选服务商之前,先把一句话写清楚:这个 Agent 要替哪条业务流程的哪一步负责,成功怎么衡量。写不清楚这一句,任何选型标准都会变成比拼演示效果——而演示效果是最不可靠的信号。

采购前先问清的几个问题

  • 场景是否已经定义了可验证的业务结果——比如处理时长、解决率、错误率——而不是“提升效率”这类无法验收的表述?
  • 服务商是否区分工作流与 Agent?步骤确定、可以事先画出来的流程应该用工作流,只有需要自主判断的步骤才值得用 Agent。把一切都做成 Agent,是过度设计的信号。
  • 写操作如何受控?Agent 能改哪些数据、调哪些系统、每一步是否经过权限检查与人工审批、是否有完整的审计日志?
  • 模型与数据如何隔离?企业数据是否用于训练、是否出境、调用链上有哪些第三方?
  • 如何评测?有没有针对真实业务的评测集与基线,还是只靠抽查几条对话?
  • 交付后谁运维?模型升级、知识更新、故障处理是否包含在服务里,响应时限是多少?
  • 是否锁定单一模型或平台?换模型、换供应商的成本有没有写进合同?

技术判断方法

用三条线判断一家服务商,而不是看演示:

  • 场景可验证性。要求对方把场景写成可验收的陈述:输入、输出、成功标准、失败兜底。写不出来的场景,试点也验不出来。
  • 架构可审计性。要求一张架构图说清读与写分车道:检索与回答是一条线,写入与执行是另一条线,后者必须经过权限与审批。NIST 人工智能风险管理框架(AI RMF)的四项职能——治理、映射、度量、管理——可以当作检查清单,逐项问对方有没有对应的做法。
  • 交付可复核性。要求试点有书面验收标准与评测集,达标才算交付。Anthropic 关于构建有效 Agent 的实践指出:从最简单的方案开始,只在必要时增加复杂性——一家服务商如果一上来就推多 Agent 编排、却没有论证为什么简单方案不够用,值得警惕。

集成层面可以问一个具体问题:对方是否采用开放的工具集成协议(如 Model Context Protocol),还是每接一个系统都要定制开发。开放协议降低长期维护成本,也降低供应商锁定。

适用范围

这套选法适用于:已有明确业务流程、需要把 Agent 接入真实业务系统、且写操作必须受控的企业——客服、内部支持、运营审批、知识检索是最常见的起点。它不适用于:只需要一个问答聊天机器人、没有内部系统接入需求、或者期望“交钥匙黑盒”的采购——后者买的是产品,不是系统集成服务。

风险

  • 演示与生产落差。演示用的是干净数据与预设问题,生产面对的是脏数据、异常输入与并发压力。签约前要求对方在你的真实数据样本上跑一次试点。
  • 权限放大。Agent 拿到过宽的系统权限后,一次判断失误就可能批量改错数据。权限必须按最小必要原则配置,写操作必须可审批、可撤销、可审计。
  • 提示注入与数据泄露。外部内容(邮件、网页、上传文件)可能携带指令,诱使 Agent 越权操作;OWASP 生成式 AI 安全项目把提示注入列为首要风险类别之一,选型时要问对方的防护与测试做法。
  • 合规风险。在欧盟市场,AI 系统可能落入《欧盟人工智能法案》的风险分级与义务范围;涉及个人数据的场景还要过 GDPR。服务商应该能说清你的场景属于哪一级、对应哪些义务,而不是把合规留给客户自己解决。
  • 成本失控。按调用量计费的模型成本随使用量线性增长,试点便宜不等于生产便宜。要求对方给出基于你真实调用量的成本模型,而不是按演示规模估算。

交付清单

签约前确认以下交付物是否包含在合同里:

  • 场景说明书:业务流程、成功标准、失败兜底
  • 架构设计:七层或等效分层、读/写分车道说明
  • 权限与审批矩阵:每个写操作的操作者、审批者、撤销方式
  • 评测集与基线:真实业务样本、通过阈值、评测方法
  • 试点验收标准:书面、可量化、达标才扩围
  • 运维与升级方案:模型升级、知识更新、故障响应时限
  • 审计日志方案:记录内容、保存期限、查询方式

资料来源

下一步:如果你正在评估 Agent 服务商,可以先看Negency 企业 AI Agent 开发、咨询与系统集成——十一项能力与七步受控上线流程,写清了我们怎么交付;也可以从AI 场景初筛开始,确认你的场景适合哪条服务线。