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。