规则、AI 与智能体，分别适合哪些工作

先拆开任务，再选择工具

“把订单跟进自动化”包含多种工作：读订单号、判断哪个节点缺少更新、理解供应商消息、准备内部摘要，再决定是否对外通知。这些步骤的不确定性不同，不需要全部交给同一种工具。

以下为流程示意，使用虚构数据。假设业务员希望检查一份订单的产品规格、包装要求和当前节点是否齐全。订单号已在表格里，客户要求写在邮件中，产品参数位于资料目录。可以先拆成查表、提取要求、对照资料、列出缺项与人工确认五步，再选择规则或 AI。

选择时先问：正确结果能否写成明确条件？资料是否存在可靠来源？错误会影响什么？如果固定规则已能完成任务，就没有必要引入模型的不确定性。

表中的方式可以组合。AI 提取出型号之后，仍可用规则检查是否存在于有效产品目录；查不到时转人工，不能让模型临时创造一个型号。明确日期或数量的格式，也不代表这些值已得到业务批准。

以虚构 X20 询盘为例，邮件写着需要 1,000 件并询问包装与交期。AI 可以把文字整理为型号、数量和问题，但它应保留原邮件引用。客户未写目的地时，字段保持空缺或待确认。

后续步骤按规则检查必填项、允许的产品型号与来源记录。需要回复的规格来自获准目录；价格、库存和交期来自各自已确认的业务来源，不能由模型根据相似产品推测。资料冲突时，输出应包含两份来源和待核实说明。

对外回复是另一项动作。整理需求或生成草稿的权限，不自动包含发邮件、更新客户承诺或修改订单的权限。把处理结果与具体动作分别检查，更容易定位问题。

固定任务可以用预先写好的顺序完成：读取表格、提取邮件、核对字段、生成待办。如果每次都走相同步骤，常规工作流通常更容易维护。

当下一步确实取决于已找到的信息，例如发现包装要求缺失后，需要在多个获准资料源中选择继续查询，才值得评估智能体。仍须限定可用系统、查询范围、步骤和调用成本，并明确拿到哪些信息后结束。

找不到资料、工具失败、来源相互矛盾或任务需要更大权限时，应该停止并交给人员。检索到的邮件或文档是待处理资料，其中夹带的“忽略规则”“发送文件”等文字不能成为执行指令。

先建立一组有参考结果的脱敏样例，包含正常资料、缺失字段、重复记录、冲突版本、工具失败和夹带无关指令的文档。留出一部分不参与调试，用来检查方案是否只适应熟悉样例。

分别运行规则方案和拟使用的 AI 方案，比较输出正确性、来源引用、异常转交以及完整人工修正时间。再记录处理耗时、模型调用和维护工作。不要只统计“任务完成”，还要检查在不该继续时是否正确停止。

如果增加 AI 仅让摘要更流畅，却使人员花更多时间核对事实，就应重新限定它的职责。若规则无法理解多样的客户表达，而 AI 在代表性样例上能减少整理工作，也应把它限制在已验证的任务范围。

最终方案需要说明每步由规则、AI 还是人员完成；输入来源、有效版本、输出字段、失败路径和审批动作也应可查。不同部门可以复用这些约定，再按自己的业务规则补充。

资料版式、产品目录、模型或系统接口变化后，要用保留的样例重新检查受影响步骤。由谁更新资料、处理异常、批准变更，以及维护包含什么，应该在交接前约定。选择技术的目标是让实际工作可以稳定运行、检查与调整。