← 交付方法总览
方法论可泛化原则
愿景与范围（Vision and Scope）
横切
让一个领域智能体在真实业务面前持续正确，并且可以被一支团队稳定地交付与复制。这份文档划定这套方法管什么、不管什么，以及什么样的项目适合用它。
什么时候需要它
- 评估要不要在一个新项目上引入这整套交付方法
- 需要向业务方或管理层解释这套方法的边界与预期产出
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。
难点不在模型，在持续正确
让一个 Agent 在演示里答对不难，难的是它在真实数据、真实权限、真实用户措辞面前长期保持正确，并且换个人接手还能维持。
目标结果是可判定的
场景有可测验收、失败能归位到责任层、质量有可复跑的信号、经验能回写成资产、项目能被移交——这五项是这套方法要产出的结果。
非目标同样明确
它不承诺某个准确率数字、不绑定供应商与模型、不替代排期与需求管理，也不解决与智能体无关的组织问题。
适用的项目
有真实数据源与权限边界、答案对错可被业务判定、失败有明确代价的场景。这类项目才值得付出契约化质量的成本。
不适用的项目
必须实时、必须逐位精确、或者由强合规判定结果的需求，本质上超出智能体边界，应当交给确定性系统而不是包装成 Agent。
怎么判断它真的到位
- 能写出这个项目「做成什么样算成功」的一句话，且业务方认同
- 关键答案的对错有人能裁定，而不是各说各话
- 已经明确列出哪些需求属于智能体边界之外
常见误区
- 把「不适用智能体」的需求硬塞进范围，后期用兜底文案掩盖
- 把愿景写成口号，没有任何可度量的结果指标
- 默认所有场景都值得契约化，忽略投入产出比
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。