负责人
提出要求，并对关键判断做决策。
智能体协助整理和推进，但业务决策不隐藏。
它接在哪里
不是另起一套系统，而是接入现有流程上。
它的价值在于少搬运：先收集上下文，让 AI 做整理和判断，调用已授权的工具准备结果，再把需要拍板的事项交给负责人。
流程助手
AI
整理资料、调用工具、识别不确定之处，并将结果交由人确认。
AI
负责推理与语言处理。
总结、起草、分类、对比、检索和解释。
邮件
收件箱与发送邮件。
阅读邮件线索、起草回复、准备跟进，并对异常情况进行转介。
消息
飞书、企业微信、短信与客服。
回复、分诊、总结，并在必要时将人拉回流程。
软件
CRM、ERP、项目管理、财务及业务系统。
查询记录、更新字段、创建任务、同步交接。
文件
文档、PDF、表格、文件夹。
阅读原始资料，输出可供审阅的成果包。
代码
代码仓库与内部工具。
修改代码、检视系统、编写测试、上线修复。
数据
数据库与报表。
核对事实、发现异常，让下一步行动变得具体。
一个智能体可以先接一个流程，也可以逐步接多个工作面。
与传统自动化的区别
同样叫"自动化"，做事方式截然不同。
传统的 RPA、工单系统、ERP 触发器按预先写好的规则执行；AI 智能体能读懂上下文、临场判断，再把模糊或敏感的部分交给人确认。下面是几个常见场景的对照。
场景
传统自动化
RPA · SaaS · 工单 · ERP 触发器
AI 智能体
读上下文，判断后再行动
01
客户咨询回复
邮件、企业微信、网页表单进来一条新询问。
客服在工单系统里走一遍：① 按产品/部门给工单打标签；② 翻模板库找最接近的；③ 复制粘贴，把客户名、订单号、金额一处处替换；④ 命中不到的丢回公共池等人接。模板越多越难维护，客户措辞稍有不同就漏判。
客服在飞书里直接 @ 智能体：「这个客户问退款，该怎么回？」它读完往来记录、CRM、退款政策，回一段草稿和判断依据。客服改两句直接发出去；如果想再确认一句「政策上能不能全额退？」就接着问。
02
采购补货
仓库库存波动，需决定是否下单及下多少。
采购员每周走一遍：① 在 ERP 拉一份当前库存；② 导出最近 4–8 周出货明细到 Excel；③ 手工对照节假日和促销日历；④ 翻供应商交期表算到货时间；⑤ 在 Excel 里逐 SKU 算补货量、填采购单。或者依赖 ERP 触发器自动下单，但参数固定，遇到大促或断货只能人临时关规则。
采购员问一句：「下周华南区要补哪些货？」智能体综合最近销售、季节、即将上线的活动、供应商交期，回一份建议清单和理由。如果觉得哪条不对，可以追问「为什么没算上 SKU-3201？」或「这周末有大促，要加多少？」对话就能调整。
03
工单分派
新工单进入系统，需分给最合适的同事。
运维要先维护一张规则表：列出所有产品/部门/关键词的映射；新场景出现就要新增规则、回归测试；客户写「打不开」匹配不到「无法登录」就漏判。覆盖不到的工单堆在公共池，值班同事手动捞、读、再转派。
智能体读完工单全文（不依赖关键词），判断类别、紧急度、客户重要程度，自动 @ 最近处理过类似问题的同事，并把相关历史工单和建议解决方案附上。值班同事不确定时直接回它一句「这个该谁接？」就行——不用维护规则表。
04
新员工入职准备
HR 录入一位新员工，后续要起若干流程。
HR 在系统里勾选岗位，系统生成 5–10 张工单：开账号、加邮箱组、申请 CRM/ERP 权限、订电脑、约导师、安排培训。HR 还得单独去财务系统填工资、去 IT 系统加部门权限。每一张工单都要相应负责人手工接单、点确认、再回填状态。
HR 把入职表丢进群里 @ 智能体：「新人下周一入职，准备一下。」它读表后自动跑齐账号、按岗位申请权限、向 IT 提交设备订单、给导师约会议、生成第一周日程。信息缺失时反问一句「他坐哪个工位？」、「需要几台显示器？」补齐就继续。
05
报表与异常解读
每周想知道业务数据里发生了什么。
数据团队预先在 BI 工具里建好固定报表（销售/库存/留存/客服…）。想换一个角度要么排开发改 dashboard，要么自己写 SQL、连数据库、跑结果、再做图。想找异常要肉眼盯着图表对比同期，发现晚了就晚了。
运营随时问：「这周华南区销售有什么异常？」智能体自动查数据、对比同期、写出简短解读，附上数据源链接。想再深挖就接着问「是哪几个 SKU 拖的？」、「和去年同期比呢？」，对话里就能层层推进。也可让它每天扫一遍指标，有异常主动来提醒。
两类工具不是互斥的——很多团队把规则清晰的"硬流程"留给现有系统，把判断与协调交给智能体。
一段话定义。
AI 智能体是一段按目标工作的软件流程：从一个触发或请求出发，读取被授权访问的资料，判断要调用哪些工具，准备一份可检查的结果，并把不确定或有风险的部分交给人确认。
真正有用的工作
卖点不是“聪明”，而是少搬运。
负责人不必每天手动复制客户信息给AI，再粘贴答案到邮件，更新多套系统，还要记得跟进。智能体自动串联这些步骤，让人只需查看结果和处理异常。
先准备好准确的数据。
在模型推理前，先汇聚邮件线索、CRM记录、表格数据、政策说明、文件、工单或代码上下文。
让AI负责判断。
分类、总结、对比方案、起草回复、检查代码路径，或基于原始上下文给出有依据的建议。
跨工具推进工作。
准备回复、创建任务、更新CRM、提交代码审阅、附上文件，或安排下一步。
主动权交由负责人掌控。
在涉及敏感、客户或财务变更前，先将草稿、变更对比、异常、摘要或下一步计划呈现给相关人确认。
让系统更清晰，而不是更乱。
将备注、状态、来源链接、决策、测试结果或审计日志写回业务系统，便于后续追溯。
不确定的就来问。
当置信度不足或权限缺失时，智能体将问题连同决策所需上下文转交给负责人，以便快速决策。
常见形态
先看入口，别被名词绕晕。绕进去。
市面上叫法繁多，但在企业中主要看两点：它在哪接收任务，以及它能安全调用哪些工具。以下形态均可从小流程起步。
常见入口
聊天入口型
嵌入企业微信、飞书或钉钉，适用于收集申请、审批提醒，并将结果推送至负责人。
常见入口
收件箱型
对接邮件、表单和客服后台，适用于线索分配、回复草稿、供应商跟进及售后归纳。
常见入口
后台巡检型
定时扫描表格、订单、库存、报表和日志，生成异常清单或经营简报，供人工查看。
常见入口
代码协作型
适合软件团队处理小修复、测试、文档和代码审阅单。高风险改动仍由研发确认。
常见入口
定制业务助手
当流程和权限较为特殊时，单独搭建一个小后台或按钮，让团队沿用原有工作方式。
不同形态可能存在重叠。我们根据“在哪里看结果”“能调用哪些工具”“哪些动作必须审批”以及“团队平时在哪工作”来选择具体配置。
我们的选择方法
按入口、工具和风险来选。
负责人在哪里看结果最顺手？
收件箱、聊天、报表、任务队列、代码审阅单，或者一套定制小后台。在哪儿确认，决定了团队愿不愿意用。
智能体必须接入哪些系统？
AI 只是其中一环。真正能干的智能体，还需接好邮件、消息、文件、代码、业务软件、API 和数据。
哪些动作必须设置审批闸门？
智能体可以起草、核对、准备。但敏感外发、支付、不可逆更新与重要判断，必须保持人工把关。
边界
我们说的不是这些。
一个好的智能体边界清晰、能查看日志、遇到不确定时会主动询问。它不一定需要'什么都能独立完成'才有价值。
不是放任自流的自主权。
第一版上线的智能体，通常负责起草、标记、分流和准备等工作。涉及敏感、成本高或面向客户的变更，仍需人工审批把关。
不是被生硬套用到业务中的通用聊天机器人。
智能体的价值在于它熟悉流程、了解可用工具、掌握数据来源，并知道何时需要升级处理。
并非承诺替换每一款业务软件。
部分系统应保留，部分只需对接一层，某些窄场景可做成小工具。如何选择，取决于风险、数据归属及日常维护成本。
不是一次性提示词。
真正投入使用的智能体，需要日志、测试、监控、权限、兜底处理，以及一份业务方看得懂的运行手册。