AI Agent - 最佳实践
- Updated: 2025/10/10
AI Agent - 最佳实践
AI Agents 是将生成式 AI 与自动化相结合的强大的数字协作伙伴。 要获得最佳效果,请遵循这些实用的最佳实践——它们源自实际经验和主题专家的指导。
- 让坐席保持专注
-
- 范围小: 每个坐席应解决一个明确的问题。 避免使用承担过多任务的常规坐席。 例如,在大型工作流中,使用一个主管坐席来将任务分配给专业坐席(例如,理赔主管 → 理赔详情坐席 + 欺诈检查坐席 + 审批坐席)。
- 避免工具过载: 保持工具数量较少(≤10 项为强制要求)。 过多的工具会导致混乱,并提高失败率。
- 决定使用自动化,还是 坐席
-
- 使用确定性自动化: 自动化、流程和 API 任务 最适合那些能够可靠地编写脚本并维护的步骤。
- 使用 AI Agents : 最适合用于推理、灵活性或动态决策任务。 不要对所有事项都默认使用坐席——大多数流程仍保持采用标准自动化。
- 避免在单个坐席中进行批量处理
-
- 不要使用大型表格/列表: 请勿向坐席提供批量数据(例如,20 个理赔 ID)。
- 在坐席外部循环: 使用流程或机器人一次发送一个项目。
- 示例: 一个流程遍历理赔表中的每一行,并为每一行调用坐席。
- 使用虚拟或验证工具
-
-
如果您的坐席有时会遗漏必需的输出,请添加一个跟踪器/验证工具。
-
此工具仅回显坐席提供的内容,并标记缺失的部分。
-
当存在此类工具时,坐席更可能注意到疏漏之处并升级给人工处理。
-
- 采用人机回圈以提高可靠性
-
-
始终提供一种人工审核或补全缺失数据的方法。
-
渐进式入职策略:
-
首先对坐席输出进行 100% 人工审核。
-
随着信心增强,减少复查(例如,先减少到 50%,然后减少到 10%)。
-
最终,只有例外工单才会被审核。
-
-
这会随着时间的推移构建信任,并防止过度依赖于未经测试的坐席。
-
- 编写平衡的提示
-
- 要清晰、简明: 过于模糊会导致混乱;过于教条则会造成僵化。
- 避免冗长的提示: 散文式说明会降低准确性。
- 提供上下文: 提供足够的信息以便选择工具和决策。
- 结构化自动化的输入和输出
-
- 使用结构化变量: 建议优先使用 `claim_id`、`policy_id`,而不是单一的 JSON 字符串。
- 仅在需要时使用 JSON: 仅在直接集成 API 时应用。
- 适合自动化: 结构化变量更便于进行后续处理。
- 测试和完善
-
- 多样化测试: 同时运行正常流程和边缘工单。
- 利用治理日志: 分析推理、工具调用和数据缺口。
- 快速迭代: 持续调整提示、输出和工具。
- 构建可靠性
-
-
验证输出(必填字段中不得有空值)。
-
添加缺失或不一致数据的错误处理路径。
-
使用数据跟踪器或虚拟工具来提高完整性检查。
-