工程文档场景中的智能体：从单轮问答到受控工作流

当任务包含“找到相关文件—抽取字段—与规则比对—生成报告—等待确认”这些连续动作时，单次对话已经不够。智能体可以把大模型的判断能力接到工具调用上，但它不是放任模型自由执行，而是一套可观察、可控制的工作流运行时。

明确 Agent 的四个组成

一个面向生产的 Agent 至少有目标与计划、可调用工具、短期与长期状态、结果验证机制。工具应封装成受限的能力，例如检索、读取文件、执行只读查询、创建草稿，而不是让模型直接拥有无限制的 shell 或数据库权限。每次调用都应记录输入、输出、耗时和错误。

先规划，再执行，再验证

复杂任务可以先生成可见计划，逐项执行并更新状态。若涉及多个专业或大量文件，可把子任务委派给独立 Worker：一个负责检索，一个负责抽取，一个负责规则校验，最后由协调器汇总。关键结论仍需由验证步骤检查证据是否存在、字段是否完整、格式是否符合约束。

上下文必须被管理

工程资料很长，不能无限塞进对话历史。应保留任务目标、已确认的关键事实、文件引用和未完成事项；对过长历史进行结构化摘要；需要细节时再按需检索原文。这样既能减少成本，也避免模型在过期上下文中继续推理。

从低风险任务开始

适合先落地的任务包括资料归类、检索路径推荐、字段抽取草稿、标准条款定位和报告初稿。涉及审批、删除、修改主数据或安全决策时，Agent 只能提出建议，必须由有权限的人确认。把自动化边界画清楚，才能让智能体真正进入日常工作。

智能体的成熟标志不是能调用多少工具，而是失败时能否停止、解释、恢复，并让每一步都有迹可循。