《AI Agent 产品开发·任务定义与能力边界》序

为什么 Agent 产品需要一套独立的产品方法:技术书已经足够多,缺的是「这段工作该不该交给机器、交多少、怎么证明它做好了」这类判断。序里给出三个常见误解、本书的写法取舍,以及三个案例为什么要排成一条自主度阶梯;读完能判断手上的东西该不该按 Agent 产品来做。

过去两年,几乎每一个做产品的团队都在某个周会上问过同一个问题:我们要不要做一个 Agent?

提问的方式往往很具体——“能不能让模型直接帮客户改工单"“能不能让它自己把这份报告写完"“能不能让它盯着库存自动处理”。但回答很快会滑向两个极端:一边是"先做个 Demo 看看”,另一边是"等模型再强一点再说”。

两个极端都绕开了真正的问题。Demo 能回答"它能不能做",模型迭代能回答"它以后能不能做得更好",但没有人回答:这件事交出去以后,谁负责?

这本书想回答的就是这个问题。

一、Agent 不是更强的功能,是另一种责任分配

传统功能产品和 Agent 产品的差别,不在用不用模型,而在责任落在哪。

一个搜索框,责任在用户:输入什么、信不信结果、下一步做什么,都是用户的事。一个 Agent,责任被部分转移了:它替你决定看哪些数据、走哪几步、要不要动手。转移得越多,产品承诺就越重。

这意味着 Agent 产品经理每天要处理的问题,和功能产品经理不是同一类:

  • 不是"这个功能做不做",而是"这段工作的哪一部分可以离开人";
  • 不是"准确率够不够高",而是"错到什么程度、错哪一类,用户还能接受";
  • 不是"怎么让体验更顺",而是"用户怎么在它做错之前叫停";
  • 不是"上线后看留存",而是"放到多大比例会出事"。

这些问题在站内已有的三套书里都没有被正面回答。它们分别回答的是另外三个问题:

已有书稿回答的问题
《AI Agent 开发》三卷怎么把 Agent 引擎写出来、跑在生产上
《互联网产品的 AI 架构》四卷怎么把它接进后端架构、编排与治理
《AI 产品的商业化》三卷怎么定价、算成本、走渠道

三套加起来,能造、能跑、能卖。但"该不该做、给谁做、交多少、怎么证明它做好了"仍然空着。这本书补的就是这一段。

二、三个常见误解

误解一:把能力当产品

“我们的模型能处理 95% 的客服问题。“这句话描述的是能力,不是产品。产品要回答的是:这 95% 之后,剩下 5% 怎么办?用户怎么知道自己是 95% 还是 5%?出错了找谁?

一个能演示的能力和一个能接手的工作,中间隔着三件事:可验收、可接管、可退出。缺任何一件,它都只是功能,不是产品。

误解二:把准确率当验收

准确率是模型指标,不是产品指标。90% 的准确率,在一个每天处理 26,400 单的分诊场景里,意味着每天 2,640 单可能是错的——如果用户无法快速识别并纠正这 2,640 单,准确率再高也没有意义。

产品真正要盯的是另外三个数:接管率(多少单人接回来了)、返工率(接回来之后要重做多少)、人机耗时比(人和机器加起来,比纯人工省了多少)。这三个数才决定它值不值得继续做。

误解三:把自动化当目标

“自动化率越高越好"是一个危险的默认值。自主度有四个档位——建议、草稿、审批、执行——档位不是能力等级,是责任等级。一个任务适合执行档,不代表它应该被放到执行档。

本书的案例 A 就是反例:按四维打分它够得上审批档,团队仍然把它留在建议档。理由不在技术,在组织——分诊错误会影响对客户的 SLA 承诺,团队不接受一个无人确认的分诊结论。产品经理的活,是把这个"为什么降档"讲清楚,而不是拿分数去压人。

三、本书的写法

三个案例,一条阶梯

全书只用三个案例,它们不是三个行业,而是同一把尺子上的三档:

案例产品自主档
A Relay客服工单分诊建议:机器给建议,人确认
B Quill客户报告起草草稿:机器出稿,人审改发布
C Runner运营任务执行执行:机器自动跑,人事后审计

三家的任务量、工时、成本全部落在同一张事实表里(附录 B),任何一个章节的结论都能被复算。这是本书和"经验分享型"产品书最大的区别:你不需要相信作者,你可以自己算。

每节一个可运行模型

正文不写 Agent 实现代码——那是《AI Agent 开发》三卷的事。本书的代码块都在做另一件事:把产品判断变成可执行的检查。

比如"这个任务值不值得做"会变成一个五维打分函数;“它该定到哪一档"会变成一个四维评级模型;“能放量到多少"会变成一条带阈值的曲线。你可以把三个案例的数字换成自己的,跑一遍,看结论变不变。

不写什么

  • 不写模型选型、提示词工程、工具调用的实现细节;
  • 不写网关、路由、队列、可观测这些后端架构;
  • 不写定价结构、毛利模型、渠道分成。

这三块站内都有专门的书,本书只在需要时给出结论并链接过去。重复写一遍,对读者没有增量。

四、一个判断

如果这本书只能留下一句话,我希望是这一句:

产品经理的工作不是让机器更聪明,而是决定它承担到哪一步。

更聪明的模型每年都会有。但"这一步交给它、下一步留给人、出问题谁兜底"的判断,不会因为模型变强而自动出现。它需要被写下来、被评审、被演练,才能在压力来的时候站得住。

三卷分别处理这件事的三个阶段:定义(交什么)、信任(怎么让人敢用)、规模化(怎么变成组织能力)。

从下一章开始。

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