第七课：自动化与AI Agent入门
分清聊天、规则自动化与AI Agent，学习触发器、工具、权限、审核和停止条件，并画出一个低风险流程。
Published 2026-08-03 · Updated 2026-08-03
当 AI 从“回答问题”变成“执行动作”，风险和价值都会增加。一个系统可以读取表单、分类咨询、更新表格、产生回复草稿并通知员工，但它也可能误发邮件、覆盖资料或调用错误工具。因此，学习 Agent 不能只看它会做多少事，还要设计权限、审核、日志和停止条件。
这堂课适合谁
- 想把重复工作交给自动化的小商家和个人经营者
- 使用 Make、Zapier、n8n 或类似流程工具的人
- 想理解 AI Agent 与普通聊天机器人的差别的人
- 准备建立客服、内容、资料整理或开发 Agent 的人
聊天、自动化与 Agent 的差别
| 类型 | 行为 | 适合任务 | 主要风险 |
|---|---|---|---|
| AI聊天 | 根据当前输入产生回答 | 初稿、解释、讨论 | 幻觉、上下文不足 |
| 规则自动化 | 按固定触发器和条件执行 | 通知、复制资料、定时报告 | 配置错误、重复执行 |
| AI Agent | 根据目标和当前状态选择多步骤行动 | 研究、分类、工具调用、流程协调 | 权限过大、错误连锁、难以预测 |
实际系统常是混合结构：固定规则负责触发和安全边界，AI 负责分类或生成，人负责关键批准。这通常比“全部交给 Agent”更容易维护。
一个可靠流程的七个元素
目标
用可观察结果定义，例如“每次网站表单提交后，在 5 分钟内产生分类与回复草稿”。
触发器
说明什么时候启动：新表单、新邮件、每天 9 点或管理员按钮。避免同一事件重复触发。
输入
限定系统读取哪些字段，过滤敏感资料和无关附件。
工具
列出可调用的服务，例如电子表格、Email、CRM 或搜索。每个工具只开放必要动作。
决策规则
为 AI 提供分类、阈值、禁止事项和无法判断时的处理方式。
人工审核
在付款、删除、对外发送、账户变更和高风险判断前暂停，请负责人批准。
日志与停止
记录输入、输出、动作、错误和审批者；设置每日上限、超时、重复检测和紧急关闭方法。
实际操作：设计“咨询分类”流程
第一步：只做草稿
网站收到咨询后，把非敏感字段写入表格。AI 只分类为课程、广告合作、网站服务、Affiliate 或其他，并产生回复草稿，不直接发送。
第二步：设置信心门槛
若资料不足、涉及投诉、付款、法律问题或个人资料，统一标记“需要人工处理”，不要让 Agent 自行承诺。
第三步：通知负责人
把原始咨询、分类、草稿和警告放在同一个审核页面或通知中。负责人修改并点击批准后才发送。
第四步：记录结果
保存最终分类、是否修改、发送时间和错误。每周检查误分类，调整规则和示例。
示例 Prompt：Agent 行为规范
目标：把网站咨询分成“课程、广告合作、网站服务、Affiliate、其他”，并产生内部回复草稿。
允许：
- 阅读姓名、咨询主题和留言正文
- 选择一个分类
- 提出最多 3 个澄清问题
- 产生不超过 150 字的回复草稿
禁止：
- 自动发送
- 承诺价格、结果、交付日期或退款
- 请求身份证、密码或付款资料
- 修改或删除客户资料
升级人工处理条件：
- 投诉、退款、法律、健康、安全或威胁内容
- 资料不足或多个分类同样可能
- 对方要求正式报价或合约
输出 JSON 字段：category、confidence、draft、questions、risk_flags。从最小自动化开始
不要一开始连接十个系统。先选择每周重复、规则清楚、错误可恢复的任务，只做“读取 + 草稿 + 通知”。稳定后再加入写入动作，最后才考虑对外执行。
一个合理的测试过程是：
- 用 20 个匿名历史案例离线测试。
- 记录错误分类、漏掉风险和格式问题。
- 在真实流程中只产生草稿，不执行。
- 连续观察一段时间后，才开放低风险自动动作。
- 每次修改 Prompt、模型或工具后重新测试。
注意事项
- API key 应保存在安全的环境变量或秘密管理系统，不能写进 Prompt 或公开代码。
- 工具账户使用最低权限，不要默认开放删除、付款或管理员权限。
- 需要防止重复触发、循环调用和成本失控。
- AI 服务失败时，应有人工流程或安全停止状态。
- 保存日志时也要遵守隐私与保留期限要求。
完成检查
- 我能分清规则自动化与 AI Agent。
- 流程有明确触发器、输入、工具和完成条件。
- 高风险动作前有人工批准。
- 系统采用最低权限，并能停止、回滚或转人工。
- 我准备了测试案例和错误日志。
FAQ
AI Agent 一定需要编程吗？
不一定。无代码工具可建立基础流程，但权限、安全、数据结构和错误处理仍需要技术判断。复杂或高风险系统通常需要开发与安全能力。
自动化和 Agent 哪个更好？
没有绝对答案。规则固定的任务优先用普通自动化；需要理解非结构化内容或在有限选项中判断时，才加入 AI。
可以让 Agent 自动回复客户吗？
可从低风险常见问题开始，但应使用批准知识库、限制承诺、记录对话并提供转人工入口。投诉、付款和合约不应无人审核。
如何控制 Agent 成本？
限制触发次数、输入长度、工具调用、重试和每日预算；对简单分类使用更轻量方法，并监控每次成功任务的实际成本。
官方与站内延伸阅读
总结与下一课
AI Agent 的核心不是“自主”，而是在明确目标、工具、权限和停止条件内可靠完成工作。先建立低风险、可观察、有人审核的小流程，再逐步扩大。
下一课：毕业实作：完成一个 AI 小项目。返回 AI基础学习中心 查看进度。
Related
相关文章
第一课：认识AI、机器学习与生成式AI
用零基础能理解的方式分清人工智能、机器学习、生成式AI和AI Agent，并学会判断一个任务是否适合交给AI。
第二课：大型语言模型如何产生答案
认识token、上下文、训练与推理，理解大型语言模型为什么能写得流畅、为什么会幻觉，以及怎样提高回答可靠度。
第三课：Prompt基础，把需求说清楚
学习用目标、背景、资料、限制和输出格式组成可复用Prompt，并通过两轮修改得到更可靠的AI结果。