外观
第 3 章 认识智能体产品
第 1 章给出了名词总览和智能体的构成等式，第 2 章讲透了大模型这台机器，接下来要回答的问题是，这些技术到底把“产品”改成了什么样。这个问题往下问非常具体，产品变了，需求文档怎么写、验收怎么做、风险怎么防、钱怎么收，全都得跟着变。
本章分六节。3.1 给出智能体及相关产品的五类品类划分；3.2 讲产品逻辑的根本变化，从分析工具到行动主体；3.3 立一条分界判据，把智能体与传统产品、RPA、聊天机器人划清界限，并给出拆穿贴牌宣传的方法；3.4 把五类产品放到自主度谱系轴上排位，给出选档依据；3.5 讲产品经理角色的变化，从功能定义到能力定义；3.6 收在智能体产品的三大特殊性上，全书后面的设计议题都从这三条展开。读完本章，手里有六样东西，一份品类划分、一条产品逻辑的根本变化、一条分界判据、一根自主度谱系轴、一份角色变化清单、三条贯穿全书的特殊性。
3.1 智能体产品的品类划分
市面上打着智能体旗号的产品外形和用法五花八门，按服务对象和自主程度分，五类就装得下，对话助手、编码 Copilot、垂直业务 Agent、通用 Agent、搭建平台。先说明一点，第一类严格说还不算智能体，它差在哪、为什么也收进这份划分，3.3 立判据时逐一归位。
第一类是对话助手，ChatGPT、Kimi、豆包都算。用法是一问一答，写邮件、改文案、讲概念、出主意，都是它说、人来用。它知识面宽，随叫随到，但只出主意不办事，邮件写得再好，发送键还得人自己按。它是绝大多数人认识 AI 的第一站，后面各类产品的用户，多半先在这里养成与模型打交道的习惯。
第二类是编码 Copilot，装在程序员的工作台上，代表是 GitHub Copilot 和 Cursor，国内的通义灵码也在这个队伍里。Copilot 本来指飞机上的副驾驶，软件业借它称呼坐在操作者身边、持续提供辅助的助手。程序员敲下几行意图，它顺着写出整段实现，用不用由人按一个键决定，建议以悬浮文字跟在光标后面，按 Tab 键采纳、按 Esc 键拒绝，交互节奏接近两人协作。它与对话助手的位置差别一眼可见，对话助手待在自己的聊天窗里，Copilot 直接嵌进了干活的软件里。
第三类是垂直业务 Agent。“垂直”是行业用语，意思是不求大而全，只深耕一个行当。国际上的代表是 Salesforce 的 Agentforce，企业拿它给自己搭客服、销售场景的智能体；国内电商和银行 App 里的智能客服，也正往这条路上升级。这一类只做一个行业的一件事，把这件事要用的工具、数据、流程全部打通，在画定的业务范围内自己走完多步，超出范围的任务不接。用法上就是接单、干活、交差，超出权限的转人工。企业买它，买的是把一件完整的事务接过去，聪明只是手段。这一类也是眼下企业采购单上的主力，范围小，工具少，出了错容易补救，适合作为企业引入智能体的第一步。
第四类是通用 Agent，把业务范围完全放开，代表是 ChatGPT 里的深度研究（Deep Research），还有 Manus 这类产品。给它一个开放题目，比如“梳理某个行业的市场格局”，它自己决定先查什么，查到一半发现缺口再补查，读够了自己收口，交回一份带来源的完整报告。题目是开放的，路径是它自己拆的，全程跑完才回来交差。干活的路径也向人公开，查了哪些来源、走到哪一步，屏幕上列得清楚。一单任务要跑一阵子，人可以离开去干别的，回来收成果。眼下它用于查证、梳理、起草已经很有价值，用于直接决策还不成熟。
前四类都是成品，第五类卖的是造智能体的工具，叫搭建平台。代表是扣子（Coze）和 Dify，老牌自动化工具 Zapier 也加上了同样的能力。它本身不干活，业务人员不写代码，把模型、工具、流程一件件拖拽拼装，不用提需求等研发排期，自己动手就能搭出一个给本部门用的智能体，搭好之后发布到团队在用的聊天工具或网页里即可。门槛低是它最大的卖点，代价也在这里，搭的人懂不懂边界，直接决定产出物的质量。用它的多是业务骨干和中小团队；大厂有研发团队，自己搭；小团队靠平台把想法先跑起来。
五类放在一张图里，见图 3-1。
五类的排序有内在逻辑，前两类是大众和职场的入口，第三、四类是企业真金白银的主战场，第五类是给前四类造工具的，按这个顺序走，正好从熟悉走向陌生。拿到一个新产品想对号入座，三个问题够用，它替人做了什么，人还留着什么没放，出了错谁来兜。五类再不同，底下都是同一个技术底座，都由大模型驱动，差的是接了多少工具、放了多大的权。技术是同一套，产品形态却铺开了这么宽的光谱，说明形态本身就是竞争的焦点，选什么形态、放多少自主，是产品经理的工作，不是工程师的工作。
分类这件事还有两点要说清。一点是分类的来路，五类是观察市场框出来的粗格子，算不上官方标准，格子之间本来就有骑墙的产品，ChatGPT 平时当对话助手用，开启深度研究就成了通用 Agent；对话助手一旦接上查资料的工具、能连做多步，也在往智能体那边靠。另一点是五类的分量，前两类普通人天天在用，后三类企业正在批量采购和搭建，眼下没接触过不要紧，本章后面的论述全部拿这五类当对照实例，读完再见到货架上的新品，先归位、再判断。
3.2 从“分析工具”到“行动主体”的产品逻辑变化
产品逻辑的根本变化一句话说完，软件从“出信息给人做判断”的工具，变成“自己完成判断和动作”的行动主体，交付物从功能变成行为者，买卖、验收、信任、出错四个方面全部要跟着重新设计。
看清这个变化，得先回到没有智能体的世界。公司里的软件千千万，角色其实就两种，一种替人执行，审批流、记账、下单，把动作跑得更快更准；另一种替人分析，报表、看板、搜索引擎，把信息整理好端上来。两种角色共享一条铁律，软件出信息，人做判断，人做动作。报表把图画得再漂亮，看出销售为什么下降的还是人；搜索把链接列得再全，一篇篇读、一层层筛的也是人。软件是工具，人是主体，软件业几十年的分工都在这句话里。软件越做越强，强的方向始终是同一条，把人要做的每一步做得更快，计算器快过算盘，报表软件快过手工誊抄，但无论多快，下一步做什么始终由人说了算。智能体第一次把“下一步”交了一部分出去，它与之前所有软件的分水岭就在这里。
拿 3.1 的实例对照，这条铁律正在松动。搜索引擎和深度研究把这场变化摆得最清楚。搜索引擎把“软件出信息、人做判断”做到了极致，丢进一个关键词，换回一页链接，研究本身一步没少，读、筛、综合全在人这边。深度研究接到的却是题目，不是关键词，它自己打开资料，边读边定下一个查什么，发现缺口自己补，最后交回带来源的报告。人在整件事里的位置变了，从亲手做研究的人，变成出题和验收的人。
同样的变化也在程序员的编辑器里发生。早年的编辑器也会补全，按词表和固定规则提示下一个词，帮助有限。Copilot 一类的产品换了个做法，读懂上下文里的整段意图，把没人写过的整段实现直接写出来；再往前一步的产品能接下“把这个功能改掉”这种整任务的委托，自己跨多个文件动手，人退到审查的位置。产出从提示变成了作品草稿，分量完全不同。
变化离普通办公室也不远，每个公司都有的报表就是一例。报表软件把数拉好、图画好，看数、对比、归因、给建议，步步是人，周报写到深夜的也是人。换一个经营分析的智能体进来，题目变成“这周销售为什么下降”，它自己查数、自己对比、自己试着给出原因，交回一份带依据的分析初稿。工具与主体的分别就在这里，工具把材料备齐等人下判断，主体直接把判断做出来交人审。
行动主体不是来消灭工具的。表格还是表格，审批流还是审批流，搜索引擎也还在，变的是多了一个替人使用这些工具的执行者，智能体接到任务，替人去查、去算、去点按钮，工具从给人用的变成给它用的。第 1 章的等式在产品上就是这个样子，大模型加工具加自主权，配齐了才是员工。
几个对照指向同一个变化，产品交付的东西变了。传统产品交付功能，一排按钮、一串页面，每条规则在需求文档里写得清清楚楚，用户学会操作，价值就兑现了。智能体产品交付的是一个行为者，接到目标先理解题意，评估要分几步，动手时调用各种工具，干完回头检查，发现不对换个做法再来。功能是事先确定的清单，行为是运行中形成的过程，卖出去的东西从给人用的工具变成了替人干活的员工。
产品的目录也跟着换了内容。传统产品的目录是功能清单，导出、筛选、订阅，一条一条列；智能体产品的目录更像任务清单，它能接哪些活，每样活接到什么程度。需求评审的议题从做什么功能，变成教它什么活。用户要学的东西也变了，传统产品教会人操作，点哪里、填什么、按什么顺序；智能体产品教会人委托，怎么把任务说清，怎么验收成果，什么时候该盯紧。前者学的是操作手册，后者学的是交代与验收，至于它内部怎么想、怎么拆步骤，第 5 章会拆开细讲。
交付物一变，产品的整套逻辑跟着变。买卖的口径变了，工具按份卖、按年订阅，员工按活计酬，智能体产品的定价天然往按任务的方向长，成本怎么算、价格怎么定，第 12 章展开；同样一个产品，按任务收钱之后，客户问的话都变了，不再问功能在哪，改问这件事它办不办得好。验收的方式也得跟着换，功能可以逐条点一遍验收，行为穷举不尽，只能定义做到什么程度算好，第 7 章立标准，第 11 章给测法。用户与产品的关系也变了，从操作者变成委托人，敢不敢委托、委托多少，信任成了产品的第一道门槛，第 9 章专门讲。
出错的处理也完全不同。工具算错一个数，人改了重算就行；行动主体把事做错，影响已经进到真实世界，兜底设计从可选项变成必修课，第 10 章展开。人的判断没有贬值，位置升了一层。分析工具的时代，人每一步都要判断；行动主体的时代，高频的判断交给它，人守住三处，事先定标准，事中管例外，事后验结果。判断的次数少了，单次的分量重了，3.5 节讲的角色变化，根源就在这里。
3.3 智能体产品与传统产品/RPA/聊天机器人的分界
分界的判据只有一条，谁决定下一步。任何任务拆开都是一步接一步，盯住“接下来这一步由谁说了算”，一件产品站在界内还是界外，立刻清楚。本节先澄清 RPA 与聊天机器人两个名词，再立判据，然后把 3.1 的五类逐一归位，最后给出拆穿贴牌宣传的三个动作。
机器人流程自动化（Robotic Process Automation，RPA），是老牌的自动化技术，它把人在软件界面上的操作提前录成脚本，软件照着脚本点按钮、填表单，昼夜不停地跑。稳、便宜、快，是它的主要优势；短处也同样明显，只会照脚本走，遇到脚本没写过的情况，要么报错卡住，要么干脆做错，想让它应付新情况，只能改脚本重新部署。聊天机器人不用多解释，银行 App 里一问一答的那位就是；大模型兴起之后，它背后换成了大模型，答得聪明多了，用法还是一问一答。
传统软件和 RPA 的下一步，在开发的时候就写死了，流程图锁在代码里；聊天机器人的每个下一步，都等人开口，问一句答一句，答完就停；智能体把运行中的下一步交给模型，接到目标后，查什么、用什么工具、先干哪件、碰壁了怎么绕，运行的时候自己定，从头到尾走完才回来交差。三种走法画成图 3-2。
图上最上面一条路，流程在开发期一次写定，运行期只是照走，走得再快，决定权也不在软件手里。中间一条路，聊天机器人聪明归聪明，每一轮都得人先开口，它答完就停在那里，等下一句。最下面一条路，人只出现两次，开头给目标，结尾收结果，中间的定步骤、调工具、看结果，全由模型自己接力。分界不在界面长什么样、话说得多漂亮，只在接下来这一步由谁定。
有人会追问，聊天机器人装上大模型，不就等于智能体了吗？差别不在聪明程度，在工作单位。大模型时代的聊天机器人话说得确实漂亮多了，但它的工作单位仍然是一轮对话，一句进、一句出，没有下一句提问，它就停在那里。聊天机器人还有更老的一代，按关键词和预设的回答树干活，答非所问是常态。两代机器人聪明程度差得远，站的位置却一模一样，都在界外，这正是判据比感觉可靠的地方。智能体的工作单位是一件任务，中间自己连做多步，还可以跨较长的时间追一个目标，今天没查完的，明天接着查。会说话和会办事是两种本事，对话只是智能体众多接口里的一种，很多智能体确实拿对话当入口，那是人下指令的窗口，不是它干活的全貌。
判据立住了，回头照 3.1 的五类逐一归位。
| 品类 | 下一步由谁定 | 归位 |
|---|---|---|
| 对话助手 | 每一步都等人开口 | 界外，会说话的工具 |
| 编码 Copilot | 人发起、人采纳，段内自己写 | 骑线，人机交替 |
| 垂直业务 Agent | 圈内自己定，圈由人画 | 界内，范围小 |
| 通用 Agent | 开放目标下全程自己定 | 界内，范围大 |
| 搭建平台 | 平台本身是工具 | 产出物算不算，看搭的人放多少权 |
表格里有三处值得多停一停。对话助手最有意思，同一款产品能横跨分界线，纯聊天时它不是智能体；让它连查多个来源、自己合成一份材料，这一刻它就是。是不是智能体，不看产品叫什么名字，看当时那个用法里下一步由谁定。人习惯拿熟悉的东西理解新事物，把智能体看成更会聊天的机器人，这个视角恰好漏掉了它多出来的行动能力。编码 Copilot 骑在线上，程序员敲下意图、按下采纳键，这两头是人定的；中间整段实现怎么写，是模型定的，一步人、一步模型，交替着往前走，所以讨论这种用法算不算智能体的一种助手形态，比争论 Copilot 本身算不算智能体更有意义。搭建平台本身是工具，不在 3.4 的谱系轴上，它产出的智能体算不算界内、排在哪一段，取决于搭的人把自主权放多大。
判据的主轴是路径，旁边还挂着一个容易漏掉的补充问题，任务由谁发起。前面所有的例子都等人开口，人不动，系统就没活干；反过来的也有，监控类的智能体自己盯着数据，异常一出现就自己开查、自己报警，连发起这件事也交了出去。谁决定下一步，问的是任务怎么执行；谁发起任务，问的是任务由谁启动。两个问题合起来，一件产品的自主程度才算量得全。
这条判据最实际的用处，是识别贴牌宣传。行业里管这种现象叫 agent-washing（智能体贴牌），规则客服换层皮、老脚本改个名，都敢宣称自己是智能体。识别不需要懂技术实现，三个动作够用。
- 派一个多步任务，然后不再动手，看中间步骤由谁发起。
- 故意制造一个小意外，比如把条件改得超出常规流程，看它是当场应变还是当场卡死。
- 还拿不准的话，直接找厂商要流程图，每种情况都画着固定分支的，是自动化；存在“运行时看情况自己挑路”环节的，才有智能体的成分。
演示环节尤其要补一道当场检验，顺利路径往往准备得非常充分，十几分钟跑完三步，全场点头；当场修改一个条件再让它跑一遍，真实水平立刻显现。
分界是“是什么”的判断，不是“好不好”的判断。写死的流程便宜、稳定、可预期，能写死就该写死，该用 RPA 就用 RPA，这本身就是成熟的产品判断。哪些任务值得交给智能体、哪些交给它反而又贵又不稳，第 4 章正面回答。
3.4 智能体的能力分级与自主度谱系
自主度是一个可以调档的设计变量，不是有和无两个档。档位由目标、工具、人审三样东西合起来定；选档的依据有两条，错误代价多大、验证难度多高。本节先澄清“智能体等于全自动”的误解，再画谱系轴，再给客服产品的分档实例与调档节奏。
先拆一个流行误解，智能体等于全自动、等于失控。真能买到、敢上线的产品里，自主权全部运行在人画好的边界内，能用哪些工具，是人配置的；目标，是人给的；碰到边界外的情况，规矩是交回人处理。对失控的担心，多数来自想象而不是产品现状。真要担心，该担心的是边界画没画对，给了不该给的权限，或者忘了写交回人的规矩，现实里常见的事故就出在这两条上，第 14 章正面讲。自主度调到哪一格，从头到尾都是产品决策，这正是产品经理在这件事上的位置。
把“放多少自主”画成一根轴，从左到右递增，见图 3-3。最左端，每一步在开发期提前写死；最右端，接到目标，运行时全部自己定。轴中间有一道天然的分界，还是那句“谁决定下一步”，线左下一步由人定，线右交给模型。3.1 的五类产品，连同传统软件和 RPA，在这根轴上各占一段。
逐个看排位，从左端起。传统软件和 RPA 守在最左端，每一步提前写死。对话助手在它们右边一点，同样等人开口，但能听懂的话宽了不止一档。编码 Copilot 骑在分界线上，一段一段接活。垂直业务 Agent 排在线内偏低到居中的位置，范围是人事先画定的，圈内自己走，圈外一步不出。通用 Agent 占据高段，目标开放、自己找路，但边界照样存在，能动哪些工具、花多长时间，平台都提前划好。搭建平台不在轴上，它在轴的下方横跨整根轴，搭的人把自主权调到哪，产出物就排在哪。
同一款产品内部怎么分档，拿一款客服产品过一遍最具体。日常咨询量大、答案有模板，放全自动，错了顶多答得啰嗦；小额退款金额有限、有账可查，设一档自动办、留记录；大额退款一旦错发就是真金白银，收在最左，必须人审后放行。三类动作三个档，用户看不出档位的存在，只觉得它该快的快、该稳的稳。
档位由三样东西合起来定，给它什么目标，一句话的具体指令还是开放命题；给它哪些工具，三五个还是一整套；中间设几道人审，每步都审还是只审关键动作。目标越开放、工具越多、人审越少，档位越靠右，调档调的就是这三样。三样里最好上手的是工具和人审，最难拿捏的是目标，给得太窄，它没有发挥空间，与自动化没有差别；给得太宽，它可能把任务往意料之外的方向理解。任务目标怎么写才算说清，第 7 章有专门的方法。
谱系还藏着一条企业上智能体的典型走法，从左段起跳。先让对话助手、Copilot 这类低自主的进团队，攒下信任和手感；站稳了再上垂直业务 Agent，把一件具体的事整个交出去；跑顺了，才谈得上试通用 Agent。顺序反过来，就是常见的事故过程，一上来追最自主的形态，第一次出错就把整个项目长期搁置。低风险先走、高风险后放，第 8 章把这条展开成正式的设计方法。
排完谱系，有两件事要分开说清。一件是本事，模型多聪明、工具多齐全，这多半是买来的，怎么挑是第 13 章的话题。另一件是自主，权限放多大，完全是自家产品的设计，第 8 章会把它做成一套档位工具。员工能干是一回事，岗位放权是另一回事，本事再大，不放权发挥不出来；权放太大而本事不够，事故就先来了。档位也不是越右越先进，两头都有代价，收得太左，自动化红利吃不到，人守在流程中间当瓶颈；放得太右，错误直接进到真实世界，补救要花真金白银。选档位选的是平衡点，不是态度。
档位放到哪一格，产品上有一条朴素的依据，错了有多贵，验起来有多难。让它改文案格式，错了改回来就行，可以放到右边全自动；让它给客户退款、对外发邮件，错了要花钱补救，就该往左收，中间加一道人审。错误代价越高、验证越难的任务，自主度收得越紧。同一条依据反过来用也成立，验证容易的错误，可以容忍它常犯；验证困难的错误，一次都嫌多。把任务的验证难度想清楚，档位大体就确定了。这条依据，第 8 章展开成人机分工的原则，第 14 章划出必须留人审的动作硬线。
这根谱系还可以用来拆解竞品。把对方产品按用法标到轴上，再把自己产品标上去，差在哪一段、抢的是哪段市场，一张图就看清。测量的时候不要把两件事混了，一件是业务范围，一件是自主度。垂直业务 Agent 范围小，自主度不低；通用 Agent 范围大，不代表处处都放得开。一个管宽窄，一个管松紧，分开量才不出错。
档位定完还不算完，调档是长期动作。常见的节奏是先低档试运行，表现稳了再升一档；出了事故先降档止损，再查原因。升档看的是一段时间的稳定表现，降档的依据是事故，两个方向都不凭感觉。
3.5 产品经理角色的变化
先把结论说在前面，产品经理的老手艺不过时。理解用户、排优先级、对齐业务目标、与研发协作，这些看家本领一样都不能少，换了智能体还得接着用。真正变的是两处，一处是定义产品的方式，从功能定义转向能力定义；一处是验收产品的方式，从逐条点验转向按批测试。
功能定义是传统的方式。需求文档把每个页面、每个按钮、每种状态、每条规则写得明明白白，输入确定、输出确定、行为确定；验收的时候对照清单逐条点一遍，全过即交付。那是一种踏实的写法，写下去什么，跑起来就是什么，测试用例与文档一一对应，没有模糊地带。拿“导出报表”举例，点击按钮，生成一份固定八列的 Excel，列名、顺序、格式全部写死，测试照单逐条核对即可。这套方法能成立，靠一个前提，软件行为写得清、穷举得尽。
智能体恰恰拆掉了这个前提。它的行为穷举不尽，同一个任务交给它两次，路线和产出未必一样。根源第 1 章讲过，大模型按概率接话，预测下一个词的时候没有唯一答案，只有可能性大小。既然每种情况都写不进文档，文档就得换一种写法。
能力定义是新写法，不再罗列功能，转而写清三样东西，这个角色接什么任务、做到什么程度算好、什么情况必须交回人。给一个周报智能体下定义，大意是这样，接到一周的经营数据，产出一份周报初稿；指标口径与现有报表一致，每个数字查得到来源，拿不准的结论要标注出来；数据对不上、超出职责范围的事，一律请示，不自己拍板。与“点击按钮生成八列 Excel”放在一起看，前者是给新员工写岗位说明和考核标准，后者是给系统画图纸。能力定义不只写它会什么，还要写它不会什么、不确定时怎么办，边界本身就是产品定义的一部分。具体到文档，能力定义比传统需求文档多出三块，能力清单，它接哪些活；完成标准，每样活做到什么程度算好；请示边界，哪些情况必须交回人。第 7 章会把这三块做成正式的模板。
验收跟着换方法。功能是点出来的，行为是测出来的。一份周报初稿好不好，没有按钮可点，办法是攒一批真实场景当测试题让它跑，按事先定好的标准评分。于是评测从上线前走过场的一环，变成智能体产品的地基，标准在第 7 章立，测法在第 11 章给。需求评审会的面貌也变了，工程师问“这种情况它该怎么答”，传统产品经理翻文档指条款；智能体产品经理的回答多半是“这种情况它该请示”。把请示的边界写清楚，就是新形态的需求文档。
排优先级的思路也得跟着换。有的活价值不小，可做完对不对说不清，教起来验起来都费劲，这样的活宁可往后放。功能排优先级，看价值和成本；能力排优先级，还要多看一条，教得会吗，验得了吗。哪类任务先交给智能体，第 4 章的三把尺子给完整判据。
交付之后的日子也不一样了。传统产品发版那天什么样，往后基本还什么样，缺陷修掉、功能迭代，行为不会自己变。智能体产品交付的是一个大体靠谱、偶尔出格的行为者，模型换了、指令改了、数据变了，行为都会跟着动，表现会漂。产品经理的工作，从一次性的确定性交付，变成长期的不确定性管理，上线前把预期管好（第 9 章），出错前把兜底备好（第 10 章），上线后把行为持续看住（第 15 章）。不确定性这个属性要管不要藏，管得好坏，直接写进产品口碑。
盯的指标也换了一批。日活、留存这些老指标照看不误，智能体产品多出几组新指标，采纳率，它给的东西人用了多少；任务完成率，接的活干成了多少；人审率，多少动作过了人的手。这几组指标怎么搭成体系，第 15 章专门讲。
过渡期最容易卡住的是心态。功能定义写惯了的人，改写能力定义总觉得文档没写完，每种情况该怎么办，怎么都没写？写着写着才明白，边界写清楚了，文档就是写完了。接受写不清楚每一步，把功夫花在写清楚什么情况交回人，这个转变完成，后面的方法才用得上。有个简单的自查，写完一版定义，遮住产品名，把它读成一份岗位说明，读得通就是能力定义，读不通就还在写功能。
角色变化还有两个绕不开的追问。智能体来了，一线员工是不是就不需要了？一线的真实用法恰恰相反，多数场景是一个人带着一队智能体干活，人做调度和把关，产品要设计的正是“怎么带”这件事，活怎么分（第 8 章）、信任怎么建（第 9 章）。另一个问题，产品经理要不要懂技术？不需要会写代码，但需要懂能力边界，评审会上与工程师对得上话，业务方问“它到底能不能做到”时答得有分寸。第 4、5 章给的正是这份底线认知，第 5 章末尾还备了一张研发协作的词汇表。
3.6 智能体产品的三大特殊性
本章从头讲到尾的变化，产品从工具变成员工、从功能变成行为、从确定变成不确定，追到底有三条来源，概率性行为、持续进化、后果落地。它们是智能体产品固有的特性，摆不进技术参数表，全书后面的设计议题，一件一件都是从这三条长出来的，承诺定多高，受概率性行为约束；改动什么时候上，受持续进化约束；哪些动作放行，受后果落地约束。三条追到根上是同一件事的三个层次，模型本身按概率输出，这是概率性行为；模型、指令、数据都在变，这是持续进化；工具真的接上了真实世界，这是后果落地。一条比一条往外走，从模型走到系统，再走到世界。
概率性行为的根源在模型。第 1 章讲过，大模型按概率接话，预测下一个词没有标准答案，只有可能性大小；智能体由这样的模型驱动，拆任务的路线、生成的产出，全都带着这层概率性。十次任务里偶尔冒出一次离谱的，是常态，不是事故。这个体验不少人早就见过，同一个问题隔天再问一遍，说法、侧重、举例多半有出入，对话场景里这点差异无伤大雅，干活时就是质量波动。这条特性往产品里渗得很深。对外的承诺口径要从“保证正确”改成“十次里对几次”，答案旁边标来源、标把握，把查到的和推测的分开摆，这叫期望管理，第 9 章讲。验收标准要从“对不对”改成“一批任务里对多少”，两次结果不同，不代表其中一次错了，可能两次都对，也可能都对得不够好，单看一次成败说明不了什么，这是评测的底层观念，第 11 章讲。界面上永远留着“它错了怎么办”的通道，这是兜底，第 10 章讲。
持续进化改写了交付的含义。传统软件交付那天就定型，不改代码，行为不变；智能体产品定不了型。底层模型一换，产品行为跟着换，供应商出了新版本，升还是不升，成了一个从前不存在的日常决策，第 13 章讲怎么换才安全；哪怕只改动写给模型的指令（行业里叫提示词，第 2 章细讲），行为也会变；业务数据变了、用户的纠正和反馈流回来了，表现还会漂。好的一面是它会越用越贴合业务，反馈喂回去，产品跟着长进，这是智能体独有的成长通道，第 15 章的数据回流就讲这个。麻烦的一面是，上线不是终点，从这天起要开始盯，行为悄悄走样而没人看见，是这类产品最典型的出事方式，过程往往是，上线时人人夸，几个月后口碑悄悄下滑，翻日志才发现，中间某次数据源改了，没人察觉。进化还改了“版本”这个词的含义，传统软件改版本要发版、要公告；智能体的行为变，可能只是供应商更新了底层模型，产品团队自己都是后知后觉的那个。所以第 15 章讲的度量与观测，是这类产品的必需品。
后果落地把出错的代价抬了一个量级。聊天机器人的错，最坏是屏幕上显示一段胡话，刷新就没了；智能体会发邮件、下订单、改数据，动作直接改到真实世界的东西，做错了刷新不管用，要道歉、要补偿、要回滚。退款退错一笔，赔的是钱；分析结论错一份，误导的是决策。动作越贴近钱和关系，这条特殊性分量越重。错误从“显示错了”变成“做错了”，产品的责任跟着变重，哪些动作再高效也必须留人审，第 14 章划硬线；出了错谁担责、怎么向用户交代，第 10 章设计兜底剧本；每个动作都是真金白银，钱要按任务算，第 12 章算成本。
三条放在一张图里，各自的机制与产品含义一目了然，见图 3-4。
三条还不是彼此独立的，它们相乘。概率性碰上后果落地，只会说话时无伤大雅的出错率，会动手之后每一次都对应真实代价；进化碰上后果落地，上个月还稳的动作，这个月可能悄悄漂出边界。所以后面的章节很少只对一条下手，评测和兜底一起上，人审和观测一起上，道理就在这里。
这三条特殊性，传统软件要么没有，要么弱得多，行为确定，谈不上概率；交付即定型，谈不上进化；动作范围小，后果大多可控。智能体把三条全占了，后面十六章要做的事，就是给三条各配一套工具，概率性配评测与兜底，进化配度量与回流，落地配人审与责任边界。产品经理的日常，就是在这三条约束里把价值做出来。想检验自己吃透了没有，拿手头的产品过一遍，输出多久错一次，错了用户看得出来吗；上一次不改代码、行为却变了，是什么时候；它最贵的错误动作是什么，谁拦着。三问答得上来，这个产品就算看透了；答不上来，后面各章的方法正好一件件补。
本章小结
- 3.1 品类划分。五类，对话助手、编码 Copilot、垂直业务 Agent、通用 Agent、搭建平台，同一技术底座，差在工具多少与自主大小；对号入座三问，替人做了什么、人还留着什么、出错谁兜。
- 3.2 产品逻辑变化。软件从出信息给人判断的工具，变成自己完成判断和动作的行动主体；交付物从功能变成行为者，买卖、验收、信任、出错四个方面跟着重新设计；人守住事前定标准、事中管例外、事后验结果三处。
- 3.3 分界判据。谁决定下一步，写死流程、等人开口、运行时自定三种走法；工作单位是判据的补充视角，一轮对话对一件任务；识别贴牌三动作，派多步任务、制造意外、要流程图。
- 3.4 自主度谱系。自主度是可调档的设计变量，档位由目标、工具、人审三要素决定；选档依据是错误代价与验证难度；企业引入从左段起跳，低风险先走。
- 3.5 角色变化。定义从功能定义转向能力定义，多出能力清单、完成标准、请示边界三块；验收从点验转向测试；交付从一次性确定性交付转向长期不确定性管理，新盯采纳率、任务完成率、人审率。
- 3.6 三大特殊性。概率性行为（承诺改口径、验收改比例、留兜底通道）、持续进化（换模型是日常决策、上线是盯的起点）、后果落地（错误做进真实世界、人审硬线与责任边界），三条相乘，全书设计议题的总纲。
手头的哪些事值得做成智能体，第 4 章给出完整判据。
试一试
三步做完约一小时，全程不用写一行代码。
第一步，认五类。翻翻手机里和工作里在用的软件，找出三个自称“智能体”“AI 助手”“Copilot”的产品，按 3.1 的品类划分归位。
第二步，验判据。挑其中一个，派一个至少三步的任务，比如“查某三款产品的公开价格、比较差异、总结成一段话”。任务发出后不再动手，一步都别替它做，记下每一步是谁发起的，是它自己往下走，还是走一步停一步等人。最后按“谁决定下一步”给它定档。
第三步，拆宣传。把这三个产品介绍页上的宣传语抄下来，跟第二步的实际体验对一遍，落差写在后面，一处一行。
交付物是一张三列小表，三列是产品、归位、证据。这张表做完，3.3 的判据就从书上的一句话，变成了自己的手艺。
参考资料
- 《Agentic AI For Dummies》（Pam Baker，Wiley 2026）第 11 章 Dispelling Common Agentic AI Misconceptions（“智能体等于全自动失控”的误解澄清：自主权运行在设计好的边界内；“不过是更花哨的聊天机器人”的误解澄清：分界在工具使用与环境交互，对话只是能力之一，聊天按对话轮工作、智能体可跨时段追目标；表 11-1 聊天机器人与两档智能体的特性对照），见 txt/agentic-ai-for-dummies.txt（英文原文，第 11 章行 6395-6603）
- 《Building AI-Powered Products》（Marily Nika，O'Reilly 2025）第 1 章 The Role of AI Product Managers（AI 产品的独特性质：概率性行为须设对预期、模型持续演进须按活系统管理、自动化决策须在人机之间划线；AI 产品经理与通才产品经理的异同：手艺不变，多出能力边界的认知与不确定性的管理），见 txt/building-ai-powered-products.txt（英文原文，第 1 章行 1448-2128）