跑通 1 条 ai 工作流要 3 到 5 天,顺序是:挑 1 个每周重复 3 次以上的动作、写清输入输出、拆成 3 段、搭最小版本、插人工复核、观察 1 周再扩。工具选型排在这一串后面,先把流程画在纸上。
第 1 样是 1 个每周至少重复 3 次的动作。客服回复同类咨询、每周整理竞品价格、把会议录音转成纪要,都算。低于 3 次的动作,搭流程的时间收不回来。
第 2 样是历史样本。同一类事情攒 10 条真实记录,含当时的输入和人工给出的结果。这 10 条是后面验收的尺子,没有它只能凭感觉说跑通了。
第 3 样是 1 个能改文件的账号。工作流要读写表格或文档,只读权限到第 4 步就会停。上个月帮一家做五金的客户排查,问题出在共享表格只给了查看权限,第 6 步一直报写入失败,查了 2 小时才定位到权限。
3 样凑齐再动手。少第 2 样的人最多,很多人搭完发现没法判断好坏,只能看输出顺不顺眼。
第 2 步是最容易被跳过的一步。跳过的人直接打开工具连节点,连到第 12 个节点时发现判断逻辑没写,只能推倒重来。我见过 1 个做外贸的团队连了 20 多个节点,最后发现前 3 段都没定,白做 2 天。
参数表按填写的先后顺序排,最后两行是出问题时最先要看的。
| 字段 | 填什么 | 常见错填 |
|---|---|---|
| 触发方式 | 定时(每天 9:00)或事件(表单提交) | 填实时,改 1 个字触发 1 次 |
| 输入来源 | 1 个明确地址 | 写「群里的消息」,程序取不到 |
| 输出格式 | 列名 + 每列类型,附 1 条样例 | 只写「整理一下」 |
| 判断分支 | 3 到 8 条条件,每条 1 个结果 | 把 15 条规则塞进 1 段提示词 |
| 失败处理 | 重试 2 次后转人工 | 不写,失败后没有任何提示 |
| 复核人 | 1 个具体岗位 | 写「团队」,最后没人看 |
| 日志保留 | 30 天 | 不留,出问题查不到当时输入 |
第 3 行值得多花 10 分钟。输出格式给 1 条样例,模型照抄字段名的概率明显提高。只给文字描述时,同 1 个流程跑 3 次可能出现 3 种表头。
现象一,输出每次格式不同。原因多是把格式要求只写在提示词里。处理办法是给 1 条完整样例,明确要求字段名与顺序照抄,并在程序侧做 1 次格式校验。
现象二,某些字段空着。原因通常是来源里没有这个字段。回第 3 步补来源,别在提示词里让模型猜。猜出来的内容混进表格,后面很难分辨哪些是编的。
现象三,同一问题两次结果不一样。判断类任务把随机性调到 0 到 0.3 区间,输出类任务保持默认。要求 2 次完全一致的场景,改用规则而不是模型。
现象四,跑到一半停住。上下文超过上限最常见。做法是先摘要再传,或按 20 条 1 批分批处理,中间结果落到表格里再合并。
现象五,数字算错。让模型做加减乘除本身就不可靠。计算交给表格公式或脚本,模型只负责把数字填到正确的格子。
第 1 条看输入在哪。数据在微信群里,选能读群消息的工具;数据在自家表格里,选能直连表格的。输入取不到,后面的能力都用不上。这条排除掉的选择比价格因素多。
第 2 条看要不要人工卡点。需要人确认才能发的环节,选支持暂停等确认的版本。全程无暂停的工具,出错时没有刹车,只能事后追。
第 3 条看日志。能看每次运行的输入、输出、耗时、失败原因,才排得动故障。日志只写 1 行成功或失败的工具,出问题只能重跑猜。
3 条都过,再比价格与并发数。前两条不过的,便宜也不省事,第 2 周就要换。
谁天天做这件事,谁写判断规则。规则写成清单,每条 1 句话,能举出 1 个真实案例。让不熟悉业务的人写规则,写出来的都是通用套话。
触发、字段映射、失败处理、日志,这 4 项归搭流程的人。参数表要留档,换人接手能照着改。参数只存在工具里,人一走流程就成黑箱。
复核人只看 2 件事:结果对不对、格式合不合要求。复核人不需要懂流程怎么搭,但要知道什么算错。这条定不清,复核会变成走过场。
3 个角色可以是同 1 个人的 3 种状态,前提是每一步留 10 分钟切换视角。同 1 个人连做 3 个角色,最容易漏掉第 3 个。
第 1 条稳定跑满 5 个工作日,再开第 2 条。同时开 3 条的结果是 3 条都不稳,出问题时不知道是哪条带来的。扩量的节奏按每周 1 条走,1 个月能到 4 条。
前 2 周每条都人工确认。连续 50 条无改动,可以把复核降到每 5 条抽 1 条。抽检发现问题就把比例提回 100%,改动 1 次规则再降。
每次出错把输入、输出、正确结果存 1 条,攒到 20 条就是回归测试集。改提示词或换模型后先跑这 20 条,通过率不低于 90% 再上线。
拿 10 条历史样本回放,与当时的人工结果逐条比。9 条一致算通过,8 条以下回去看判断规则,别看输出文采。这一步用 1 个下午能做完,比用 1 周试运行快。
再看耗时。人工 10 分钟的事,含复核应在 3 分钟内完成。超过 5 分钟说明环节太多,拆细或砍掉中间步骤。
最后看失败日志。连续 1 周失败率低于 5%,才值得推广到第 2 个人使用。推广时把参数表和失败样本一起交出去,只给流程截图的,接手人要重新摸索 1 遍。
回放样本时按行业分开。同 1 条流程用在 2 个行业上,判断规则常要改 3 到 5 条,混着回放会得出流程不稳的结论。分开记 2 张表,每张 10 条,2 小时能判完。
本文信息核对时间:2026-11