企业智能体从演示走向业务现场：一套可运行的生产化框架

演示证明“能做”，生产需要证明“持续做对”

演示环境通常拥有干净问题、固定知识和熟悉流程的人。生产环境恰好相反：输入不完整、数据随时变化、工具可能超时，用户还会把一句模糊指令当成完整任务。模型在演示里给出一次好答案，并不能说明系统能够每天稳定完成同类工作。

生产化的关键判断，是系统面对不确定输入时是否仍能维持边界。它需要知道缺什么信息、何时拒绝、何时询问、何时转人工，以及失败后如何恢复。企业真正购买的不是一次生成结果，而是可预测的任务完成能力。

用任务契约替代“做一个智能助手”

一个可运营场景应写成任务契约：谁在什么条件下触发，必须取得哪些上下文，可以使用哪些知识和工具，输出满足什么标准，以及哪些情况必须升级。任务契约把产品需求、权限设计和测试用例连接在同一对象上。

例如“协助销售准备客户会议”不是完整任务。“在 CRM 商机进入方案阶段后，基于已授权的客户资料和产品知识生成会议简报；缺少关键字段时列出问题；任何对外发送均由客户经理确认”才具备实现与验收条件。

• 触发条件与任务所有者
• 输入、数据来源与新鲜度要求
• 允许的工具、动作和调用预算
• 完成标准、拒绝条件与人工升级路径

把身份、知识和工具放进同一条执行链

检索增强并不会自动带来企业级安全。智能体查询知识时必须继承当前用户的身份、组织和数据范围；引用不仅要能跳回来源，还要记录文档版本与检索时间。否则同一句问题可能在不同权限下泄露不该出现的答案。

工具调用需要通过受控适配层，而不是把内部 API 原样交给模型。适配层负责参数校验、幂等、超时、重试、速率限制和审计。读取客户状态、建议库存调拨、真正创建调拨单，是三个风险完全不同的动作。

按动作风险配置人工闸门

“有人在环”不应等于所有结果都由人重做一遍。低风险查询可以自动完成并保留来源；中风险建议需要岗位人员确认；高风险执行则应展示即将改变的对象、影响范围和回滚方式，并使用明确的二次确认。

人工确认也需要被记录为产品数据。团队应观察哪些建议经常被修改、哪些字段导致犹豫、哪些确认只是机械点击。成熟之后，低风险且高一致性的步骤可以逐步自动化，而不是一开始就追求端到端无人值守。

评测必须覆盖结果、过程和业务影响

离线评测集应来自真实任务和失败样本，覆盖正常、边界与对抗输入。除了答案正确性，还要检查引用是否支持结论、工具是否选对、参数是否完整、拒绝是否合理、过程是否超出预算。单一平均分会掩盖高风险少数场景。

线上指标需要与业务结果连接：任务完成率、人工修改率、升级率、端到端耗时、单任务成本，以及最终是否被采用。只有模型指标和经营指标同时可见，团队才能分辨“回答更像人”与“流程真的更好”。

把上线后的责任机制设计在上线之前

每个生产智能体至少需要四类所有者：业务负责人定义完成标准，知识负责人维护来源，技术负责人管理模型与工具，风险负责人审批边界变化。责任可以由同一人兼任，但不能缺席。

更稳妥的推进方式是分阶段扩大边界：前 30 天只读并积累评测样本；中间 30 天加入受控建议；后 30 天开放少量可回滚动作。每一次能力扩展都必须以回归评测和故障复盘为依据。