← Playbook 索引
Playbook阶段 1可泛化原则
机会识别与资格判定 Opportunity Qualification
交付
把“想做一个 AI Agent”的愿望，收敛成可复核的投入决定：做、满足条件后再做，或者现在不做。判断依据来自业务结果、真实问题、数据路径、验收可能性和风险，不来自演示效果。
什么时候拿出来用
- 业务提出了具体的 Agent 诉求，但范围、收益和可行性还没有被证据确认
- 多个候选场景争夺同一批预算或工程资源，需要用统一口径排序
开始前先拿到
- 一批来自真实使用者的问题或任务样本
- 能为业务结果负责的人，以及了解数据来源的人
- 当前人工流程、耗时和结果质量的基线说明
操作主线
怎么推进
公开的是判断与动作骨架。客户数据、私有模板和内部示例不在其中。
- 01
收集真实问题
记录用户实际会问什么、现在谁处理、答案最终来自哪个系统。
- 02
检查四个前提
逐项核对价值、数据可达、口径可定义、失败可验收，存疑项明确标出。
- 03
收窄第一批范围
把大愿景拆成少量结构相近、价值明确、能够端到端验证的场景。
- 04
形成投入结论
给出 Go、Conditional-Go 或 No-Go，并写清证据、条件和下一次复核点。
会留下什么
- 机会判定与理由
- 首批场景边界
- 待验证假设和放行条件
过关前再看一遍
- 至少有一个可度量、有人负责的业务结果
- 关键答案能指向真实数据或知识来源
- 主要场景可以写出明确的对错判据
Exit Gate · 放行条件
机会评分达阈且值得投入
容易做错的地方
- 拿 Demo 的流畅度代替可行性
- 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”
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。