咨询|你的 Agent 为什么死在生产:写给「帮甲方落地 Agent」的公司

过去一年,大家都有类似体验: POC 做得热热闹闹,Demo 演得甲方连连点头,一进生产环境,Agent 就开始各种「迷路、犯傻、乱操作」,最后项目悄无声息地被雪藏——不是模型不行,而是系统没准备好。

Josh Schultz(BlackArc AI 创始人)在一篇关于企业 Agent 落地的文章里,把这个问题讲得非常透:Agent 的失败,本质上是系统工程和组织设计的问题,而不是 prompt 和框架的问题。

来源:X

对我们这类「帮企业落 Agent」的公司来说,有一个重要的心态转变: 你交付的不是一个「聪明的 Agent」,而是一套「能在真实业务系统里长期活下去的 Agentic Workflow」。Agent 是其中一块「大脑」,但真正决定成败的是:你怎么理解业务系统、怎么设计反馈、怎么控制边界、怎么与原有 IT 系统一起工作。

下面这篇文章分四部分展开:

  1. 企业落 Agent 需要遵循的几个关键原则
  2. 一个可落地的 LLM Agent 方法论:从系统映射到影子模式
  3. 我们给读者准备好的 Agent 知识库:波士顿、麦肯锡等案例 PDF 可用智能体问答获取
  4. 目前对中国企业最合适的几类 Agent 场景,以及建议采用的技术栈路径

一、企业落 Agent 的四个原则:先当系统工程师,再当 AI 工程师

把企业当「复杂系统」,而不是当「一堆流程」。Schultz 的核心观点之一是:大多数企业 Agent 项目死在「从 Demo 到生产」,原因不是模型不够强,而是我们把企业想得太简单。 在 Demo 环节,我们只是在一个切出来的小 sandbox 里让 Agent 正常运转;一旦进入真实生产,就要面对跨系统耦合、长周期反馈、多人协同、异常路径,这时候问题不是「Agent 会不会写 SQL」,而是「它做的这个决策,会不会在别的地方引发连锁反应」。

这也是他用 2010 年美股闪崩做类比的原因:每一个算法在本地都是「理性」的,但整个系统拼在一起,就会产生没人预料到的灾难性行为。 Agent 在企业里也是同样的角色——你必须把整个系统画出来,再决定把 Agent 放在哪、给它多大权力。

在写第一行 Agent 代码前,先做「系统映射」。 BlackArc 的做法,是在任何一个 Agent 项目开始前,先花 2–4 周做系统映射:走流程、画连接、拆决策。 他们会和真正干活的一线员工一起,把一个 workflow 从触发到输出走一遍,记录每一个决策点、每一次跨系统取数、每一条异常处理路径,然后再去画「谁影响谁、谁依赖谁」。

这里有三个关键动作:

  • 走流程:不问写流程文档的人,问每天真的点系统、回邮件、改订单的人。

  • 画耦合:哪些步骤共享同一份数据,哪些是其它流程的上游或下游,这决定了 Agent 出错时影响范围有多大。

  • 拆决策:把决策分成「规则型」(可以清晰写成 if-else)和「判断型」(需要经验、博弈和权衡),前者适合给 Agent,后者要么先保留在人工,要么在有足够数据后再逐步迁移。

很多项目是反过来的:先招一个大模型团队,先选一个框架,然后在一个模糊的流程上「试着堆功能」。这几乎保证了项目会在生产阶段翻车。

明确四种数据层,别把所有东西糊成一个「Prompt Soup」。 Schultz 提出,在企业级 Agent 流程里,至少要区分四种数据层:

  1. 系统记录(System of Record):ERP、CRM、财务系统等,是唯一可信的业务事实来源。

  2. 业务规则(Business Rules):决策逻辑、阈值、审批链、例外处理等。

  3. 原始输入(Raw Intake):发票、邮件、合同、客服聊天记录等。

  4. Agent 记忆(Agent Memory):过去做过的决策、被纠正的错误、学到的模式。

如果你把这些东西都塞进一个「大上下文 + 一个 prompt」里,短期 Demo 看起来很爽,长期维护就会灾难——业务要改规则、合规要收紧权限、IT 要迁移系统,每改一次都要去改 prompt 和代码,风险巨大。 反过来,如果这些层是清晰分离的,你可以让业务同事直接维护业务规则,让工程专注在连接系统上,让模型团队专注在推理质量上。

在现有系统上构建,而不是绕过现有系统。 另一个很现实的原则:不要幻想用一个新 Agent 平台「推翻」甲方原有 IT。企业已经在 SAP、用友、金蝶、Salesforce、钉钉、企业微信等系统上投入了巨大的成本和组织惯性,你做 Agent,要做的是「贴在现有系统之上」,而不是「替代现有系统」。

在北美的实践里,BlackArc 的做法是:优先通过 API、事件流(如 Kafka)、和「computer-use」能力,去驱动现有的 ERP/MRP/CRM,而不是要求客户换系统或重新搭建数据仓。 对中国企业来说,这点同样重要——你的方案越是尊重现有 IT 资产和权限体系,就越容易通过信息部、风控和合规这一关。

二、一个可落地的 LLM Agent 方法论:从系统映射到影子模式

基于上述原则,我们可以勾勒出一套适合中国企业、也适合「帮甲方落地」公司的 LLM Agent 方法论,大致分为五步,每一步有很明确的交付物。

第一步:系统映射(System Mapping…

— 以上为试看内容(约 40%),开通会员后阅读全文 —