为什么“换个提示词”通常不等于定制
通用提示词可以帮助团队开始，但它不知道企业的产品事实、客户类型、内部说法、风险边界，也不知道结果最终交给谁。企业真正需要的是把这些上下文稳定接进任务，而不是每次让员工重新解释一遍。
如果智能体只能在演示时生成一段看起来不错的文字，却无法使用真实资料连续运行、无法说明错误怎样修正，它还没有进入业务。
四层定制，分别解决什么问题
1. 任务层：先定义工作，不先定义AI
明确触发条件、使用者、输入、输出和接收人。“写销售文案”太宽；“根据已确认的产品资料，为某类客户生成销售沟通提纲，由销售主管复核”才接近可执行任务。
2. 知识层：让AI有依据，不让它补空白
企业知识不仅是文档，还包括正式事实、常用术语、好坏示例、不能说的内容和更新责任。缺失事实应该追问或标记，不应由AI自行补齐。
3. 流程层：连接检查、处理和异常
复杂任务需要拆步：先检查资料是否完整，再提取关键信息，按规则形成初稿，最后提示人工核验。资料不足、相互冲突或超出权限时，也要有明确处理方式。
4. 审核层：企业责任不能交给模型
谁对事实、承诺、合规和最终发布负责，必须提前指定。审核标准越具体，越容易记录错误并完成下一轮修正。
什么任务适合先做
- 发生频率高，持续消耗团队时间；
- 输入资料能够取得并获准使用；
- 结果好坏能够由具名负责人判断；
- 错误影响可控，适合先小范围试跑；
- 完成后能够被多人或多次重复使用。
高度依赖临场关系、缺少事实依据、无法人工复核，或一旦错误就造成重大风险的任务，不适合直接自动化。
怎样判断智能体是否真正落地
不要只看第一条输出。用多份真实输入连续测试，记录准确性、遗漏、错误类型和人工修改量；再看团队能否按说明独立使用，知识变化后是否有人更新。
具体平台、周期、培训、维护、数据处理和验收范围按项目确认。智能体不替代企业负责人作最终业务判断。