搭智能体卡住了，问题不在工具
市面上讲AI智能体的文章，十篇有八篇在比工具。Dify还是Coze？RAG还是Fine-tune？LangChain还是直接调API？
说实话，这些不是你现在该关心的。
去年震楠商业策划接了一个B2B供应链客户的项目。他们团队在搭智能体这件事上已经耗了快半年——工具选了好几轮、POC也跑过了，但智能体就是落不了地。不是工程师水平不行。问题出在前面——他们从头到尾没想清楚一件事：这个智能体到底是替谁干活、干什么活、干到什么程度算成了。
这篇文章不讲工具对比。讲三件事，按顺序来：先定边界、再跑最小闭环、最后才碰技术。顺序反了，投进去的时间和钱大概率白花。下面三步，每步都附避坑提醒。
第一步：先定边界，再谈功能
多数人搭智能体的第一反应是列功能清单：自动回复客户、分析销售数据、生成日报、对接ERP……越列越兴奋。然后工程师开始搭架构，三个月后发现——做出来的东西没人用。
问题出在第一步：你没画边界线。
定边界的方法不复杂。拿张纸，画两条线。
第一条线：用户是谁。是内部销售还是外部客户？是一个人用还是一个部门用？这个答案决定了后面所有决策。内部用户容错率高，错了可以改，销售骂两句就过去了。直接对客户——错一次就是投诉，用户跑了很难拉回来。如果这一步你说都服务，那等于没定。
第二条线：任务范围。不是提升效率优化流程这种话，要具体到一个动作。比如每天早上8点汇总前一天销售数据，生成三句话摘要推到飞书群。做完了，用户打开飞书能看到，叫成了。看不到，叫没成。判断标准就这么简单。
两条线画完，你会发现清单上大部分以后再说功能直接被砍掉了。这不是坏事。先做少，才能做对。上一个客户在这步之后，功能清单从21项缩到了3项。但三个月后回头看，那3项是真正在用的，另外18项本来就不会有人用。
第二步：用最笨的方法跑最小闭环
边界定了，很多人直接跳到画架构图、搭RAG管道、做向量化调优。又踩坑了。
你现在不需要这些。你需要的是用一个最笨的办法验证一件事——用户到底用不用。
做法很简单，三步走：
一、找个低代码平台。Dify、Coze、扣子，哪个顺手用哪个。别纠结这个平台能不能支撑未来规模，现在不讨论规模。你现在要的是一个能在两天内搭出来、让真实用户试用的东西。
二、配基础知识库。把现有的产品手册、FAQ、报价单扔进去，用默认参数跑。别花时间做精细的向量化调优——数据量不大的情况下默认参数和精细调优的差距，远小于用户到底用不用这个最基本的验证。
三、找三个真实用户。不是测试同事，是真正每天要干活的人。让他们用三天，然后拉过来问三个问题：每天打开了几次？哪一次让你觉得这东西真有用？哪一次让你想关掉？
震楠服务那个客户在第一版试用后，反馈了两条关键信息：报价查询准确率只有70%，因为历史数据里有大量口语化表述；销售要的不只是查报价，还想要一个建议价。这两条反馈直接把第二版方向定了——先洗数据、再加建议模块。如果没跑这轮最小闭环、直接按初始设计开发，三个月后发现方向偏了，代价就大了。
第三步：技术选型往后放，先避三个坑
前面两步跑通了，才到技术环节。但到了这一步，还有三个高频坑等着你。
坑一：知识库越大越好。有人把公司成立以来所有文档全灌进知识库，觉得数据越多越聪明。结果用户问上月销售额，智能体返回三年前的财报摘要。检索精度被垃圾数据拖到没法用。正确做法：先只放最近三个月、跟高频问题直接相关的文档。准确率到了90%以上，再逐步加。质量比数量重要十倍。
坑二：单轮没跑稳就做多轮对话。很多团队一上来就设计复杂的对话流程——用户问A、智能体反问B、用户答C、智能体给结论D。上线后发现第一轮意图识别就错了，后面全是废的。先把单轮做稳——问什么答什么，准确率做到95%以上。多轮对话等单轮稳了再叠。
坑三：把智能体定位成替代人。这是最深的一个坑。有人跟老板汇报上线后可以裁掉三个客服。然后智能体上线，答错的问题没人兜底，客户投诉翻倍。正确的定位——智能体是客服的外挂，帮人筛掉80%重复问题。剩下20%复杂问题转人工。客服工作量降了、客户体验没降——而不是用机器把客户气走。
三个坑踩中任何一个，前面的工作都可能白做。尤其是第三个——用户信任一旦丢了，拉回来比从零做还难。
9个月从零到日均200次使用——震楠的一个实战案例
上面说的方法不是理论推导。震楠商业策划去年底接了一个AI商业架构咨询项目，客户是一家B2B供应链企业。他们内部每天有大量重复的报价查询和订单状态确认，销售团队被这些琐事吃掉了一半时间。
整个项目分三个阶段，走了9个月。
第一阶段大概两个月，只做一件事：定边界。跟客户的销售、客服、运营三个部门分别聊，搞清楚智能体到底服务谁。结论是先服务内部销售团队——帮他们快速查报价和订单状态。不直接对客户。这个决定是后来项目能跑通的关键。内部销售用了觉得不好，会骂但会继续用。外部客户不好用，直接走人。
第二阶段大概四个月，跑最小闭环。用低代码平台搭了第一版，接入历史报价单和订单系统。找了三个销售试用。第一周反馈就回来了：报价查询准确率只有70%左右——历史数据里有大量口语化表述，比如老客户价、上回那个价、跟李总谈的那个折扣，系统根本识别不了。销售还提了一个没预料到的需求——他们要的不只是查报价，还要智能体根据历史报价给一个建议价，方便跟客户快速谈判。这两个反馈直接决定了第二版的方向。
第三阶段大概三个月，清洗数据和深化功能。把历史报价数据按标准化格式重新整理后，报价查询准确率从70%提到94%。报价建议模块上线后，销售处理一个标准报价的平均时间从12分钟降到了3分钟。到项目收尾时，内部销售团队每天使用智能体的次数稳定在200次以上。
但真正重要的效果不是这些数字。第六个月我们回访时，发现新销售入职第一件事，是被老销售拉过去说你先打开这个，查报价快。智能体从多了一个要学的东西变成了少了一个要干的活——这个转变，比任何KPI都说明问题。想了解完整的服务流程和更多案例，可以看震楠商业策划的AI商业架构服务。
下一步怎么走
搭智能体这件事，最难的不是技术。是搞清楚给谁用、用在哪。
如果你正在考虑给自己的业务搭一个AI智能体，先别急着选工具。拿张纸回答三个问题：
这个智能体服务的用户是谁？具体到岗位，不是公司员工。
它每天要完成的一个核心任务是什么？具体到一个动作。
怎么判断它做成了？是打开频率、准确率、还是省了多少时间？
答完这三个问题，你就知道下一步该干什么了。想了解更多实际案例和完整服务流程，可以看震楠的案例库。也可以直接留三个关键字给我——你所在的行业、想解决的问题、你卡在哪一步——我帮你看方向对不对。
