第 7 课 · 企业实战
Agent 实战：从费用报销案例看工具、权限与人的责任
一个可用的 Agent 不只会执行步骤，还要知道何时只读、何时生成草稿、何时必须停下来请人批准。
本页目录
学完这一篇，你应该能够
- 把 LLM、Harness 与 Skill 组合成完整 Agent
- 按照风险为工具动作分级
- 用小范围、可回退的方式设计试点
Agent 是承担目标的运行过程
可以用紧凑公式理解：Agent = LLM + Harness。展开来看，它还包含职责与原则、可调用的 Skills、当前 Context、Memory、资料、工具、权限、检查与恢复机制。
Agent 与聊天助手的关键差别，不是名字或界面，而是它能否围绕目标选择下一步行动，并根据执行结果继续推进。
费用报销案例：先整理，再审批
一个费用报销 Agent 可以读取本批票据、公司制度和已确认模板，提取字段、标出缺口、生成待审 Excel，并记录每个值来自哪里。它可以帮助整理，但不能把自己的判断冒充财务审批。
稳妥流程会先锁定本批文件，保留哈希或版本信息；草稿修改后重新生成版本；只有用户明确批准当前版本，才写入正式目录并归档原件。
- 原始票据：保留，不静默覆盖或丢弃
- 制度未覆盖：标记待财务确认，不猜填
- 自动带入：展示来源和最后确认时间
- 用户纠正：区分仅本次与以后默认
- 正式归档：绑定当前批次、版本和明确批准
工具给手脚，权限决定事故范围
读取、计算、写文件、发邮件和付款不是同一种风险。试点应按动作后果分级，并默认给予完成任务所需的最小权限。
- 只读：搜索、读取、分类与分析，可自动执行并留痕
- 可逆写入：创建草稿或新版本，可自动执行但不可覆盖
- 需确认：外发、覆盖、修改业务系统，动作前明确批准
- 禁止自动执行：付款、签约、泄露敏感资料或越权承诺
人类不可外包的四件事
AI 可以提供选项、证据和草稿，但责任主体、价值判断、评价标准与代价承担不能被一句“AI 建议”取代。越接近高风险决策，越要明确谁有最终权限。
- 定义真正值得解决的问题
- 决定什么结果算好、哪些代价可接受
- 对客户、员工、合作方和社会承担责任
- 在证据冲突或规则缺失时作出有授权的选择
从只读试点开始上线
第一个 Agent 不必连接所有系统。先让它读取一组脱敏材料，生成结构化草稿和异常清单，由人复核；连续记录准确率、节省时间、退回原因和越界情况，再逐步开放能力。
扩权的依据应该是可观察的运行结果，而不是一次令人惊艳的演示。
- 确定单一任务和明确负责人
- 准备正常、缺失、冲突三类测试样例
- 先只读，再可逆写入，最后才考虑系统操作
- 定期复盘错误、权限与人工审批点
动手练习
设计一个只读 Agent 试点：写出目标、三类输入、两个可调用工具、一个输出、三项验收标准和两个必须人工批准的动作。再准备一个资料冲突的测试样例。
完成标准
- 试点范围只有一项真实且可复核的任务
- 工具权限已经按只读、可逆、需确认、禁止分级
- 正常、缺失和冲突样例都有预期处理方式
- 最终责任人与扩权条件已经明确
资料说明
根据 PandaUp 2026-09 课程资料重新编写。本文是面向公开发布的原创整理，不是课程逐字稿；涉及产品能力、政策或外部事实时，请以使用当日的官方资料为准。