案例：从提示词迁移到 AI Agent 提升可追溯性

一条客户咨询从进来到回复，表面上只是“让 AI 写个答复”，实际却常像接力赛：有人复制问题，有人翻资料，有人按经验判断风险，最后又有人改写后发出。出了偏差，大家往往只能回头翻聊天记录，猜不清是哪份资料、哪条规则，还是哪次人工修改出了问题。

把这类任务从提示词迁移到 AI Agent，最直观的变化不是回答突然变聪明，而是过程开始能被“回放”。流程可以把咨询内容先提取成固定字段，再在允许访问的资料范围内检索依据，按既定规则判断是否需要人工处理，最后生成答复草稿并记录处理状态。每一环都有输入、输出和责任归属，出了问题不必靠印象追责。

可追溯性到底追什么

很多人以为留下一段最终回复就够了，但真正有用的留痕至少要回答几件事：这项任务因何触发，使用了哪些资料，经过了哪些规则判断，谁在什么节点接管或审批，以及结果后来为何被退回、改写或终止。

这对业务人员是避坑：不再因为同一类问题换个人处理就得到完全不同的口径；对 IT 团队也更省事：权限、资料使用和异常位置有迹可循，不必把一个复杂问题统统归因于“提示词没写好”。

先把人工关口画出来

可追溯不等于让 Agent 自己做完所有决定。涉及金额确认、对外承诺、敏感资料或重要客户沟通时，保留人工审批反而让链路更可信。Agent 负责准备信息、给出建议和草拟文本，真正的关键动作由有权限的人确认，责任边界就不会被“自动化”冲淡。

比较稳妥的做法，是先让流程跑在建议模式。员工一边审核结果，一边记录常见的退回原因：是输入不完整、资料范围不对、规则漏了例外，还是表达不合适。这样积累下来的不是一堆更长的提示词，而是一套能持续调整、能查清来龙去脉的工作流程。