让 AI 真的能干活，
不只是会聊天

一、什么情况下该做智能体（以及什么情况下不该）

先说判断标准，因为大部分「想做个 AI 助手」的需求，其实不需要智能体：流程里有没有「需要临场判断、再决定下一步动作」的环节。有，才值得做智能体；没有，用固定工作流或脚本，更便宜也更稳。下面四类是我实际见过最容易跑通的。

• 售后与技术支持——制造、家电、机械装备行业最常见。客户问故障，智能体要查产品型号参数、查历史工单、查备件库存，再给出排查步骤；查不到就明确说查不到并转人工，不能编。这类场景文档存量大、答案有原文可依，效果最容易量化。
• 合同、报价与单证的处理——贸易、货代、工程类企业。智能体读取合同或询价单，抽出关键条款和金额，比对内部价格表，标出异常项，人只审被标出来的部分。规则明确、错误代价高，是最适合「AI 初筛 + 人工终审」的组合。
• 跨系统的数据搬运与填单——ERP 出一个数、OA 走一道流程、再填进另一张表，这种活最耗人且最容易出错。智能体在这里充当操作代理：按人话指令去查、去填、去提交，每一步留痕，人随时可以中断。
• 知识型岗位的副驾——工艺、质检、售后工程师的经验散在 Word、Excel 和微信群里。做成可检索、能引用原文的问答（RAG，见 私有化部署 与首页能力说明），新人上手时间能明显缩短。

不该做的三种情况：流程每天都一样、顺序固定（用工作流）；数据还没数字化、连稳定输入都没有（先做流程数字化）；指望 AI 直接对外答复客户且无人复核（风险不可控）。这三种我一般会劝退，省下的钱比我能赚的多。

二、智能体真正难的地方，不在模型

接个大模型 API 跑通 demo 是一天的事，能不能上生产，差别全在下面四层。这也是判断一个开发者是不是真做过项目的分水岭。

• 工具治理——工具怎么注册、怎么让模型看懂（名称和参数描述写得像人话）、权限怎么分层（读文件、写文件、删数据是三个等级）、凭证怎么注入而不泄漏。工具越多越乱，必须有注册表和调用约束，否则模型会乱调。
• 上下文工程——多轮对话状态怎么存、长会话怎么压缩、每轮 token 预算怎么切。同一个模型，上下文组织得好与差，回答质量差一个档次，而且直接决定你的 API 账单。
• 评测与安全——一套 50 题的真实业务回归集，改一次跑一次；输入输出双向过滤（命中拦截、留痕可查）；工具调用全程审计。这一层没有酷炫的 demo，但它是客户愿意付钱的理由。
• 工程底座——流式输出要逐字上屏、断线要能重连、并发要限流、失败了要能重试幂等。做过传统后端的人这一层是存量优势，纯写提示词的人在这一层会卡死。

三、交付流程（以单点场景为例）

• 第 0 周 · 场景确认：一次 1 小时的线上或上门沟通，把流程、参与人、现有系统、数据来源过一遍。产出：这个场景该不该做、边界在哪、大概多少钱。这一步不收费，判断不成立我会直接说。
• 第 1 周 · 原型：用你的真实数据（脱敏）跑一个能点的原型，把工具接上，验证「模型能不能稳定选对工具」。原型不过关就调方案，不硬着头皮往后做。
• 第 2-3 周 · 联调与加固：接真实系统接口、加权限分层与审计日志、补异常处理（接口超时、返回为空、参数越界）。同时建立评测集，跑出基线分数。
• 第 4 周 · 上线与交接：部署到你的环境（含内网），培训使用与日常维护，交文档。上线后 1 个月免费修 bug。

四、你会拿到什么（交付物清单）

• 完整源码：前后端 + 智能体编排逻辑，无加密、无授权锁，可自行二次开发或交给其他团队维护。
• 部署包与脚本：Docker 镜像或离线安装包、环境变量模板、一键启动脚本，内网环境可直接部署。
• 接口文档：智能体对外接口、工具清单与入参出参、错误码。前端或第三方要对接时不用来问我。
• 评测集与基线报告：50 题真实业务问答（含边界与恶意输入）、当前得分、已知失败类型。以后每次改动都有对照。
• 运维手册：日志在哪看、模型怎么换、工具怎么加、常见故障怎么排查、如何回滚到上一版本。
• 一次培训：给实际使用的人和 IT 各讲一遍，前者学怎么用、后者学怎么维护，录屏留档。

五、我不接什么

写清楚边界，对双方都省时间。

• 不承诺「上线就有客户」。智能体是效率工具，不是获客工具；把它当流量生意做，一定会失望。
• 不做换皮套壳的「AI 聊天站」。套个界面接个 API 就交付的东西，你自己买账号也能做，找我属于浪费钱。
• 不做没有验收标准的「先做做看」。没有可量化的验收条件，双方最后一定扯皮；我宁愿不接。
• 不做数据抓取类需求（爬竞品、抓平台数据）。合规风险由使用方承担，我不参与。
• 不做无人复核的对外自动答复。面向客户的自动回复必须有兜底与人工入口，这是底线。

六、报价与工期

与首页价目一致，不另设门槛；报价为区间不是固定价，最终按场景复杂度定。

报价不含发票税点与第三方模型 API 费用（按实际用量，通常每月几十到几百元；高频场景会单独测算）。走对公合同，按里程碑付款。

七、四个真实会被踩到的坑

• 把 demo 当验收：20 条测试数据上跑通，不代表 2,000 条真实数据能跑通。上线前必须用真实数据跑评测集，否则第一次上线就是第一次翻车。
• 没有评测集：改了提示词或换了个模型，昨天好的今天坏了，却不知道是哪一处退化的。没有基线，优化全靠感觉。
• 权限一刀切：给智能体一个什么都能干的账号，等于把数据库钥匙挂在门口。读、写、删必须分开授权，删除类动作人工确认。
• 忽略长会话成本：对话越久上下文越长，token 费用线性上涨甚至超预期。摘要压缩和上下文裁剪要在第一版就设计，不能等账单来了再改。

常见问题