SuperChason 基于风险的三类行动模式选择
方法骨架
- 根据风险、规则确定性、可恢复性和协作复杂度选择Agent行动模式。
- 低风险、规则清晰、结果可回滚的任务可采用指令直驱。
- 高风险、主观判断或强合规任务设置分层人工介入。
- 跨系统、多角色、多阶段任务采用业务协同，由Agent与人共同编排。
- 授权至少区分自动、需确认和禁止，并明确责任与审计。
- 人工调整和执行反馈需要回写，持续校正模式选择规则。
触发场景
用户会在什么情境下需要这个 Skill
- 要决定Agent能否自动执行某个业务动作
- 需要设计人工审批或接管点
- 单Agent与多Agent协同方案之间需要选择
语言信号
- “这个动作能自动执行吗”
- “哪里需要人工介入”
- “该用单Agent还是多Agent协同”
- 英文信号：human in the loop, action autonomy, multi-agent mode
与相邻 Skill 的区分
- 与
action-contract-execution-feedback-loop：本 skill 选择自动、人工或协同模式；Action契约 skill 定义具体动作怎样执行和反馈。 - 与
ontology-ai-application-pattern-selection：应用模式选择决定业务形态；本 skill 进一步决定其中每类行动的控制方式。
执行步骤
按当前任务选择必要步骤；已有可靠成果直接复用：
登记行动
- 动作：列出动作对象、影响范围、权限、频次、可恢复性和失败后果。
- 完成标准：每个动作有业务责任人和目标系统。
评估四维
- 动作：评估风险、规则确定性、可恢复性、协作复杂度，并记录证据。
- 完成标准：四维等级和不可接受后果明确。
选择模式
- 动作：低风险清晰任务用直驱；高风险或主观任务用人工介入；跨系统多角色任务用业务协同。
- 完成标准：每个动作只有一个主模式，升级与降级条件明确。
配置授权
- 动作：设置自动、确认、禁止，以及审批人、超时、接管和审计要求。
- 完成标准：高风险写操作没有默认自动权限。
回写反馈
- 动作：根据成功、人工修改、失败和异常更新规则与模式。
- 完成标准：形成行动模式矩阵和反馈更新机制。
固定输出
- 行动清单：行动编号、对象、业务影响、目标系统、责任人、频次、权限和可恢复性
- 行动风险评估矩阵：风险、规则确定性、可恢复性、协作复杂度、失败后果、证据和不可接受结果
- 行动模式矩阵：行动、自动执行、人工确认、业务协同或禁止的主模式及理由
- 授权与人工介入表：授权角色、阈值、确认点、审批人、超时、接管、终止和审计要求
- 模式升级、降级与停止条件表
- 执行结果、人工修正、异常和模式调整反馈表
- 剩余风险、不可自动化项与下游 Action 契约输入清单
每个行动只保留一个主控制模式，高风险写操作没有默认自动权限，模式变更保留原因和审计记录。
使用边界
不要在以下情况使用
- 只需描述具体API参数和错误码
- 业务风险和责任人尚未确定
- 简单任务为了展示技术而强行拆成多Agent
常见失败模式
- 高风险行动采用规则直驱：决策正确性与执行授权被合并，缺少人工裁决和后果控制，单点错误直接转为现实损失。
- 简单任务过度采用多Agent协同：任务分解收益不足以抵消通信、路由、共享状态和冲突处理成本。
使用折扣与复核要求
- 风险等级属于企业治理决定，三类行动模式不能代替本组织授权制度。
- 大模型生成形式结构无法直接证明业务语义正确，生产使用需保留专家确认、工具校验、真实用例和审计记录。
相关 Skills
depends-on→fact-reason-goal-explainable-decision。
审计信息
- 历史验证：v0.1.0 路由测试 6/6；v0.4.0 已通过输出契约结构校验，跨平台行为继续按版本抽样
- 首次公开版本：2026-08-21
- 来源说明：方法框架受《本体驱动的 AI 数据管理》启发；仓库不包含原书正文。