SuperChason 识别场景中的智能体作用与任务
方法骨架
- 从场景目标、当前工作和关键困难出发，识别智能体可以承担的理解、检索、关联、判断、生成、协调与受控执行任务。
- 对每项任务分别判断智能体价值、确定性系统能力和人工责任，不因使用本体而预设必须建设 Agent。
- 智能体任务应落到明确用户、触发、输入、输出、完成条件和失败处理。
- 数据计算、固定校验和事务控制优先交给确定性系统；高风险决定和责任承担保留人工确认。
- 输出的知识与数据需求作为后续场景深描、数据需求和本体范围的输入。
执行步骤
建立场景最小认识
- 动作：确认用户、问题、目标结果、现有过程和已知系统。
- 完成标准：能够描述谁在什么情况下需要什么帮助。
拆解工作与判断
- 动作：列出当前人工任务、信息处理、判断节点、系统操作、异常和协同环节。
- 完成标准：每项工作有执行者、输入、输出和主要困难。
识别 Agent 候选任务
- 动作：判断智能体能否承担信息提取、意图识别、知识检索、跨源关联、规则解释、方案生成、任务协调或工具调用。
- 完成标准：每个候选任务写清价值、所需能力、数据与知识依赖。
划分三方边界
- 动作：明确 Agent、确定性系统和人工分别负责什么，以及交接条件。
- 完成标准：计算、判断、审批、执行和责任归属无重叠空白。
确定风险和成功条件
- 动作：评估错误后果、可逆性、权限和人工接管，定义任务完成条件和效果指标。
- 完成标准：每项 Agent 任务有自动化等级、人工介入点和验收方式。
形成后续建模输入
- 动作：汇总 Agent 任务需要的数据、知识、语义、规则、权限和Action。
- 完成标准：能够交给场景深描和数据需求分析继续细化。
固定输出
- 智能体作用说明
- Agent 候选任务清单与优先级
- 用户、Agent、确定性系统和人工责任矩阵
- 每项任务的触发、输入、输出、完成条件和失败处理
- 自动化等级、权限、人工介入和风险清单
- 数据、知识、本体与工具能力需求
- 保留、缩小或取消 Agent 化的判断
使用边界
- 场景信息不足时先给候选任务和澄清清单，避免直接确定自动执行。
- 固定公式、精确计算、状态事务和硬约束由确定性能力承接，并通过工具供 Agent 调用。
- 智能体只做简单查询且无需关系、规则和追溯时，本体范围可以收缩或取消。
- 具体动作的重试、降级和结果回写交给
action-contract-execution-feedback-loop。
相关 Skills
depends-on→ontology-ai-scenario-fit-and-spike；先完成本体适配初判。feeds-into→business-scenario-deep-analysis；把候选任务放回完整业务过程验证。composes-with→risk-based-agent-action-modes；高风险任务继续确定行动模式。
审计信息
- 首次公开版本：2026-08-31
- 来源说明：面向企业智能体场景设计独立整理。