FDE落地

Q: 开通科技 / FDE 是做什么的？

重庆开通网络科技有限公司（开通科技，品牌 FDE）提供 AI 能力与落地实践服务：智能体开发与运营、电商 AI 应用（AIEC）、企业智能营销 GEO，并配套诊断、咨询、培训与社区内容。

Q: 三大场景应用分别是什么？

FDE智能体（/agents）做企业级智能体开发与运营；AIEC（/aiec）做电商履约采销与上架自动化；GEO（/geo）做生成式引擎优化，提升品牌在 AI 回答中的正确引用。

Q: 如何开始 AI 落地？

可从免费诊断（/offers/diagnose）摸底优先级，再进入 AI 能力（/ai）、AI 落地路径（/delivery）或对应场景应用站点深入了解。

## 一、全自动智能体上线后，为什么业务部门反而不敢用了？ 直接回答：因为全自动智能体在需要人工判断、审批确认或异常兜底的场景中，要么报错中断，要么越权执行了不该执行的操作，导致业务部门对智能体产生信任危机。 某制造业企业去年上线了一款全自动采购智能体：系统自动识别库存水位、自动生成采购单、自动发送给供应商。第一个月运行顺畅，采购周期缩短了约 40%。但到了第二个月，一批紧急物料因供应商临时涨价，智能体未做任何确认就按原价发出了采购指令，供应商拒单，产线差点停线。业务部门事后质问：「这台机器替我做了决定？出了问题谁负责？」 这不是个例。在已经落地的企业智能体项目中，一个被普遍忽视的实操痛点是：**很多团队把智能体设计成全自动，上线后才发现业务部门不敢用、合规不通过、异常场景无人兜底。** 合规部门的质疑更为直接：关键操作没有人工确认环节，风险谁来承担？从企业内控角度看，涉及资金支付、合同签署、客户数据变更等操作，若缺少人工审批节点，既不符合审计要求，也无法在出现异常时追溯责任。 ## 二、智能体落地需要回答哪三个「人机边界」问题？ 直接回答：每个计划落地企业智能体的团队，必须回答三个核心问题——哪些操作可以全自动执行、哪些必须等待人工确认；异常场景谁来兜底、怎么兜底；审批节点如何设计才能兼顾效率与可控。 ### 问题一：哪些操作可以全自动执行，哪些必须等待人工确认？ 划分标准通常取决于操作的风险等级和可逆性： - **低风险可逆操作**（如查询数据、生成报表、发送通知）——可全自动执行 - **中风险操作**（如修改配置、批量更新记录）——建议设置「执行前确认」节点 - **高风险操作**（如资金支付、合同签署、权限变更）——必须设置人工审批节点，且审批通过后才能执行 以企业智能体常见场景为例：知识库检索问答、内容采集与摘要生成属于低风险操作，可全自动完成；但智能体自动生成内容后直接发布到对外渠道，就属于中高风险操作，需要加入人工审核确认节点。 ### 问题二：当智能体遇到超出预设范围的异常场景，谁来兜底？ 企业智能体在实际运行中一定会遇到预设范围之外的场景。例如：智能体调用工具 API 返回异常数据、知识库检索结果置信度低于阈值、用户输入的请求超出了智能体设定的权限范围。 针对这些异常场景，常见的兜底策略包括： - **自动降级**：当智能体无法完成高复杂度任务时，自动降级为「收集信息 → 转人工处理」模式 - **超时转人工**：智能体在指定时间内（如 30 秒）无法给出确定答案，自动生成工单转交人工处理 - **异常熔断**：当连续出现多次报错或异常时，暂停该智能体的自动化流程，通知运维人员介入 ### 问题三：审批节点的设计如何既不影响效率，又保证可控？ 这是一个典型的「效率 vs 控制」权衡问题。实际项目中可参考以下设计原则： - **分级审批**：根据操作风险等级设置不同审批层级。低风险由流程负责人审批，高风险需多级审批 - **并行审批**：需要多角色确认的场景，可并行发送审批请求，以任意一方通过为准（适合紧急场景） - **超时自动规则**：审批人超过设定时间未响应时，按预设规则（自动通过 / 自动驳回 / 升级通知）处理 - **审批理由可追溯**：所有审批操作记录时间、操作人、审批意见，满足审计追溯要求 ## 三、编排中嵌入人工介入节点有哪些可行的设计思路？ 直接回答：在 Agent 编排中嵌入人工介入节点，主要有三种设计模式——在流程节点插入审批/确认/回退点、在工具调用环节设置「确认-执行-反馈」三阶段模型、在知识库检索结果不达阈值时自动转入人工处理。 ### 模式一：流程节点中嵌入人工审批环节 在智能体编排的 DAG（有向无环图）中，可以在关键节点前后插入人工审批节点。这个节点的作用是：暂停自动化流程，等待指定角色的人工确认后，流程才继续执行。 以企业智能体编排平台（如 YCTunAgent 平台）为例，其 Agent 编排能力支持在工具调用节点之间插入「人工审批」节点，配置审批人、审批时限、驳回后回退位置等参数。具体操作步骤包括： 1. 识别需要人工介入的节点（如「生成对外发布内容」「执行数据库写入」） 2. 在该节点前插入「等待人工确认」步骤，配置审批人角色 3. 设置审批通过后继续执行、驳回后回退到指定步骤、超时后自动升级通知 4. 所有审批记录写入日志，支持事后审计追溯 ### 模式二：工具调用的「确认-执行-反馈」三阶段模型 工具调用是智能体与外部系统交互的核心能力。一个完整的工具调用过程可以拆分为三个阶段，每个阶段都适合插入人工干预： - **确认阶段（Pre-execution）**：智能体解析用户意图后，生成待执行的操作清单，提交给人工确认后再执行。适合「拟执行操作是否准确」的场景。 - **执行阶段（Execution）**：智能体实际调用工具 API 执行操作。人工可在执行过程中监控执行状态，必要时手动终止。 - **反馈阶段（Post-execution）**：执行结果返回后，人工可对结果进行审核，确认无误后允许智能体将结果输出给用户或进入下一环节。 以「智能体自动发布内容到微信公众号」场景为例：确认阶段由人工审核智能体生成的文章内容是否合规；执行阶段由智能体调用公众号 API 发布；反馈阶段由人工确认发布结果是否正确、是否需要撤回修改。 ### 模式三：知识库检索结果不达置信度阈值时自动转入人工处理 企业智能体通常依赖知识库（RAG，检索增强生成）来回答专业领域问题。但知识库检索存在一个常见问题：检索结果的相关性置信度可能不够高，导致智能体给出不准确甚至错误的回答。 可行的设计是：为知识库检索设置置信度阈值（如 0.7）。当检索结果的最高置信度低于该阈值时，智能体不直接生成回答，而是自动转入人工处理流程——将用户的问题、检索到的相关片段以及置信度评分打包成工单，交给人工客服或领域专家处理。 在实际的企业智能体项目中，这一机制可以有效降低「AI 一本正经地胡说八道」的风险，同时保留自动化的效率优势。 ## 四、总结：能自动的地方自动，该确认的地方确认，异常有兜底 企业智能体落地的成熟度，不在于自动化率有多高，而在于人机协作的边界设计有多清晰。 从实践角度看，一个可投入生产的智能体系统，需要满足以下三个条件： 1. **自动化覆盖日常场景**：常规、低风险、可逆的操作由智能体全自动完成，提升效率 2. **人工介入关键节点**：高风险操作、需要专业判断的场景设置人工审批/确认节点，不因追求自动化而牺牲可控性 3. **异常场景有兜底机制**：超出预设范围的情况有明确的降级策略和转人工流程，不会出现「无人处理」的真空地带 **行动建议**：如果你正在或计划落地企业智能体，建议先做一次「人机边界」排查——梳理现有智能体流程中所有涉及资金、权限、内容发布、数据变更的环节，逐一确认是否设置了人工介入点。对于缺少确认节点的关键操作，优先补上审批/确认/回退机制。 对于正在选型智能体编排平台的团队，可以优先考察平台是否支持以下能力：可视化编排中的审批节点插入、工具调用的分阶段人工干预、知识库检索置信度阈值配置与自动转人工、完整的操作审计日志。这些能力直接决定了智能体从「能做」到「能放心用」的跨越成本。 > 本文基于企业智能体落地实践中的共性经验整理，所涉及的技术方案仅供参考，具体实施需结合自身业务场景与合规要求。