开课前准备
带着真实材料来，课程才会产生真实结果。
- 01 · 适合谁
- 适合准备把 Agent 或工具调用流程从原型推向生产的团队。
- 02 · 准备什么
- 准备当前流程图，以及涉及的工具、负责人和不可逆动作。
- 03 · 如何结课
- 每个自动动作都有负责人、审批规则、可观察结果和恢复路径。
适用场景
出现下面任一情况，就从这门课开始。
不需要先证明自己属于某个水平。只要当前工作出现对应信号，就带着真实材料进入；完成信号由课程验收决定。
- 01✓
Agent 即将改变外部状态
流程会写入系统、通知他人、提交付款或触发不可逆动作。
- 02✓
人工复核存在，但放得太晚
审批人看不到依据和变化，确认时已经无法阻止上游错误传播。
- 03✓
系统能成功运行，却不会安全失败
重复执行、部分成功、工具超时和模型漂移还没有恢复负责人。
课程里程碑
每一段都要留下可以复核的变化。
里程碑不是新的课文清单。它用来判断你是否把前后课次连成同一项工作：起点有真实材料，中段有成形产物，结课有别人能够重复的证据。
- 01 开始前↓
列出流程中的每个动作，而不是只画一个 Agent。
为读取、生成、写入、通知、付款等动作记录工具、负责人、影响范围和可撤销性，特别标出会改变外部状态的步骤。
起点证据：任何不可逆动作都能找到明确负责人和当前审批方式。 - 02 课程中段↓
让权限、人工复核和恢复方式同时成形。
先设置数据边界与权限阶梯，再把人工放在仍能改变结果的位置；为超时、重复执行、部分成功和拒绝审批写下停止与回退动作。
中段证据：每个动作都有观察记录、批准规则、幂等处理和安全状态。 - 03 结课证明✓
在受控环境演练失败，再核算真实运行代价。
模拟一次工具超时、一次重复请求和一次人工拒绝；确认可以恢复后，再用真实案例选择模型，并把重试、工具、复核与事故处理纳入成本。
完成证据：演练可恢复，切换可回退，成本和漂移告警都有负责人。
- 01✓第 1 课
在 AI 读取输入前，先画清数据边界
把每个字段分配到允许、变换、隔离或排除路径，避免一条有用的工作流悄悄变成失控的数据传递。
本课产物 · 数据边界图未完成进入本课 → - 02✓第 2 课
只给 Agent 完成任务所需的最小权限
把每个动作放进五级权限阶梯，从只读建议到必须明确批准的不可逆操作。
本课产物 · 权限阶梯未完成进入本课 → - 03✓第 3 课
把人工复核放在仍能改变结果的位置
根据影响、可撤销性和不确定性设置复核关卡，并给评审者足够的证据与动作，让人工真正能够改变决定。
本课产物 · 复核关卡图未完成进入本课 → - 04✓第 4 课
在 Agent 出错之前，先设计恢复方式
在自动化进入生产前，写清停止信号、保存状态、负责人、回退动作和安全重试规则。
本课产物 · 恢复手册未完成进入本课 → - 05✓第 5 课
用任务评分表选择模型，而不是追榜单
用真实工作流案例为质量、延迟、工具能力、隐私、恢复和运行约束设置权重。
本课产物 · 选型评分表未完成进入本课 → - 06✓第 6 课
算清一条 AI 工作流的完整成本
不要只比较 token 单价，把输入、输出、重试、工具、等待、复核和失败恢复一起算进去。
本课产物 · 成本图未完成进入本课 → - 07✓第 7 课
在漂移变成事故前监测 AI 工作流
把任务构成、输入、依赖、结果和人工改判与明确基线对照，让每个告警都能触发可检查的响应。
本课产物 · 漂移观察板未完成进入本课 →
结课验收
每个自动动作都有负责人、审批规则、可观察结果和恢复路径。
不是读完就结束。把各课产物放在一起，请另一位同事按上面的标准复核。