AI PRACTICE

智能体企业落地实战:工作流与自主执行怎么选

《智能体企业落地实战》系列第2篇。

客户问“这批货为什么还没到”,系统需要查询订单和物流。若物流明确显示延误,按约定回复预计送达时间即可;若订单、仓库和承运商的记录互相矛盾,就要继续查找原因。同样一句客户提问,背后可能是两种完全不同的工作。

这正是企业选择智能体时容易忽略的区别:哪些步骤可以提前写清,哪些步骤必须根据查到的情况临时决定。

Anthropic 工程师 Barry Zhang 在 AI Engineer Summit 2025 的演讲,提供了一个有用的判断方法。官方逐字稿 把任务价值、复杂程度和错误风险放在一起考虑。演讲视频于 2025 年 4 月发布;他与 Erik S. 合著的《Building effective agents》 则发表于 2024 年 12 月。它们是经典资料,今天仍可用于审视企业的立项方案。

任务步骤能够预先确定时可采用工作流,需要依据调查结果决定下一步时才考虑自主执行。

固定步骤的任务,工作流通常已经够用

工作流与智能体都可以调用模型和工具。区别在于,前者由程序安排步骤,后者让模型根据执行结果选择下一步。

以订单回复为设计示例。如果查询条件明确,回复模板稳定,异常类型也能提前列出,工作流可以完成查询、分类和生成草稿。模型负责理解客户表达,程序负责调用顺序,客服确认后发送。

这种安排便于检查某一步为什么失败,也容易限制查询次数。重复量大的任务,尤其需要控制单次处理的开销。把所有订单都交给模型反复调查,会增加不必要的等待和调用费用。

业务人员能列出稳定路径时,可以从这条路径开始。偶尔遇到例外,就转给人处理。企业没有必要为了少数异常,让全部常规订单都走更复杂的执行方式。

需要调查的异常,才有自主执行的空间

换一种情况:客户说没有收到货,物流显示已签收,仓库却保留了改地址记录。下一步该查签收凭证、地址变更时间,还是联系承运商,取决于前一次查询发现了什么。

这类任务有探索过程。模型可以提出查询、读取结果、调整调查方向,再把证据整理成处理建议。智能体的作用由此变得具体:减少业务人员在不同记录之间查找和比对的工作。

但“处理订单异常”仍然太宽。第一版可以只覆盖签收争议,允许查询与整理材料,交付一份注明矛盾点和待确认事项的调查单。退款、补发和赔偿继续由原有业务流程审批。

这里的划分依据是实际权限和任务难度。调查做得好,不代表它已经能决定赔偿;草稿写得清楚,也不代表它有权向客户承诺赔偿方案。

签收争议的调查会随查询结果改变方向,涉及退款和赔偿的决定仍交由业务审批。

错误能否被发现,会影响授权范围

一个任务很费时间,并不足以证明适合自主执行。还需要判断模型能否完成其中的关键操作,以及业务人员能否核对结果。

如果签收凭证读错了,后续调查可能一直沿着错误地址推进。此时可以让人确认凭证中的收件信息,再把确认后的字段交给智能体继续查。把关键能力不足的环节缩小范围,比增加一串“务必准确”的提示更有帮助。

Barry 在演讲中同时讨论了错误的后果和发现错误的难度。编码适合尝试智能体,一个原因是有测试和持续集成帮助验证;这也不意味着测试通过就能省去人工审查。

企业可以据此设计自己的核对办法。订单调查单里的每个判断,应能指向具体记录;无法确认的签收人身份,应保留为待核实项。如果团队连依据都找不到,就难以判断调查是否完成,更不宜直接执行后续动作。

授权时既要判断错误后果,也要判断错误能否被及时发现,缺乏核对依据的任务应缩小范围。

第一版要能查到结果,也要能停止

Barry 用环境、工具和系统提示概括智能体的基本构成。对企业而言,可以把它理解为:在哪里工作、能够做哪些操作、遵守什么任务要求。

这是一套执行循环的起点。生产使用还需要业务系统提供身份、权限和操作记录。订单智能体应在指定订单范围内查询,知道交付物是什么,并能收到查询失败、权限不足或材料冲突的反馈。

终止条件尤其要明确。找到可核对的原因,可以交出调查单;证据矛盾且无权继续查询,可以提交待人工处理的材料。不能把“继续努力”写成唯一要求,让它反复调用同一查询。

任务的调用次数、等待时长和可操作范围,也应由程序限制。模型可以提出下一步,执行系统负责检查是否允许。一个简洁的方案,同样可以有严格的业务约束。

模型依据工具反馈继续调查,系统检查权限与执行限额,并在完成或受阻时结束任务。

复杂功能应有明确的加入理由

基础调查能够完成以后,再看哪里耗时。互不依赖的查询可以并行;重复读取的材料可以考虑缓存;进度页面可以显示已经取得哪些证据、还缺什么。

这些改动都需要对应实际问题。地址变更记录有更新时,缓存旧结果就可能误导调查;查询存在先后依赖时,并行并不会解决问题。多加功能之前,应说明它改善了哪个具体环节。

Anthropic 在2026 年 4 月的工程说明 中也提醒,围绕旧模型短板设计的执行安排,可能随着模型进步失去作用。这对企业的启示是定期检查现有做法,而非永久累加复杂度。

立项时,可以选一类真实异常,写清常规处理路径和需要调查的分支,再与当前人工做法比较。若工作流已能稳定处理,就保留工作流;需要临时判断、结果有价值且能够核对的部分,再交给智能体。

把自主执行留给复杂任务,并为这些任务保留可核对的结果和明确的执行边界。

并行、缓存和进度展示分别解决不同问题,只有能够解释具体收益的功能才值得加入。

信息和工具如何设计,见智能体做错了,问题可能出在信息和工具 。可信金科提供垂类智能体开发与业务系统集成服务 ,可结合具体任务评估实施范围。


系列阅读:系列目录 · 上一篇:企业经营问答怎么接入业务 · 下一篇:把智能体接进业务流程

业务咨询

文中涉及的征信监管改造与 AI 智能体落地问题,可通过邮件或微信与我们联系。

fuyuanhui@kexinjinke.com

邮件咨询
微信咨询二维码
微信扫码 · 详细沟通产品方案