Agent 试点项目两周内应该交付什么

先说结论。

两周 Agent 试点不应该承诺交付完整生产系统。合理目标是把一个候选流程变成可验证对象：流程边界清楚，有真实样本，有能旁路运行的原型，有人工审核，有失败记录，也有是否进入下一阶段的结论。

适合谁与不适合谁

这套交付适合已有明确业务流程、能提供去敏样本和业务审核人的团队。不适合还在寻找业务方向，或希望两周内替换核心系统的项目。时长：两周；周期为 14 天，其中 10 个工作日。 周末默认不安排正式交付，只允许系统在已批准的旁路环境中自然积累观察结果。数据、权限或审核人未到位时，应缩小范围或暂停，不以加班掩盖前置条件缺失。

第一份交付是问题定义，不是产品截图

项目启动时要写清业务目标、原流程、责任角色、当前痛点和试点边界。目标应描述流程变化，例如减少重复录入、提前发现缺失信息、为审核人准备上下文，而不是“建设智能 Agent”。

同时列出不做事项：不自动付款、不对外承诺、不修改关键权限、不覆盖人工原始记录。边界写得越具体，后面的原型越容易验收。

交付物是一页试点 brief，业务负责人和技术负责人都确认。

流程图必须画出判断、动作和责任人

流程图不能只有“输入—Agent—输出”。至少要标出数据来源、确定规则、模型判断、工具调用、人工审批、错误分支和最终写回。

每个节点回答三件事：谁负责，输入是什么，失败后去哪。若一个步骤无法归属角色，就还不适合自动化。

交付物包括原流程图和试点流程图。两张图并排，才能看出试点究竟改变了哪一步，又新增了什么控制成本。

样本集决定试点是否接近真实业务

演示数据通常字段齐全、表达清楚，不能代表真实输入。两周试点应收集一批经过授权和去敏的历史样本，覆盖正常、缺失、重复、冲突、超长和敏感输入。

样本数量不预设通用标准，应按流程频率和分支核验。关键是每种常见情况都有代表，并由业务人员写出期望处理方式。

交付物是样本清单、字段说明、使用边界和基准结果。没有业务标注的样本，只是一堆输入。

原型要能旁路运行和人工审核

第一版原型可以读取真实输入，但默认把结果送到审核队列，不直接执行高风险动作。原型至少展示来源、模型输出、缺失信息、拟执行动作和审核选项。

技术实现可以简单，但状态要完整：成功、待补充、待审批、失败、降级人工。只展示成功路径，会把真正的项目难点推到下一阶段。

交付物是可运行原型、配置说明、流程版本和已知限制，而不是一段录屏。

评估要同时看质量、流程和风险

质量层看摘要、分类或建议是否符合业务标准；流程层看审核人是否更快、修改是否集中在某类问题；风险层看越权、敏感信息、错误写回和不可恢复动作是否被拦截。

不要只报“成功率”。要列出样本分布、通过、修改、退回、无法判断和系统失败，并解释口径。若没有可靠数据，就给出观察记录和待补验证，不编造比例。

交付物是一份评估表和错误分类，不是单一分数。

风险清单要对应具体控制措施

风险至少覆盖数据权限、提示注入、模型幻觉、工具权限、外部系统失败、人工审批、日志隐私和成本上限。

每项风险写触发场景、影响、预防措施、发现方式和恢复动作。例如 CRM 写回超时，要先查询写入状态再决定重试，避免重复记录。

交付物是风险登记表，并标注哪些风险两周内已控制，哪些需要生产阶段继续处理。

两周节奏应围绕证据递进

按工作日编号：工作日 1 至 2 完成访谈、原流程和边界；工作日 3 至 4 整理样本与验收规则；工作日 5 至 7 搭主路径、审核和日志；工作日 8 跑内部样本并修复阻断问题；工作日 9 做小范围旁路试用；工作日 10 复盘并给出下一阶段建议。两个周末不安排访谈、开发或验收；若旁路运行已获批准，可保留输入与失败日志，等下一个工作日统一复核。

这个节奏不是固定工期承诺。数据无法按时提供、接口权限未开或审核人缺席时，应调整范围，而不是用演示数据掩盖阻塞。

常见失败是把两周当成压缩版生产项目

试点还需要明确退出方式。项目结束时，测试账号、临时密钥、样本副本和外部连接如何清理；原型继续保留时，谁承担费用和访问责任；决定不继续时，客户能拿走哪些文档与评估材料。这些内容不复杂，却能防止“试点结束、临时系统一直运行”。

如果进入生产，交接材料要指出哪些组件只是验证实现，不能直接扩容。特别是本地脚本、共享账号、手工配置和模拟审批，都应列入生产阶段待替换清单。

需求没有收口，却同时接多个系统；为了演示流畅，隐藏错误分支；把业务人员临时口头反馈当验收标准；没有留下版本、日志和样本；试点结束只给代码，不给是否继续的判断。

另一个误区是把“未进入生产”视为失败。若试点证明输入质量不足、错误成本过高或普通规则就能解决，这也是有价值的结论。

验收时应该拿到七项材料

1. 一页试点 brief 与不做清单。
2. 原流程图和试点流程图。
3. 去敏样本集与业务标注规则。
4. 可旁路运行、可审核的原型。
5. 任务、工具、状态和审批日志。
6. 评估结果、失败分类与风险清单。
7. 停止、继续或换方案的下一阶段建议。

FAQ

两周能不能直接上线？ 默认不能。只有低风险、可逆、无敏感写入的流程，且安全、运维与业务验收都通过后，才可能进入受控发布。

没有历史样本怎么办？ 先把采集与标注初版样本作为交付，不用演示数据声称业务有效。

原型代码是否属于最终交付？ 应在启动前写清。无论源码如何约定，流程图、样本口径、评估记录、风险与下一阶段建议都应可交接。

谁来判断试点是否继续？ 业务负责人、技术负责人和风险责任人依据同一份评估材料共同决定，原型开发者不能单独宣布成功。

交付团队的可信边界

服务方需要展示的是可复核过程：需求版本、样本来源、失败记录、代码与配置说明，而不是一段剪辑后的成功录屏。涉及客户系统、数据或专业判断的结论，必须由客户对应责任人批准。

自然的下一步不是立即扩到全公司，而是根据证据选择：停止、补数据后重试、进入受控生产，或改用确定工作流。两周试点的价值，正是让这个决定不再靠演示印象。