87% 的企业智能体在上线 30 天内被弃用

这个数字来自一家头部云厂商 2024 年 Q3 的内部复盘，样本覆盖 3400 个企业智能体项目。不是模型能力问题——GPT-4、Claude 3、国内大模型都能把话说通。真正的问题是：企业把智能体当成"会说话的数据库"来搭，结果它既不会说话，也查不准数据。

我见过最典型的一个case。一家做工业配件的制造业客户，花了 3 万多块接了一个客服智能体。上线第一周，客户问"你们有没有 M12 规格的防水接头"，智能体回了一大段公司介绍。问第二遍，它开始背产品手册。问到第三遍，它道歉，然后继续背手册。

第 47 天，客户团队把这个智能体关了。不是因为它笨，是因为它"太热情"——每个问题都回 300 字以上，但没有一个字在点上。

大多数团队搭建智能体的第一步是打开提示词编辑器，写一段"你是一个专业的客服助手"。这一步就错了。

提示词工程解决的是"怎么说话"，但企业智能体首先要解决的是"接什么活"。没有场景卡，智能体默认自己什么都能干。客户问价格它回产品介绍，客户问交期它回技术参数，客户问售后它回销售电话。

场景卡要回答三个问题：谁来问、问什么、问到什么程度算完。以那家工业配件客户为例，正确的场景卡应该长这样：

• 问的人：采购经理（关心交期和账期）、工程师（关心技术参数）、老板（关心价格和起订量）
• 问的事：产品查询、交期确认、售后报修、样品申请
• 结束条件：采购经理拿到报价单和交期、工程师拿到技术确认书、老板拿到阶梯报价

场景卡写清楚了，智能体才知道"M12 防水接头"这个问题该调哪个数据库、回什么格式、什么时候转人工。

同一家客户，第二版智能体加了场景卡，能识别问题了，但说话风格一天一个样。上午像销售，下午像技术支持，晚上像聊天机器人。

角色卡不是写"你是一个专业的客服"这种废话。角色卡要定义：说话长度（50 字以内还是 300 字详细说明）、语气（正式/随和/技术范）、拒绝方式（直接说"这个我查不到"还是"我帮您转接"）、犯错时的姿态（硬撑还是承认）。

那家制造业客户第二版智能体的问题，是角色卡里只写了"专业"两个字。结果它把"专业"理解成了"多说术语"。客户问"这个接头防水吗"，它回"IP67 防护等级，符合 IEC 60529 标准，可在 1 米水深浸泡 30 分钟"。客户其实只想听"防，下雨天没问题"。

角色卡要具体到"遇到非技术客户，用生活类比替代标准号"。这种颗粒度，提示词工程不会帮你写。

这是最容易被忽略的一张表。企业搭智能体时热衷于列"我能做什么"：查库存、报价格、下订单、转人工。但几乎没人列"我不能做什么"。

不能做什么比能做什么更重要。因为 LLM 的特性是"不会说不知道"——它遇到超出能力范围的问题，会编。业内叫"幻觉"，客户叫"胡说八道"。

那家工业配件客户的智能体，被问"你们能不能做定制接头"时，回了"可以，请提供图纸"。实际上这家公司不做定制，只做标准件。这个回答让销售团队跟进了两周，最后发现是智能体编的。

边界清单要写明：哪些事必须转人工、哪些信息不能给、哪些承诺不能做。比如"不做定制件""不承诺交期""不讨论竞品对比"。清单越短，智能体越危险。

正确的搭建顺序应该是：场景卡 → 角色卡 → 能力清单 → 边界清单。四张表填完，再打开提示词编辑器。

这个顺序反过来的代价很大。先写提示词再补场景卡，等于先装修再画户型图。你会发现提示词里写了"请友好地回答"，但根本没定义"友好"在什么场景下用。写了"请准确查询"，但不知道查询的边界在哪。

那家制造业客户第三版智能体，按这个顺序重做。四张表花了 2 天，提示词只写了 20 分钟。上线后第一周，客户满意度从第一版的 23% 升到 71%。不是模型变了，是智能体终于知道自己在干什么了。

如果你正在搭智能体，或者已经搭了一个但效果不对，先别改提示词。去检查一下：场景卡写了吗？角色卡具体到语气了吗？边界清单列了"不能做什么"吗？

四张表填完，LLM 只是最后一步安装。没填表就装 LLM，等于没打地基就盖楼。

关于智能体搭建的更多实操方法，可以参考震楠商业策划的服务流程，或者了解HaiAwake 方法论中关于 AI 商业架构的部分。相关案例见智能体项目案例。

相关阅读：震楠商业策划的服务流程 · HaiAwake 方法论 · 智能体项目案例

问：四张表必须一次性写完吗？

不用。场景卡先写，其他三张可以迭代。但场景卡必须是第一版就有的，不然智能体根本不知道自己在接什么活。

问：小团队没有产品经理，谁来填这四张表？

最懂客户的人填。通常是销售或客服主管，不是技术人员。技术人员负责把表里的规则翻译成提示词和接口。

问：已经有智能体在跑了，还能补这四张表吗？

可以。把现有智能体的对话日志导出来，按"谁在问、问什么、回什么、哪里错了"四个维度分类，分类结果就是场景卡和边界清单的初稿。

问：GPT-4 时代还需要这么麻烦吗？

需要。模型越聪明，边界清单越重要。因为聪明的模型更擅长"合理推测"，而企业场景里，合理推测往往是错的。