场景一：售后与退换货初审
输入是工单、订单与物流状态，动作是核对规则、判断是否符合退换条件并生成回复草稿，输出交客服确认。边界在于涉及赔付、例外审批与投诉升级时，必须由人决定，Agent 只负责把判断依据摆清楚，不替人做决定。
场景二：IT 工单分诊
输入是用户报障文本与资产信息，动作是归类、匹配历史处置方案并分派到对应班组，输出是工单分类与建议步骤。为什么适合 Agent？因为分类与检索占用了一线大量时间，而结果错了也能快速改派，代价很低。
场景三：单据三单匹配
把发票、订单与入库单做字段级比对，提示数量、单价与日期不一致的地方，输出差异清单交财务复核。边界很清楚：不做记账、不做税务判断，差异处理与凭证生成仍由财务人员完成并签认，系统只留记录。
场景四：销售线索清洗
输入是展会名单、表单与公开企业信息，动作是去重、补全、按行业与规模打标，输出是分级线索与跟进话术草稿。要设置来源白名单，避免抓取个人信息；外呼与触达的时机和频率，仍由销售按合规要求决定，这条边界不宜交给模型判断。
场景五：多源资料汇总
输入是会议记录、邮件与公告，动作是抽取结论、待办与责任人，输出是结构化纪要与跟踪表。这类场景最能体现价值，也最容易出错：凡是涉及承诺与对外表述，必须回到原文核对后再发布，这也是摘要类场景的基本边界。
适用与不适用
适合谁
- 有大量重复检索与草稿工作的业务部门
- 已有工单、单据或线索系统的企业
- 愿意为每个场景指定复核人的团队
不适合谁
- 希望一个 Agent 同时处理全部场景的项目
- 没有任何历史数据可供抽取规则的业务
典型场景
某设备厂商先在售后试点：Agent 读取工单与物流信息，按保修规则给出结论与回复草稿，客服确认后发送，例外与投诉自动转人工。三个月后同样结构复用到备件订单核对，复核人从客服组长换成仓储主管，规则与权限各自独立。
可执行步骤
- 从现有系统里挑一个高频、有历史记录、复核人明确的环节作为起点
- 写清该场景的输入字段、判断规则，以及需要人工确认的具体分支与理由
- 把输出严格限定为草稿、差异清单或建议，不要直接写入任何业务系统
- 为每个场景分别指定复核人、接管条件与响应时限，并把结果记录下来
- 为每个场景分别建立样本集与评价指标，不要用一套标准衡量全部场景
常见坑
- 把五个场景写进一份需求文档，供应商按最复杂的那个报价，预算被无谓抬高，范围还难以收窄。
- 让 Agent 直接修改订单或库存并跳过人工复核，一次误判就可能造成实际损失，而且事后很难追回。
- 忽略数据来源合规，把来源不明的名单与个人信息混进知识库，事后既无法解释也无法删除干净。
- 把同一套提示词套用于所有场景，术语与规则互相污染，准确率越来越低却难以定位原因。
自检与验收清单
- 场景是否有明确的输入来源、复核人与使用范围
- 输出是否限定为草稿、差异清单或建议，而非直接写入
- 是否已经写清必须转人工的分支与具体触发条件
- 数据来源是否都在授权范围内，能否说明出处
- 是否为每个场景分别建立了样本集与评价指标
常见问题
先从哪个场景开始？
优先选高频、错误可撤回、复核人明确的环节，例如售后初审与工单分诊。合同、资金与对外发布类场景应放在后面，等评测与接管机制成熟、有明确复核人之后再考虑，这样失败也不会伤到核心收入。
一个 Agent 能覆盖多个场景吗？
技术上可以，但建议按场景拆分工具与知识，用统一的编排层调度。混在一起会让规则互相干扰，出问题时也难以判断到底是哪个场景的配置导致的，排障成本会明显上升。
单据匹配能替代财务审核吗？
不能。Agent 只做字段比对与差异提示，记账、税务判断与凭证签认仍由财务人员完成。把差异清单当作审核底稿而不是审核结论，是最基本的使用边界，也是审计时最先被问到的地方。