“做一个企业智能体”还不足以作为开工需求。更适合启动的描述是：某类员工在某个工作节点，使用指定资料完成一项任务，并把结果交给指定的人或系统。本文的任务卡和比较方法，是小火堆建议企业用于初次需求讨论的工作材料。
先写出任务卡
| 字段 | 示例：售后回复准备 |
|---|---|
| 谁在使用 | 售后客服 |
| 何时触发 | 收到退换货咨询后 |
| 使用资料 | 有效售后政策、商品说明、必要的订单信息 |
| 期望输出 | 带来源的回复草稿和待确认事项 |
| 完成判据 | 客服能够确认政策依据并决定是否发送 |
| 暂不包含 | 自动退款、政策变更和争议裁决 |
示例为方案设计，不代表已交付项目。任务卡应由使用者核对；如果实际流程与表格不同，先修正流程描述。
比较候选任务时记录证据
不要仅凭“频率高”选项目。高频任务如果每次只有几秒钟、已有稳定自动化，就未必值得再建设 AI 功能。建议为每个候选任务收集现有处理时长、业务量、资料样例、接口条件和错误处理记录。
用“已具备、待确认、暂不具备”标记条件，比没有依据地打精确分数更可靠。若关键资料不可使用或无人能验收，即使业务价值很高，也应先安排准备工作。
为什么两个相邻任务要分期开通
政策草稿和自动退款都属于售后工作，但前者可以由客服检查，后者会修改资金相关业务状态。先做草稿，可以较早验证资料质量与使用习惯；若后续开通退款操作，还要增加审批、重复提交处理和异常核对。
这不是固定的行业顺序，而是一个范围拆分示例。企业也可以从销售材料整理、设备记录查询或教务资料归档开始，关键是输出可检查，失败可处理。
首次试点怎样决定继续或停止
启动前共同写下三个决定条件：哪些行为必须正确、哪些问题可以通过补资料改善、出现什么情况需要暂停。试点结束时保留全部样本结果及业务反馈，不只保留演示成功的部分。
如果用户仍需要花更长时间核对结果，应检查任务是否选错、资料是否不足或输出形式是否不合适。只有改进方向和所需资源清楚，才进入扩大范围的讨论。
对于路径明确的任务，可先用简单流程实现。Anthropic 的工程文章也区分了预先编排的工作流与由模型决定路径的 Agent；这一区分可用于讨论自动化范围，不必把所有任务都做成自主智能体。
确定候选场景后，可继续阅读采购、自建与定制的选择，或查看电商 AI 运营方案。