人。每个自动动作必须知道：谁负责审核，谁负责处理客户问题，谁负责停用工具。若没有负责人，就不能把该动作放进自动通过。

三句话讲透

Agent 试点不是让模型更自由，而是让流程更清楚。

三张表把场景收口：任务准入表回答做不做，权限边界表回答碰什么，验收表回答怎么判。

七天七步把风险降下来：只读、异常压测、最小权限、人工复核、回退演练，最后才分级运行。

你可以把这篇转给业务、技术和运营三方。建议收藏，下次立项时直接对照填表。