证明能做
允许手动触发、人工补数据和不完整权限，重点验证核心判断和最难环节。
AI WorkOS · 企业级工作操作系统
让 AI 员工进入真实业务，
并对结果持续负责
影刀 AI WorkOS 是一个用于创建、连接、运行和治理 AI 员工的企业级工作空间，让 AI 员工进入真实业务、承担工作，并持续提高结果交付的稳定性。
0
历史实战场景
0
步落地链路
0
层评估指标
01 / FDE 落地方法论
一条链路，把 AI 变成持续做事的岗位
从发现具体工作，到承担真实业务责任，再到团队复用与企业治理。悬停每个节点查看该步要做什么。
记忆口诀
找工作 · 定主人 · 写标准 · 配能力 · 进业务 · 做评估 · 找问题 · 再验证 · 可治理
证明值得做
真实用户、真实数据、真实流程、真实异常；明确 Owner、成功评价、试点周期、验收标准与人工兜底。
证明可长期交付
身份权限、系统连接、异常检测恢复、人工审批边界、数据安全、持续评估优化，以及版本、发布与回滚。
Demo 成功只证明某个 Case 可以跑通，不等于 Agent 成功。
02 / 从个人 AI 到组织 AI
变化的不只是「人怎么工作」，
而是「谁来承担工作」
个人 AI 回答「人怎样工作得更好」；组织 AI 开始回答「工作可以由谁承担」。
01
AI 工具 → 个人能力增强
先承认大家已经熟悉的现实：AI 首先改变个人工作方式。
02
个人能力增强 → 新工作承担者
「人用了 AI」和「AI 开始承担工作」不是一回事。
03
AI 能力 → 工作承担方式
问题从「AI 能做什么」转向「什么由谁来做」。
04
工作承担方式 → 混编责任
不做「Human vs AI」，而是做人、Agent、RPA / Workflow / Rule Engine 的比较优势组合。
05
局部混编 → 组织运行模式变化
当越来越多重要业务责任采用新的运行方式，协作、决策、授权和管理自然开始变化。
三类工作承担者围绕同一项业务责任，重新分工与协作
Human
价值与最终责任
- 目的取舍
- 高影响判断
- 信任与承诺
智能数字劳动力
典型形态是 Agent
- 多源理解
- 推理与规划
- 长尾场景
确定性数字劳动力
RPA · Workflow · Rule Engine
- 规则明确
- 高频重复
- 强一致性
能力矩阵速览
取目的
判判断
理推理
记记忆
规规则
速速度
稳稳定
审可审
能用确定性方式可靠完成的，不要为了 AI 化而增加模型不确定性。
混编的不是人数，而是责任。
03 / 观察 · 评估 · 反思 · 进化
一个持续运行的闭环
真实运行 → 发现问题 → 检查配置 → 调整优化 → 实际验证 → 继续运行。
持续
进化
观
观察
记录谁发起、输入与 Context、调用与判断、结果与异常。
评
评估
六层指标衡量任务表现与业务结果。
反
反思
综合多个任务，寻找重复问题与可能根因。
化
优化
针对根因受控调整，再重新验证与发布。
评估 · 六层指标
不要只评估语言是否流畅、表达是否像专家。
反思 · 七类根因
反思提供问题线索，真实运行决定优化是否有效。
反思告诉我们怎么改；重放确认是否修好；回归确认有没有修坏别的地方。
Evaluation 是持续风险筛查，不等同于业务真相。
04 / 真实案例 · 报销审批 Agent 演进复盘
从能用，到好用，再到持续可靠
一个报销审批 Agent 的五个实践阶段，与下一步思考。
工程优化成果
相对 Token：100% → 50% → 25%
两轮全局优化：第一轮项目级扫描去重，第二轮分析高消耗调用链。
原始
第一轮优化
第二轮优化
-
快速构建
自然语言快速构建
自然语言描述规则，快速生成可运行原型，Demo 表现不错。
但生产实际仍有问题：花名与真实姓名混淆（小明 ↔ 张三）、时间比较偶发错误（2024-12-31 > 2025-01-01）。
-
持续修补
持续修补已知问题
一个个问题被发现，一条条规则被补充，边界无法穷举。
规则越补越多，形成「规则债务」；输入精简后 Token 虽有下降，但治标不治本。
-
结构重构
脚本化与结构重构
确定性流程脚本化，费用先归属行程、再执行审核。
引入行程数据结构；身份映射、时间比较、金额计算、字段校验脚本化，先建立结构再让 Agent 判断。
-
工程优化
Codex + Git 工程优化
WorkOS 提供调用现场，Codex 提供工程上下文，Git 负责版本回退。
两轮全局优化后，相对 Token 从 100% 降到 50%，再到 25%；项目进入工程化研发阶段。
-
自动评估
自动评估与受控反思
下一阶段：自动化评估机制 + 受控反思。
自动发现问题、组装证据、提出修改、运行重放与回归；但生产变更不会完全自动化，候选修改不得未经人工审核直接发布。
评估体系 · 三件事
01
失败案例重放
原始输入运行新版本，确认问题真正修复。
02
全量回归
历史案例集逐条验证历史能力没有退化，能力正常才可以发布。
03
发布门禁
候选修改不得未经人工审核直接发布。
从快速构建，到可控、可治理，再到持续安全演进。
05 / 场景库
257 个历史实战积累
来自真实业务的一线案例，可搜索、可筛选，按名称、行业与概述定位。
—
没有匹配的场景，换个关键词试试。