《AI Agent 产品开发·交互、信任与上线》8.3 升级:什么时候该找人

升级不是多发一条通知,而是把任务交给一个必须接住的人。本节给出时间、严重度、无响应三条升级触发,说明为什么没有确认的升级等于没升级,用 A Relay、B Quill、C Runner 各一条规则做对照,并把升级计划写成一个可以校验的函数。

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。

通知预算解决「发多少」,渠道选择解决「从哪里发」,升级解决最后一个问题:发出去之后没有人接住怎么办。一条通知发到应用内,用户没看;发到邮件,被归档;发到 IM,被群消息淹没。这些都不是通知失败,而是升级失败。升级的本质不是「再发一次」,而是「换一个人,并且要求这个人确认接住」。

这一节的主判断是:升级必须有人接,没有确认的升级只是另一条通知。升级规则要写清三件事:什么时候升、升给谁、对方不接怎么办。三件事缺一件,升级就会停在某个渠道里,变成一个没有人负责的状态。

升级不是通知,是交接

通知和升级的区别,可以用一张表说清。

维度通知升级
目的让某人知道让某人接手
成功标准已送达已确认
失败后的动作重发或换渠道换人并提高级别
责任发送方接收方
结束条件消息发出有人处理或明确拒绝

这张表的关键是「责任转移」。通知发出后,责任还在发送方;升级被确认后,责任转移到接收方。没有确认的升级,责任仍然在发送方,但发送方以为已经交出去了,于是两边都不处理。这是升级设计里最危险的状态:任务看起来有人管,实际上没有人管。

A Relay 的 P1 工单最容易出现这个问题。Agent 在侧栏给出建议,人没有确认,系统以为「已经通知过了」,工单继续等。A 的平均确认时长是 45 秒,如果 10 分钟还没有确认,这不是正常波动,而是有人漏看了。升级规则必须在这一刻介入。

三条升级触发:时间、严重度、无响应

升级触发可以归成三类,每一类回答一个不同的问题。

触发回答的问题例子风险
时间这件事等了多久P1 建议 10 分钟未确认等待被当成正常
严重度这件事错下去会怎样客户报告里的数字错了严重错误被时间规则漏掉
无响应接住的人有没有动组长确认后 20 分钟无进展确认了但没处理

时间触发适合「人已经在流程里,但可能漏看」的场景。A 的 P1 工单属于这一类:人就在工单页,确认只需要 45 秒;10 分钟没确认,说明他不在、漏看或被别的事挡住了。时间阈值不能拍脑袋,要相对于正常处理时间来定:A 的平均确认是 45 秒,10 分钟是平均值的 13 倍,足够区分「慢」和「漏」。

严重度触发适合「错误代价高,不能等」的场景。B 的报告里出现影响客户数字的事实错误,属于这一类:B 的事实错误率是 4.6%,按 606 份报告算约 27.9 份/月;这个比例不算高,但每一份都可能影响客户信任。严重度触发不看等了多久,它看「错下去会怎样」,所以可以立即升级。

无响应触发适合「人已经确认,但没有进展」的场景。确认不等于处理;一个人可能点了「收到」,然后被另一个会议拉走。C 的不可回滚动作属于这一类:值班确认后 5 分钟没有动作,就要升级到运营经理,因为已经发出的客户通知不会等人。

三类触发不是互斥的,一个事件可以同时命中多条。实现时要按「严重度 → 时间 → 无响应」的顺序判断:严重度优先,因为它不依赖等待;时间其次,因为它能发现漏看;无响应最后,因为它只在前两步都没触发时才有意义。

升级必须有人接

升级规则里最重要的字段不是「发给谁」,而是「怎么确认接住」。一个没有确认机制的升级,和一条普通通知没有区别。

确认机制至少包含三件事:

  1. 明确的接收人。 不是「运营团队」,不是「值班群」,而是一个具体的人或一个明确的值班角色。
  2. 确认动作。 接收人必须点「我接手」或回复确认,系统才把责任转移过去。
  3. 再次升级的超时。 接收人确认后多久没有进展,就升到下一级;下一级也要有人接。
级别接收人确认方式不确认的后果
1值班组长工单系统点「接手」20 分钟后升到支持经理
2支持经理工单系统点「接手」进入事故响应流程
3事故响应负责人电话确认记录为升级失败,进入复盘

这张表里没有「发到群里」。群不是接收人,群是一组可能看到也可能没看到的人。把升级发到群里,等于把责任分散给所有人,最后没有人负责。

升级还必须有一个「备用人」。接收人请假、离职、手机没电,都是现实;没有备用人,升级链在第二跳就断了。备用人的级别不能低于接收人,否则升级会降级。

三个案例各一条规则

三个案例的升级规则不同,因为它们的错误结构和时间结构不同。

A Relay:时间触发。 P1 建议 10 分钟未被确认,升级到值班组长;组长确认后 20 分钟无进展,升级到支持经理。A 的平均确认是 45 秒,10 分钟是平均值的 13 倍;这个阈值足够宽,不会因为正常波动误报,也足够窄,不会让 P1 在队列里躺半小时。A 的特殊性是:严重度不单独触发升级,因为人已经在决策链上,P1 的严重度由工单系统原有的 SLA 规则处理;Agent 再加一条严重度触发,会和工单系统打架。

B Quill:严重度触发。 复核发现影响客户数字的事实错误,立即升级到项目负责人;负责人 30 分钟未处理,升级到合伙人。B 的事实错误率是 4.6%,按 606 份报告算约 27.9 份/月;这个数字说明事实错误不是偶发事件,必须有固定的升级路径,而不是每次临时找人。B 的一次采纳率是 63%,小改率 28%,返工率 9%;返工档的审改时长是 3.0 小时,事实错误往往就藏在这一档里,所以严重度触发要挂在复核环节,而不是等客户发现。

C Runner:严重度加无响应。 出现不可回滚动作,立即升级到运营值班;值班 5 分钟未确认,升级到运营经理。C 的错误中 86% 可回滚,14% 不可回滚,不可回滚错误率是 0.238%;按 13,200 个任务算,约 31.4 个/月。这个数字不算大,但每一个都可能已经发出了客户通知,所以 C 的升级规则不能等批次结束,必须在动作发生时立即触发。C 的补偿动作是补发说明加人工回访,升级到人之后,第一件事不是继续执行,而是确认需不需要补偿。

案例主触发第一接收人超时后为什么这样选
A Relay时间值班组长支持经理人在流程里,漏看比错误更常见
B Quill严重度项目负责人合伙人事实错误代价高,不能等
C Runner严重度 + 无响应运营值班运营经理不可回滚动作已经产生外部副作用

升级路径要写名字,不写角色池

「升级到运营团队」不是一条规则,因为运营团队不是一个能接住任务的人。升级路径的每一跳都要写清「谁」,而不是「哪个池子」。

写法问题改写成
升级到运营团队团队不是接收人,没有人负责升级到当班运营值班
升级到值班群群消息会被淹没,责任分散升级到值班组长,群里只发同步
升级到负责人负责人可能是三个人,没人知道是谁升级到项目负责人张三,备用李四
升级到 AI 主管机器不能担责,也不能确认接手升级到运营经理,AI 只负责触发

这张表的最后一行是边界:升级的接收人必须是人,不能是 Agent。Agent 可以触发升级、可以发送通知、可以记录确认,但它不能「接住」一个需要担责的任务。把升级目标写成 Agent,等于把责任交给一个不能签字的主体。

升级路径还要在运行时解析到具体的人。配置里可以写「当班运营值班」,但系统必须在触发时把它解析成「今天值班的王五」,并把确认请求发给他。只写角色不解析,等于把通知发进一个没有名字的池子。

降级与升级的区别

降级和升级经常被混为一谈,但它们的方向相反。

维度降级升级
谁做更多产品做更少人做更多
触发能力不足、风险升高时间、严重度、无响应
结果Agent 从执行退到建议,或从全量退到只读任务从 Agent 转到人
用户感知「它现在只能做这些」「有人接手了」
失败形态产品能力缩水但仍在运行没有人接,任务悬空

降级是产品在能力不足时主动收缩,升级是产品在责任不足时交给人。两者的共同点是「不让 Agent 硬撑」,区别是降级后任务还在 Agent 手里,升级后任务到了人手里。把降级写成升级,用户会以为有人接手,实际上只是 Agent 少做了几步;把升级写成降级,任务会停在一个既没有 Agent 执行、也没有人负责的状态。

把升级写成可校验的计划

下面这个模型把升级规则做成可运行的函数。validatePlan 检查每一步的接收人是不是人、有没有备用人、有没有主动触发;decideEscalation 按「严重度 → 时间 → 无响应」的顺序判断该不该升级、升给谁。

// file: src/trust/08-3-escalation.ts
// tier: L2
// verify: node --test test/trust/08-3-escalation.test.ts

// 升级不是「通知一个人」,而是把任务交给一个有名有姓、必须接住的人。
// 没有确认的升级,只是另一条通知。

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

export type Severity = "critical" | "high" | "normal";

export type TriggerKind = "severity" | "time" | "no-response";

export type EscalationStep = {
  readonly order: number;
  readonly to: string;
  readonly trigger: TriggerKind;
  readonly thresholdMinutes: number;
  readonly channel: string;
  readonly note: string;
};

export type EscalationPlan = {
  readonly caseKey: CaseKey;
  readonly steps: readonly EscalationStep[];
  readonly backup: string;
};

export type Incident = {
  readonly caseKey: CaseKey;
  readonly severity: Severity;
  readonly minutesOpen: number;
  readonly acknowledged: boolean;
  readonly minutesSinceAck: number;
  readonly nonRollbackable: boolean;
};

export type Decision = {
  readonly escalate: boolean;
  readonly target: string | null;
  readonly step: number | null;
  readonly reason: string;
};

const MACHINE_ROLE = /agent|machine|bot|机器人|模型/i;

export function validatePlan(plan: EscalationPlan): readonly string[] {
  const issues: string[] = [];
  if (plan.steps.length === 0) {
    issues.push("升级计划至少要有一步");
  }
  const seen = new Set<number>();
  for (const step of plan.steps) {
    if (step.to.trim() === "") {
      issues.push(`第 ${step.order} 步没有接收人`);
    }
    if (MACHINE_ROLE.test(step.to)) {
      issues.push(`第 ${step.order} 步把任务交给了机器`);
    }
    if (seen.has(step.order)) {
      issues.push(`第 ${step.order} 步重复`);
    }
    seen.add(step.order);
  }
  if (plan.backup.trim() === "") {
    issues.push("缺备用人");
  }
  if (MACHINE_ROLE.test(plan.backup)) {
    issues.push("备用人不能是机器");
  }
  if (!plan.steps.some((step) => step.trigger === "severity" || step.trigger === "time")) {
    issues.push("缺主动触发,只剩无响应兜底");
  }
  return issues;
}

// 三个案例各一条主规则:A 看时间,B 看严重度,C 看不可回滚。
export const ESCALATION_PLANS: Readonly<Record<CaseKey, EscalationPlan>> = {
  A: {
    caseKey: "A",
    steps: [
      {
        order: 1,
        to: "值班组长",
        trigger: "time",
        thresholdMinutes: 10,
        channel: "工单系统",
        note: "P1 建议 10 分钟未被确认,先找值班组长",
      },
      {
        order: 2,
        to: "支持经理",
        trigger: "no-response",
        thresholdMinutes: 20,
        channel: "工单系统",
        note: "组长确认后 20 分钟仍无进展,升级到支持经理",
      },
    ],
    backup: "支持经理",
  },
  B: {
    caseKey: "B",
    steps: [
      {
        order: 1,
        to: "项目负责人",
        trigger: "severity",
        thresholdMinutes: 0,
        channel: "站内",
        note: "复核发现影响客户数字的事实错误,立即找项目负责人",
      },
      {
        order: 2,
        to: "合伙人",
        trigger: "no-response",
        thresholdMinutes: 30,
        channel: "站内",
        note: "负责人 30 分钟未处理,升级到合伙人",
      },
    ],
    backup: "另一位合伙人",
  },
  C: {
    caseKey: "C",
    steps: [
      {
        order: 1,
        to: "运营值班",
        trigger: "severity",
        thresholdMinutes: 0,
        channel: "邮件 + 站内",
        note: "出现不可回滚动作,先找运营值班,再谈补偿",
      },
      {
        order: 2,
        to: "运营经理",
        trigger: "no-response",
        thresholdMinutes: 5,
        channel: "邮件 + 站内",
        note: "值班 5 分钟未确认,升级到运营经理",
      },
    ],
    backup: "运营经理",
  },
};

export function decideEscalation(
  incident: Incident,
  plan: EscalationPlan,
): Decision {
  if (incident.nonRollbackable || incident.severity === "critical") {
    const severityStep = plan.steps.find(
      (step) => step.trigger === "severity",
    );
    if (severityStep) {
      return {
        escalate: true,
        target: severityStep.to,
        step: severityStep.order,
        reason: severityStep.note,
      };
    }
  }
  if (!incident.acknowledged) {
    const timeStep = plan.steps.find(
      (step) =>
        step.trigger === "time" &&
        incident.minutesOpen >= step.thresholdMinutes,
    );
    if (timeStep) {
      return {
        escalate: true,
        target: timeStep.to,
        step: timeStep.order,
        reason: timeStep.note,
      };
    }
  }
  if (incident.acknowledged) {
    const noResponseStep = plan.steps.find(
      (step) =>
        step.trigger === "no-response" &&
        incident.minutesSinceAck >= step.thresholdMinutes,
    );
    if (noResponseStep) {
      return {
        escalate: true,
        target: noResponseStep.to,
        step: noResponseStep.order,
        reason: noResponseStep.note,
      };
    }
  }
  return {
    escalate: false,
    target: null,
    step: null,
    reason: "仍在正常处理窗口内",
  };
}

export function findPlan(caseKey: CaseKey): EscalationPlan {
  return ESCALATION_PLANS[caseKey];
}

validatePlan 会拒绝把接收人写成 Runner agent 的计划,也会拒绝没有备用人的计划。这不是类型系统能解决的问题,因为配置里的接收人都是字符串;只能在运行时校验,把「机器不能担责」变成一条可执行的规则。decideEscalation 对 A 的 P1 用时间触发:9 分钟不升级,10 分钟升级到值班组长;对 B 的事实错误用严重度触发:1 分钟也立即升级;对 C 的不可回滚动作采用严重度触发:0 分钟就升级到运营值班。

把 A 的 P1 代进去:严重度是 critical,但 A 的计划里没有严重度步骤,所以不会因为「critical」立即升级;只有等到 10 分钟未确认,才会触发时间步骤。这是有意的:A 的人已经在工单页里,严重度由工单系统的 SLA 处理,Agent 再加一条严重度触发会制造第二个告警源。

升级之后记录什么

升级不是结束,而是事故记录的开始。一次升级至少要留下五个字段:

字段回答的问题用途
谁触发是时间、严重度还是无响应复盘规则是否合理
升给谁具体的人,不是角色池确认责任转移
何时确认接收人什么时候点「接手」计算响应时长
看到了什么升级时附带的任务状态、证据判断接收人是否在信息充分的情况下接手
做了什么继续、回滚、补偿还是拒绝形成可审计的处理链

这五个字段和审计记录是同一套东西。C 的审计抽检比例是 8%,单次复核 12 分钟;升级记录如果不进审计,复核时就无法判断「这次升级是否及时」。A 的工单系统已经有 SLA 记录,Agent 的升级记录要挂到同一张工单上,而不是另开一份日志。B 的报告审改记录要能追到具体章节,升级记录要能追到具体事实错误。

小结

  • 升级不是通知,是交接;成功标准是「有人确认接住」,不是「消息已送达」。
  • 三条触发:时间、严重度、无响应;判断顺序是严重度优先,时间其次,无响应最后。
  • 没有确认机制的升级,和一条普通通知没有区别;确认后没有进展,还要继续升级。
  • A Relay 用时间触发:P1 建议 10 分钟未确认升级到值班组长,20 分钟无进展升级到支持经理。
  • B Quill 用严重度触发:影响客户数字的事实错误立即升级,4.6% 的错误率说明这不是偶发事件。
  • C Runner 用严重度加无响应:不可回滚动作立即升级,0.238% 的错误率对应约 31.4 个/月。
  • 升级接收人必须是人,必须有名字、有确认动作、有备用人;Agent 只能触发,不能接住。
  • 降级是产品做更少,升级是人做更多;两者不能互相替代。

阅读导航:上一节:8.2 渠道选择 · 下一节:9.1 共享上下文与个人边界 。

常见错误与边界

  1. 把升级当成再发一条通知。 没有确认动作,责任没有转移,任务仍然悬空。
  2. 只设时间触发。 严重错误可能在时间阈值到达前就造成损失;B 的事实错误必须按严重度立即升级。
  3. 只设严重度触发。 不严重的任务可能永远没人看;A 的 P1 漏看需要时间触发来兜底。
  4. 升级到角色池或群。 「运营团队」「值班群」不是接收人,责任会被分散到没有人负责。
  5. 升级到 Agent。 机器不能担责、不能确认接手;升级目标必须是有名有姓的人。
  6. 确认后不再跟踪。 确认不等于处理,C 的值班 5 分钟无动作就要升级到运营经理。

这一节结束第 8 章。下一章换一个视角:当多个用户、多个角色共用同一个 Agent 时,上下文和边界该怎么划。

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