企业落地 AI，例如 Agent、Skill 等智能体相关能力时，首先需要把具体业务场景梳理清楚。
具体需要梳理哪些内容呢？这篇文章就来聊一聊。
很多客户在描述需求时，会说“数据很多”“情况复杂”“就是看到的这样”。这些描述本身有价值，但不能直接用于智能体配置或开发，对智能体来说，这些信息是模糊的。智能体需要的是更明确的信息：
具体看哪些数据？
按照什么顺序处理？
依据什么规则判断？
什么情况必须转人工？
输出给谁？
输出成什么格式？
哪些事情不能自动处理？
怎样算做对？
哪些错误绝对不能出现？整体调研流程
第 1 步：确定一个具体任务
落地智能体，应“大处着眼，小处着手”，先找具体场景落地。
不建议一开始就说：
做一个销售智能体
做一个财务智能体
做一个客服智能体
替代某个部门工作更好的方式是从具体任务开始：
销售线索初步整理
客户邮件分类与回复草稿生成
合同条款初步审查
员工报销材料完整性检查
采购申请材料初审适合优先落地的任务通常具备以下特点：
高频重复
有明确业务价值
规则相对稳定
有明确输入输出
有历史案例可以参考
出错风险可控
可以先由人工确认后使用
所需数据可以获得或导出
输出结果可以验证选择任务时，可以从以下维度评估：
如果某个任务价值很高但风险也很高，不应直接追求自动化，可以先从“辅助分析、生成草稿、风险提示、人工确认”开始。
第 2 步：提供 3-5 个真实案例
业务人员口头描述的流程，往往是理想流程；真实案例暴露的，才是实际流程。
应优先提供最近已经完成的 3-5 个真实案例，同时每个案例建议包含：
案例最好覆盖：
正常案例
常见案例
异常案例
高风险案例
边界案例
处理不理想的案例前期 3-5 个案例主要用于理解场景。如果进入原型验证或上线前，还需要补充更多案例，用于测试和验收。
如果涉及敏感信息，可以脱敏，但应保留字段结构和内容类型。
第 3 步：说明当前处理步骤
按照真实工作顺序，说明人工现在如何完成这个任务。
需要按步骤说明：
填写时不要只写“审核”“判断”“处理”，而要尽量写具体：
审核什么？
判断什么？
依据什么判断？
判断后进入哪个分支？
最终产生什么结果？例如，“根据截图判断”是不够的，需要进一步说明：
看哪张截图？
截图中哪些字段有用？
字段是否需要校验？
截图和系统数据冲突时以哪个为准？
截图不清楚时怎么处理？第 4 步：说清楚判断逻辑
如果任务中有需要判断的地方，请说清楚判断逻辑。
类似下面表格：
很多业务规则并不一定写在制度里，而是存在于经验中。调研的重点，不只是收集已有规则文件，还要通过真实案例反推隐性规则。
尤其要明确“不确定时怎么处理”。智能体不应该在信息不足时猜测结果，常见处理方式包括：
提示信息不足
要求补充材料
标记为不确定
转人工确认
只生成草稿不执行
拒绝执行高风险动作第 5 步：说明异常情况和兜底方式
列出实际工作中常见的异常情况，以及现在如何处理。
异常情况不是边角问题，而是判断智能体能不能上线的重要依据。很多智能体在演示时表现不错，但上线后失败，往往是因为异常情况处理不好。
第 6 步：系统、数据来源和边界
如果任务处理过程中需要查看系统、表格、数据库或内部资料，请说明这些信息从哪里来、如何使用。
智能体能不能落地，很多时候不只取决于模型能力，还取决于数据是否能拿到、权限是否允许、系统是否能接入、错误是否能追踪。
第 7 步：输出要求
输出要求不要只写“准确”“专业”“自然”，而应尽量具体。例如：
回复控制在 150 字以内。
语气正式、克制。
不得承诺退款或赔偿。
无法确认的信息不得编造。
如涉及投诉或法律问题，必须转人工。第 8 步：确认智能体不能做什么
需要明确哪些事情不能由智能体自动完成。
建议进一步进行风险分级：
第 9 步：明确验收标准
在进入配置或开发前，需要说明期望达到怎样的目标。目标难度，直接决定智能体的实现难度和成本。
对于高风险任务，应优先保证风险识别和人工确认机制，而不是只追求自动化比例。
可以尽量量化，例如：
常见问题分类准确率达到 90% 以上。
高风险事项必须被识别并转人工确认。
上线前至少通过 30 个历史案例验证。
不得自动承诺赔偿、退款、审批通过或法律结论。
涉及客户信息、订单状态、金额等内容不得引用错误。后续推进方式
资料提交后，项目团队根据上面整理的详细信息，整理一版《智能体工作说明》。
这份说明用于使用智能体“可以理解”的方式客观描述场景工作流程：
检查场景资料是否完整
检查任务是否足够具体
检查处理步骤和判断规则是否合理
明确智能体可以做什么、不能做什么
明确哪些环节必须人工确认
明确系统、数据、权限和合规要求
设计智能体工作流程
制作原型
建立测试案例集
明确验收标准和上线前验证方式客户确认后，进行原型设计，以及接下来的具体实现。
总结
企业智能体落地前的调研，要完成的是一次“业务转译”：
把真实案例转译成测试样本
把人工流程转译成智能体工作流
把经验判断转译成规则和边界
把异常处理转译成兜底机制
把输出样例转译成模板和质量标准
把禁止事项转译成权限和风控策略
把业务目标转译成验收指标一个好的智能体项目，首先需要清晰梳理业务现场，这也是企业智能体真正能够落地的前提。