《AI Agent 产品开发·任务定义与能力边界》13.1 三案例任务定义基线

卷一收口先把三案例压成一张基线表:任务量、档位、原人工、Agent 后人工、人机总耗时、压缩率、节省率与月成本。本节逐行解释每个数字的来源,说明三条压缩率与三个节省率为什么不是同一组数,并给出可复算、可对账的 TypeScript 基线模型。

以下人物、公司与数字均为教学假设,不构成对任何真实产品的评价。

卷一一共回答了三个问题:它是不是 Agent、它承担到哪一步、它的任务该怎么量。前两个问题分别落在四条分界线与自主度定档上,第三个问题落在任务规格、接管成本和度量口径上。三章内容看起来分散,收口时要压成一张能带进评审会的表。

这张表叫任务定义基线。它不描述功能,也不描述界面,只固定六个量:任务是什么、自主档是什么、原人工多久、Agent 后人工多久、人机总耗时多久、一个月省多少钱。六个量定死之后,后面的交互设计、试点放量和平台建设才有共同的参照系。

这一节先给基线表,再逐行解释 A Relay、B Quill、C Runner 的数字来源,最后说明一个最容易混的地方:压缩率和节省率不是同一组数。前者只比较人工时间,后者把系统成本与维护摊销也算进分母。

基线表长什么样

基线表有十个字段,其中六个是核心量,四个是派生量。核心量必须来自任务事实,派生量必须能被公式复算。

字段含义来源
任务量每月处理多少个任务日量乘 22 个工作日
自主档建议、草稿、执行自主度定档与组织接受度
原人工一个任务原来要多少人工分钟人工基线
Agent 后人工人还需要多少分钟确认、审改、审计、转人工
人机总耗时人工加机器人工分钟加机器分钟
压缩率人工减少了多少(原人工 − 新人工) ÷ 原人工
节省率成本减少了多少(原人工成本 − 月总成本) ÷ 原人工成本
月总成本人工加系统加维护三笔分列后相加

三案例的完整基线如下。所有数字都能在案例事实表里找到原值或由原值算出。

案例档位月任务原人工新人工人机总耗时压缩率节省率月总成本月节省
A Relay建议26,4003.50 分钟0.75 分钟1.05 分钟78.6%75.0%11,548.834,651.2
B Quill草稿606252.00 分钟96.00 分钟107.00 分钟61.9%58.5%31,681.9244,674.08
C Runner执行13,20018.00 分钟4.04 分钟6.44 分钟77.6%73.7%31,214.487,585.6

这张表里最容易被误读的是最后四列。压缩率、节省率、月总成本、月节省看起来都是「结果」,实际上它们各自回答不同的问题:压缩率回答「人少花了多少时间」,节省率回答「钱少花了多少」,月总成本回答「现在一个月花多少」,月节省回答「一个月省多少绝对金额」。

逐行解释数字来源

A Relay 月工单 26,400 单,人工分诊基线 3.5 分钟,月人工 1,540 小时,成本 46,200 美元。Agent 介入后,人确认 0.75 分钟,机器 0.30 分钟,人机总耗时 1.05 分钟。月人工降到 330 小时,成本 9,900 美元;系统 448.8 美元,维护 1,200 美元;月总成本 11,548.8 美元。压缩率 (3.5 − 0.75) ÷ 3.5 = 78.6%,节省率 (46,200 − 11,548.8) ÷ 46,200 = 75.0%。

B Quill 月报告 606 份,人工基线 4.2 小时(252 分钟),月人工 2,545.2 小时,成本 76,356 美元。Agent 生成 11 分钟,人审改 1.6 小时(96 分钟),人机总耗时 107 分钟。月人工降到 969.6 小时,成本 29,088 美元;系统 193.92 美元,维护 2,400 美元;月总成本 31,681.92 美元。压缩率 (252 − 96) ÷ 252 = 61.9%,节省率 (76,356 − 31,681.92) ÷ 76,356 = 58.5%。

C Runner 月任务 13,200 个,人工基线 18 分钟,月人工 3,960 小时,成本 118,800 美元。Agent 执行 2.4 分钟;人工是审计 0.96 分钟加转人工 3.08 分钟,共 4.04 分钟;人机总耗时 6.44 分钟。月人工降到 888.8 小时,成本 26,664 美元;系统 950.4 美元,维护 3,600 美元;月总成本 31,214.4 美元。压缩率 (18 − 4.04) ÷ 18 = 77.6%,节省率 (118,800 − 31,214.4) ÷ 118,800 = 73.7%。

三行的任务量级差异很大:26,400、606、13,200。基线表把它们并排放,是为了比较同一任务在 Agent 前后的变化,不是为了比较三个产品谁更值。跨案例做平均时必须说明权重,否则会得到 12.2 节里那个 57.57 分钟的简单平均。

压缩率与节省率不是同一组数

三组压缩率是 78.6%、61.9%、77.6%,三组节省率是 75.0%、58.5%、73.7%。它们看起来接近,但不是同一组数,差额来自系统成本与维护摊销。

案例压缩率节省率差额差额来源
A Relay78.6%75.0%3.6 个百分点系统 448.8 + 维护 1,200
B Quill61.9%58.5%3.4 个百分点系统 193.92 + 维护 2,400
C Runner77.6%73.7%3.8 个百分点系统 950.4 + 维护 3,600

差额的算法很直接:节省率的分母是原人工成本,分子是原人工成本减去月总成本;月总成本比新人工多了系统与维护两笔,所以节省率一定低于压缩率。A 的两笔是 1,648.8 美元,占原人工 46,200 的 3.6%;B 是 2,593.92 美元,占 76,356 的 3.4%;C 是 4,550.4 美元,占 118,800 的 3.8 个百分点。

这个差看似很小,但方向很重要。压缩率永远大于或等于节省率,因为成本里多了系统与维护。如果某份汇报里节省率高于压缩率,只有两种可能:原人工成本算错了,或者系统与维护被漏掉了。两种情况都需要回到基线表核对。

另一个常见混淆是把「人机总耗时」和「新人工」当成同一个数。A 是 1.05 对 0.75,B 是 107 对 96,C 是 6.44 对 4.04。人机总耗时用于回答「任务多快完成」,新人工用于回答「人花多少时间」;成本只能按新人工算,不能按人机总耗时算。

把基线表写成可复算的模型

下面的模型把三案例压成 BaselineRow,每一行包含核心量、派生量和月成本。压缩率与节省率分别计算,overheadBps 返回两者的差,也就是系统与维护占原人工成本的比例。

// file: src/metrics/13-1-case-baseline.ts
// tier: L2
// verify: node --test test/metrics/13-1-case-baseline.test.ts

// 卷一交付的基线表:任务、档位、人工基线、人机耗时、压缩率、节省率。
// 压缩率和节省率不是同一组数:前者只看人工,后者把系统与维护也算进成本。

import { CASES, HOUR_CENTS, type Autonomy, type Profile } from "../cases.ts";
import { add, format as formatMoney, sub, type Cents } from "../core/money.ts";
import { divide, formatBps } from "../core/rate.ts";

export type CaseKey = "A" | "B" | "C";

export type BaselineRow = {
  readonly key: CaseKey;
  readonly name: string;
  readonly autonomy: Autonomy;
  readonly monthlyTasks: number;
  readonly manualMinutes: number;
  readonly humanMinutes: number;
  readonly machineMinutes: number;
  readonly humanMachineMinutes: number;
  /** (原人工 − 新人工) ÷ 原人工 */
  readonly compressionBps: number;
  /** (原人工成本 − 月总成本) ÷ 原人工成本 */
  readonly savingBps: number;
  readonly monthlyTotalCents: Cents;
  readonly monthlySavingCents: Cents;
};

export function humanMachineMinutes(profile: Profile): number {
  return profile.humanMinutes + profile.machineMinutes;
}

export function compressionBps(profile: Profile): number {
  return divide(profile.manualMinutes - profile.humanMinutes, profile.manualMinutes);
}

export function monthlyTotalCents(profile: Profile): Cents {
  const humanHours = (profile.monthlyTasks * profile.humanMinutes) / 60;
  const humanCents = Math.round(humanHours * HOUR_CENTS);
  const systemCents = Math.round(
    profile.monthlyTasks * (profile.modelCents + profile.infraCents),
  );
  return add(add(humanCents, systemCents), profile.maintenanceCents);
}

export function baselineCostCents(profile: Profile): Cents {
  const hours = (profile.monthlyTasks * profile.manualMinutes) / 60;
  return Math.round(hours * HOUR_CENTS);
}

export function baselineRow(profile: Profile): BaselineRow {
  const total = monthlyTotalCents(profile);
  const baseline = baselineCostCents(profile);
  const saving = sub(baseline, total);
  return {
    key: profile.key,
    name: profile.name,
    autonomy: profile.autonomy,
    monthlyTasks: profile.monthlyTasks,
    manualMinutes: profile.manualMinutes,
    humanMinutes: profile.humanMinutes,
    machineMinutes: profile.machineMinutes,
    humanMachineMinutes: humanMachineMinutes(profile),
    compressionBps: compressionBps(profile),
    savingBps: divide(saving, baseline),
    monthlyTotalCents: total,
    monthlySavingCents: saving,
  };
}

export function baselineTable(): readonly BaselineRow[] {
  return CASES.map(baselineRow);
}

// 两个比率之间的差就是系统成本加维护摊销占原人工成本的比例。
export function overheadBps(row: BaselineRow): number {
  return row.compressionBps - row.savingBps;
}

export function ratiosDiffer(row: BaselineRow): boolean {
  return Math.abs(row.compressionBps - row.savingBps) >= 100;
}

export function formatBaselineRow(row: BaselineRow): string {
  return [
    row.key,
    row.autonomy,
    `${row.monthlyTasks}`,
    `${row.manualMinutes.toFixed(2)} min`,
    `${row.humanMinutes.toFixed(2)} min`,
    `${row.humanMachineMinutes.toFixed(2)} min`,
    formatBps(row.compressionBps),
    formatBps(row.savingBps),
    formatMoney(row.monthlyTotalCents),
    formatMoney(row.monthlySavingCents),
  ].join(" | ");
}

export function formatBaselineTable(): string {
  const header = [
    "case",
    "autonomy",
    "tasks/month",
    "manual",
    "human",
    "human+machine",
    "compression",
    "saving",
    "total/month",
    "saved/month",
  ].join(" | ");
  return [header, ...baselineTable().map(formatBaselineRow)].join("\n");
}

baselineRow 只接收一个 Profile,所有派生量都从事实表里的原值算出。compressionBps 用原人工减新人工,再除以原人工;savingBps 用原人工成本减月总成本,再除以原人工成本。两个函数分开写,是为了让「压缩率高于节省率」成为一个结构性事实,而不是一句口头提醒。

monthlyTotalCents 把人工、系统、维护三笔分开加。人工按小时乘 3,000 美分,系统按任务量乘单任务模型与基础设施成本,维护直接取月摊销。三笔任何一笔改动,savingBps 都会变,compressionBps 不会变,因为它们用的分子不同。

overheadBps 返回两个比率的差。A 是 357 个基点,B 是 339 个基点,C 是 383 个基点。这个差就是系统与维护占原人工成本的比例,可以直接用来回答「为什么节省率低于压缩率」。

formatBaselineTable 输出一张十列的表,列的顺序和本节开头的表一致。它不负责判断哪一行更好,只负责把三行并排摆出来。评审会上要做的判断,是看某一行的人工基线是否可信、接管成本是否估过、节省率是否含转人工。

基线表怎么用

基线表不是汇报材料,是评审工具。它可以回答四类问题,每一类都对应一个后续动作。

问题看哪几列如果不对,下一步做什么
这个任务值得做吗原人工、月任务、月节省月节省覆盖不了维护,先别做
人真的轻松了吗新人工、人机总耗时新人工没降,说明接管成本被低估
账算得对吗压缩率、节省率、差额节省率高于压缩率,回查成本项
能放量吗档位、月任务、节省率执行档且节省率高,才进入放量评审

第一类问题最常被跳过。很多团队先做 Agent,再算节省;正确顺序是先看原人工乘月任务乘时薪能不能覆盖系统与维护。A 的原人工成本 46,200 美元,月总成本 11,548.8 美元,覆盖得很轻松;B 的覆盖倍数最低,因为它的月任务只有 606 份,维护摊销 2,400 美元占比更高。

第二类问题要看人机总耗时与新人工的差。A 的差是 0.30 分钟,B 是 11 分钟,C 是 2.40 分钟。差越大,机器在任务里占的时间越多,用户等待或系统吞吐就越需要注意。C 的机器时间 2.4 分钟不算长,但它是批量执行的,高峰期的队列延迟要单独评估。

第三类问题是审计动作。压缩率与节省率的差额必须能由系统与维护两笔解释;解释不了,说明还有一笔成本没列。第四类问题是放量门槛:执行档不等于可以全量,C 仍然要走影子、5%、20%、60% 的阶梯。

四类问题有先后顺序:先证明值得做,再证明人轻松了,然后证明账算对了,最后才讨论放量。
顺序反过来,团队会先花几个月做产品,再用一张事后拼出来的基线表证明它应该被做。

小结

  • 基线表固定六个量:任务、档位、原人工、新人工、人机总耗时、月成本。
  • A 的压缩率 78.6%、节省率 75.0%;B 是 61.9% 与 58.5%;C 是 77.6% 与 73.7%。
  • 压缩率永远大于或等于节省率,差额来自系统成本与维护摊销。
  • 差额分别是 3.6、3.4、3.8 个百分点,可以用三笔成本逐项解释。
  • 新人工用于算成本,人机总耗时用于算任务时长,两者不能互换。
  • 三案例任务量 26,400、606、13,200,跨案例平均必须说明权重。
  • 基线表先回答「值不值得做」,再回答「人是否轻松」,最后回答「能不能放量」。
  • 节省率高于压缩率只有两种可能:原人工算错,或系统与维护漏算。

阅读导航:上一节:12.3 aia-lab:三案例的度量口径与验算 · 下一节:13.2 15 项任务定义评审 。

常见错误与边界

  1. 把压缩率当成节省率。 A 的 78.6% 只比较人工时间,75.0% 才比较成本;差额 3.6 个百分点来自系统与维护。
  2. 把新人工当成人机总耗时。 A 的新人工是 0.75 分钟,人机总耗时是 1.05 分钟;前者算成本,后者算任务时长。
  3. 漏掉 C 的转人工。 C 的新人工是 4.04 分钟,不是 0.96 分钟;漏掉 3.08 分钟,压缩率会从 77.6% 虚高到 94.7%。
  4. 跨案例直接平均。 26,400、606、13,200 三个量级不能等权;简单平均会放大 B 的单份节省。
  5. 先做产品再算基线。 没有原人工与月任务,基线表无法回答「值不值得做」,只能事后证明「已经做了」。
  6. 把执行档当成全量许可。 C 是执行档,但仍要走影子运行与 5%、20%、60% 的放量阶梯;档位回答「能不能自动」,不回答「能放多少」。

基线表能证明数字自洽,但不能证明任务定义完整。下一节用 15 项评审逐项检查:哪些项有定义,哪些项还空着,三案例各差多少分。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图