生产级 Agent：用户、任务与成功标准

1. 从问题定义开始

先写清：

• 谁使用；
• 在什么场景；
• 输入是什么；
• 期望产物；
• 可接受时间与成本；
• 哪些动作有副作用；
• 人工在哪些节点参与；
• 成功如何验证。

“做一个通用 Agent”缺少任务分布，无法选择工具、Memory 和 Eval。

2. Success Contract

yaml复制
user: repository maintainer
task: fix a failing unit test
inputs:
  - repository
  - failure log
outputs:
  - scoped code changes
  - test evidence
  - change summary
checks:
  - target test passes
  - no unrelated files changed
  - build remains valid
limits:
  - max 20 tool calls
  - max 15 minutes
confirm:
  - pushing remote branch

成功标准分为机器检查、模型 rubric 和人工验收。尽量把关键事实放到机器检查。

3. 产品边界

• 支持的任务类型；
• 不支持的输入格式；
• 数据新鲜度；
• 可用工具和资源范围；
• 单任务预算；
• 并发与排队；
• 保留和删除策略；
• 失败时向用户展示什么。

边界进入 UI、文档、prompt、权限和测试，而不是只写 README。

4. 渐进上线

Text复制
offline eval
  -> internal shadow
  -> read-only assistant
  -> reversible actions with confirmation
  -> limited automation
  -> broader rollout

每阶段有成功率、错误率、成本和风险门槛。先观察建议质量，再开放副作用动作。

5. 用户体验

• 显示当前阶段和已完成事项；
• 对长任务提供进度与取消；
• 对确认动作显示精确影响；
• 部分成功明确列出未完成项；
• 提供证据和 trace 摘要；
• 恢复后说明从哪个检查点继续；
• 错误信息给出可行动下一步。