← 交付方法总览
打分卡阶段 1可泛化原则
机会打分卡 Opportunity Scorecard
交付
在投入之前判断一个场景值不值得做成 Agent。它要避免的是三类典型误判：把演示效果当可行性、把工程师想象的问题当真实需求、把范围写成什么都能问。
什么时候需要它
- 有人提出一个 Agent 想法，需要判断做不做
- 同时有多个候选场景，需要排优先级
核心内容
它决定什么
公开的是判断与判据。客户口径、私有阈值和内部示例不在其中。
业务结果是否具体
做成之后哪个指标会变、变多少、谁认这个变化。说不清结果的场景，做出来也无法判断成功与否。
问题是否来自真实样本
手上有没有真实的提问、工单或操作记录。只有工程师转述的需求，措辞和分布都会与真实情况有系统性差距。
数据路径是否存在
回答这些问题所需的数据在哪、能不能访问、口径是否一致。数据不通的场景，模型再强也答不对。
验收是否可能
答案的对错有没有人能裁定。如果连人都判不了，就没有任何方式能验证它做对了。
失败代价是否可承受
答错一次的后果是什么、有没有人工兜底。代价过高且无法人工确认的场景，不适合作为第一批。
边界是否收得住
第一批范围应当窄到可以被完整验收。把范围写成什么都能问，等于放弃了验收的可能性。
怎么判断它真的到位
- 能写出一句话的业务结果，且业务方认同
- 手上有一批真实提问样本，不是转述的需求
- 第一批范围窄到可以被逐条验收
Exit Gate · 放行条件
机会评分达阈且值得投入
常见误区
- 拿 Demo 的流畅度代替可行性判断
- 用工程师想象的问题代替真实样本
- 把第一批范围写成什么都能问，验收无从下手
这套方法怎么落到你的项目
这是我们交付生产级 AI Agent 的公开、脱敏方法骨架。真正落地时，从 AI Agent 生产就绪审查与路线图 入手，或先用 生产上线前深检 定位薄弱环节。