什么时候不该让 AI 员工自己做主

“上一个 Agent” 在 2026 年很容易变成默认选项。供应商演示里，模型自己点网页、自己改代码、自己跑一整晚。演示成立，不代表你的月结、客服和审批也该这样跑。Anthropic 在《Building effective agents》和后续的架构说明里反复讲的是同一件事：可靠性是目标，自主不是。

三种任务，工作流更合适

同样的输入必须走出同样的结果。 报销审批、价格计算、合同里的固定条款检查，审计要的是可复现。Agent 每次自己选路，同一张发票两次处理可能走出不同步骤，解释成本比节省的人工更高。

耗时和费用要落在承诺里。 工作流里模型被调用几次是写死的，可以报价、可以设超时。Agent 的轮次取决于它自己的判断，忙的时候一条请求可能拖成几十次调用。对有 SLA 的一线业务，这是不可接受的波动。

过程本身要能回放。 金融、政务、医疗相关的操作，出了问题要回答 “当时为什么这么做”。代码规定的路径天然带步骤日志；模型临时决定的路径，日志有，但理由不稳定，复核的人很难同意 “它当时觉得该这样”。

这三类的共同点是：路径已知，验收标准已知。未知的只有每一步里的文本和判断，那正是单次模型调用擅长的，不需要把方向盘交出去。

适合放权的，是每一步都有反馈的活

Anthropic 点过几类确实适合 Agent 的工作，共同点不是 “看起来很智能”，而是 环境会告诉它上一步对不对。

• 带工具的客服：查到的订单状态就是反馈，答错了下一步还能改口。
• 写代码：测试红了就是反馈，可以再改再跑。
• 操作电脑：截图就是反馈，点错了画面上看得见。

没有这种反馈的任务，比如 “根据感觉写一份战略”，Agent 会很有信心地走完很多步，而你无法在中途叫停。此时更稳的做法是把它拆成工作流：拟定大纲、检索材料、撰写、人工确认。

落地时用混合，而不是二选一

2026 年产线上的常见形态，是外层工作流套一个有边界的 Agent 节点。外层保证顺序、权限和人工确认点；内层只在那一个节点里自己决定查哪些材料，并且有最大轮次。错了就退出节点，回到工作流的下一步，而不是在整个任务里自由发挥。

顺序也固定：先把一次调用做对（提示、例子、检索）；一次装不下，再接成工作流；工作流里真有一步写不出固定路径，再在那一步放一个带上限的循环。跳过前两步直接上 “全自主员工”，通常是在用费用买一个还没法验收的结果。

给业务负责人的一条线

问自己：这件事今天是一张清单，还是一次临场判断？清单就做成固定步骤的 AI 员工，人只看例外。临场判断，才给它自主权，同时写上停下来的条件：最多几轮、花多少钱、什么情况必须交人。可易桌面端里，这两种岗位可以同时存在，没必要为了 “更像 Agent” 把已经稳定的流程拆掉。

本文依据

• Anthropic，Building effective agents（2024 年 12 月）
• Anthropic，Building Effective AI Agents（架构说明，公开 PDF）