场景智能体定制：从需求定义到业务落地

场景智能体定制的起点，是业务团队正在解决的真实问题：哪些任务反复消耗时间，哪些环节依赖经验，哪些信息分散在多个系统，哪些流程容易遗漏或延迟。

如果需求只表达为“做一个智能助手”，项目往往会停留在演示阶段。有效的需求应具体到角色、任务、输入、动作和结果，例如“帮助销售人员整理客户背景并生成可核验的拜访准备材料”。

FDE 强调技术团队进入业务现场，与一线人员共同观察流程、理解约束并快速验证。场景发现阶段需要访谈业务负责人和实际操作者，梳理当前流程、系统触点、数据来源、异常情况与责任边界。

这一阶段的核心产出不是功能清单，而是一张任务地图：哪些步骤可以自动完成，哪些步骤适合辅助，哪些必须由人决策，以及每一步成功的判定标准。

智能体需要将自然语言目标转化为稳定流程。团队应明确任务触发条件、必要上下文、工具调用顺序、分支规则、失败重试、人工确认和最终输出。

复杂任务不宜一次性交给模型自由规划。更稳妥的方式是将关键步骤固化为工作流，在允许探索的环节使用模型判断，并为高风险动作设置明确的权限和确认机制。

一个可落地的原型应尽早连接真实数据和至少一个真实业务工具，而不是长期使用模拟内容。知识库解决“知道什么”，工具接口解决“能够做什么”，权限与审计则决定“可以做到什么程度”。

最小闭环可以很小：读取一类数据、完成一个判断、生成一个结果并由业务人员确认。只要闭环真实，就能暴露数据质量、系统接口和流程责任中的关键问题。

场景智能体的验收不能只看几次现场演示。需要建立代表真实业务分布的测试任务，覆盖正常情况、边界条件、数据缺失、权限不足和工具异常。

• 任务结果：是否完成目标，输出是否可直接使用。
• 过程质量：步骤是否正确，工具调用是否稳定。
• 安全边界：是否出现越权、泄露或未经确认的操作。
• 用户体验：业务人员是否理解状态、原因与下一步。
• 运营效率：节省多少重复工作，人工接管发生在哪里。

业务流程、数据和模型都会变化，智能体必须具备持续运营机制。团队需要监控任务成功率、失败原因、用户反馈、知识版本和工具接口状态，并定期更新测试集与规则。

成熟的交付不是把一个智能体“交出去”，而是共同建立一套可持续迭代的能力：业务团队能够提出可验证的改进目标，技术团队能够快速定位问题，组织能够清楚掌握智能体的权限与影响范围。

首个场景验证成功后，应沉淀可复用的身份权限、数据连接、工具组件、评估体系和运营规范。后续场景可以在同一底座上组合能力，而不必重新搭建全部基础设施。

场景智能体定制的价值，不只在于完成一个项目，更在于帮助企业形成发现场景、构建智能体、验证价值和持续演进的方法。