專家定義
- 先確認目標與限制
- 資訊不足時不直接推薦
- 超出範圍時交回人
Agent 承接
我會先確認用途與限制，再比較適合的選項
客戶與同仁使用
對外服務客戶協助內部工作
實際使用中的 Expert-led Agent
李吉仁老師的策略 Agent，讓更多人在需要時用得上同一套策略方法
Agent 承接已能清楚定義的策略引導與判斷，新的問題與例外再回到李吉仁老師確認，成為後續改善的材料
- 已能定義的工作
- 由 Agent 依照既有策略方法引導使用者思考
- 新的例外
- 交回專家判斷，而不是讓 AI 自己補上標準
- 留下來的結果
- 確認過的新情境可以成為下一版仍要通過的測試案例
同一套 Expert-led 循環，帶來兩個長期結果
價值不只在於 Agent 今天能回答，而是專家的服務能力被放大，組織也能把新的判斷留下來
一個真實案例，如何同時帶來這兩個結果
先讓 Agent 做好一個反覆出現的工作，再把新的專業判斷留給下一次使用
代表情境使用者詢問某個方案是否適合自己
- 1
選定工作與邊界
第一版只處理團隊能清楚判斷好壞的情境
- 2
用案例說清楚什麼才算做好
資訊不足要先追問，不直接推薦；風險太高時要交回人
- 3
Agent 在已驗證的範圍內服務
客戶與同仁不必等待專家本人，也能使用同一套方法
- 4
把新的判斷留下來
新例外由專家確認後，保存成之後版本也要通過的測試案例（Eval case）
循環的結果Agent 可以承接的情境逐步增加，已確認的專業判斷也留在組織裡
把已經能清楚定義的，交給 Agent把專家的時間，留給尚未被說清楚的專業
Expert-led 不代表專家離開工作，而是把專家的時間用在 Agent 目前還不應該自行處理的地方
交給 Agent
- 反覆出現，而且已有清楚成功標準的工作
- 可以用案例驗證判斷、回答或成果的情境
- 資訊不足或超出範圍時，有明確追問、拒答或交回方式的工作
留給專家
- 連專家都還在探索、沒有穩定答案的新問題
- 高風險或後果重大的最終決策
- 超出既有標準，需要新專業判斷的例外
不需要先整理完整知識庫，也不需要審核每一場對話
從一個你今天仍親自處理的案例開始
告訴我們這個工作怎麼發生、什麼才算做好，以及哪些情況必須交回人，我們會一起確認第一版 Agent 可以安全承接的範圍
回到 Codeer 首頁