选择首个真实任务
明确谁在什么情况下使用、输入来自哪里、期望输出是什么，以及失败后由谁处理。
DIRECT ANSWER
先说结论。
企业 AI Agent 应从一个边界清楚、可重复验证的业务任务开始，而不是先做“万能助手”。需要同时定义输入输出、知识来源、可调用工具、数据权限、敏感动作确认、失败处理和评测样例；只有在真实任务中达到约定标准，才逐步扩大自动执行范围。
01 / HOW TO CHOOSE
先看当前情况，
再选择实现路径。
同一个项目名称可能对应完全不同的工作量。先按用户、流程、系统与风险判断，再比较方案和报价。
| 当前情况 | 建议路径 | 判断依据 |
|---|---|---|
| 只需要回答制度或产品问题 | 知识问答助手 | 先解决检索、引用与权限，暂不开放外部系统动作。 |
| 需要生成内容并进入审核 | 内容工作流 Agent | 把资料、模板、生成、校对和人工发布连接成可追踪流程。 |
| 需要查询或操作业务系统 | 工具型业务 Agent | 通过 API 或 MCP 接入明确工具，并为敏感动作设置确认和审计。 |
| 任务跨多个角色和系统 | 分阶段多 Agent 协作 | 先验证单任务，再设计分工、状态共享、异常处理与人工接管。 |
02 / BEFORE START
启动项目之前，
准备好这些输入。
资料不必一次完整，但关键责任、现有条件和不可改变的边界需要尽早说明。
整理知识与更新责任
区分制度、产品、客户、运营等资料，确认版本、权限、失效规则和维护人。
定义工具与最小权限
每个 API、MCP 或数据库工具写明参数、返回、超时、错误和允许调用的身份。
设置人工确认节点
发布、删除、付款、外发、账号和关键业务变更不默认全自动执行。
建立评测样例
覆盖典型任务、边界问题、错误输入、权限不足、工具失败和拒绝执行场景。
准备运行监控
记录模型、提示、工具调用、耗时、成本、结果、人工修订和异常原因。
03 / ACCEPTANCE
把“做完了”，
变成可执行的验收。
验收标准应在开发前确认，并使用真实角色、数据和运行环境验证。
任务完成度
用预先确认的真实样例评估输出是否完整、正确并满足业务格式。
可控性与安全
验证越权请求、敏感动作、提示注入、错误工具参数和人工接管是否按规则处理。
稳定性与成本
在重复运行和高峰任务中记录成功率、耗时、模型及工具费用，不用单次演示代替验收。
可追溯与可运营
管理员能够查看任务、知识版本、工具调用、异常、人工修订和质量趋势。
04 / RELATED WORK
从指南进入服务，
再参考相近项目。
服务页说明交付能力，项目页展示对应方向的业务和建设内容。
05 / FAQ
围绕真实决策，
继续回答常见问题。
如果您的系统、数据或上线条件不同，可以在沟通项目时进一步确认。
AI Agent 和普通聊天机器人有什么不同？
聊天机器人主要生成回答；业务 Agent 还需要连接知识、工具、权限和流程，在明确边界内执行任务并留下可追溯记录。
企业应该先做多 Agent 吗？
通常不建议。先把一个高价值任务做成可评测、可接管的闭环，再根据真实复杂度拆分角色，能降低协作和调试成本。
Agent 能直接连接数据库吗？
可以评估，但应通过受控查询、最小权限、参数校验、脱敏、超时和审计限制访问，不应默认给予全库读写权限。
怎样判断 Agent 可以上线？
需要在真实业务样例中验证正确性、权限、异常处理、人工接管、稳定性和成本，并从小范围灰度逐步扩大。
06 / REFERENCES
参考资料。
以下为本指南使用的标准组织、平台或政府机构资料；具体项目仍需结合业务和适用要求确认。
- 01A practical guide to building agents ↗OpenAI
用于理解 Agent 的任务选择、工具、指令和运行边界。
- 02Artificial Intelligence Risk Management Framework ↗NIST
用于规划 AI 系统全生命周期的治理、测量与风险管理。
- 03Model Context Protocol Specification ↗Model Context Protocol
用于理解 Agent 与工具、资源和外部系统连接时的协议边界。
GUIDE 02 · NEXT STEP