一SaaS之创者，嘱吾等评其CTO所返之"自主AI"商贾之议。其策十八使，一策者大言，一行者大言，一评者大言，六月而成，其模之费增五倍。

今之产品乃应答客户于其账单之门户所问之FAQ之聊天机器人。入问者约八十为"如何将发票导出为PDF"之变体。其余二十则转至人手，盖聊天机器人未谙其术也。

吾等告其始创者，于既存之提示增句，并将此能动之计划置诸积压之列。

此乃每周几近必现之谈。诸商贾皆向 B2B SaaS 之创者游说代理。然多数创者实无此需。今述 Sapota 所用之决断之纲.

人工智能代理者实为何物

去其营销之辞，代理者乃三事附于大语言模型：

• 工具：能调用外函数（搜查、查询数据库、运行代码）之能
• 记忆：跨多LLM调用而存之态
• 自主：LLM决次行，非开发者所定

自主性者，使之为智能体也。寻常之RAG流程，取片段而应答，循固定之序。智能体则每步自决，或取更多，或调用工具，或求明晰，或定答案。

此能实为某些事所宜。然其价每询较寻常LLM调用，昂五至十五倍，速减二至十倍，且调试甚艰。必待算术相宜，而后此役得立其位。

单问之试

萨波塔之滤，一问而已：独一精撰之提示，足竟此务乎？

若然，则勿建代理人，用此提示。

若否，则问：固定两步之管（检索而后生成）可成之乎？若然，则建 RAG 之管，毋为 agent。

若犹无应，则问：此举实需乎动态决断何为后续之策，抑或开发者惟惑于步骤当为何？若属后事，则书其程。设计流程之不适，非委诸大语言模型之由也。

若三问之后，答仍曰"是，此需自主"，则代理人乃适器也。吾辈验之，此滤可去"吾需代理人"之谈七成。

创始者之聊机器人所实需者

八成复问关于发票导出者，乃提示之弊也。其初提示若此：

汝乃助人解忧之客服，应答客问。

其修也，乃增：

若用户询及发票导出，则应答曰："点击设置→账单→导出。择PDF格式及欲选日期区间。"复问其需他事否。

此一语解八成之来量。无需代理人，无需供应商。三分钟之功耳。

所余二十者，分为二类。其十二者，关乎客之账户状态，诚需调用用户数据库之工具。其余八者，乃边缘之例，本应转交于人。

架构得当，宜为单提示聊天之器，具一器（查账），若有难，则托人手。两日之功。每询之费，恒不逾五分钱。其能自主之议，初估每询五分钱，且历六月乃成.

何时宜用人手

吾非恶人手。Sapota所荐建人手之务，有三共性：

真正多步之决断，其第 N 步之结果，依第 N-1 步而定。 研究之综合，其后续之搜寻，依首搜所返之结果而定。代码重构，其后续之文件，依已改之变故而定。客户导入之分诊，其路由，依自多系统所拉之数据而定。

LLM 所需协调之工具。 单一工具调用非为智能体，实乃工具调用而已。智能体之复杂，在于大语言模型于三至七工具间抉择，并融汇其果。客户支持者，取自CRM、知识库、计费系统及货运追踪。销售研究者，合LinkedIn、新闻、财务数据及CRM历史。

成本之谓，方堪其繁。 自主架构于大语言模型之成本，每项任务增价自二分至二角，未计研发与运维之费。此价适于研究助理，售技工程师日使十次。然不适宜于应答器，每月需处理五万问，每问价仅五分者。

吾辈所见之式

吾人所见创始人之谬，莫过于视"代理"为精深之阶，而非具特定应用之器。其说辞甚具诱力：自主、智能、自进、自适。然多数B2B SaaS产品之实，询查多复，数据之源有限，用户之期可测。

善书之示，持一器，设诚信之关，其费、其迟、其信，于下八十之"AI之能"用例，胜于使。其上二十之用例，使胜者诚且要，然非百之用例也。

售此代理平台者，无劝告之诚。其说曰：“代理之智乃未来之趋。”亦曰：“购此平台于吾。”此二说皆可真。此特定之品，亦或尚无参与未来之需。

桃子之荐

未决意于代理之筑：

• 运单问之试。诚言自主之需否。
• 量产之率，估每务之费。乘以所期之询率。较今费。
• 审今之示语与器设。多所谓"AI之能缺"，非失代理，乃失示语。
• 若答仍曰"需代理人"，当以一代理人、一器始。勿建十八代理人系统，如商所拟。单代理人基线，乃衡多代理人架构是否值其烦之据。

小建以测，渐扩。代理人模式，诚实而有用。然亦常非所问之谬答也。

若商贾向尔游说

若尔之众被言人工智能之代理乃次季之蓝图，则签约之前所问者，乃尔生产之问凡几实需自主也。若商贾不能以尔之数据而应此问，则彼所售者，非解也，乃产也。

萨波塔提供一周之期，审计查询之分布。其取尔生产查询之录，依复杂度分类诸查询，并出尺寸之议，何部分需代理，何部分宜以一 prompt 配适之工。其出为预算与架构之文，尔辈可持以示于商贾或董事会。

欲达，请至 人工智能工程之页。 而君之今时AI架构及约略询量。诊谈之语，几每易“有司或无”之问为“自主之需，究在何处”。