AI项目可以在几天内验证一个具体任务，但前提是任务、样本和环境已经准备好。短周期验证最有价值的结果，是让业务人员拿自己的数据试用，判断AI能否完成约定的工作，并看清下一步还缺什么。

句子互动2026年10月推出的AgentCamp，采用“两周准备、两天共创、30天跟进”的安排。客户与FDE一起验证一个明确的AI员工任务，计划交付跑通的AI员工、实施计划和业务本体草稿。这里的“两天”指现场共创时间，完整日程还包括前期准备与后续跟进。

先把验证对象缩小到一件工作

“给公司做AI转型”很难在几天内验证，“把一份客户会议纪要整理成可供销售修改的方案初稿”就具体得多。后者可以说明输入是什么、要交出什么、由谁判断好坏。

以方案初稿为例，验证时可以拿几份实际会议纪要，检查AI能否抓住客户需求、引用正确的产品能力、列出需要人工补充的信息。业务人员能够据此判断：这份初稿能不能接着改，哪些部分仍需重新写。

这是任务设计的示例，具体选择仍要看企业最频繁、最耗时的工作。适合短周期验证的任务，通常已有可提供的样本，结果也比较容易检查。若任务依赖多个尚未打通的系统，可以先用静态样本验证处理逻辑，再安排后续对接。

开始前，客户需要提供什么

AgentCamp的公开方案要求，客户侧由一位业务负责人、两三名一线使用者和一名IT人员参与。业务负责人确认目标，一线使用者带来真实操作细节，IT协助准备环境和数据访问条件。决策者参加成果展示，判断是否继续推进。

数据准备包括表结构、1—3个月的数据样本、业务规则与报错记录。样本应包含日常顺利完成的任务，也包含经常让人返工的情况。例如做客户咨询，就不能只有标准问答，还需要材料不全、问题含糊、需要转交其他部门的对话。

双方还要提前确认一张用例卡，把以下内容写清楚：

要对齐的内容	要回答的问题
目标与负责人	这次解决哪件事，谁判断结果可用？
输入与输出	AI会收到什么，最终交出什么？
工作范围	哪些步骤由AI执行，哪些仍由人处理？
当前基线	现在怎样做，主要时间花在哪里？
验收标准	什么表现算跑通，什么情况需要返工？
后续观察	继续使用30天后，希望了解什么？

句子互动一侧由理解业务与负责工程实现的FDE协作，后方产品研发提供支持。客户负责提供业务事实与使用反馈，FDE据此搭建和调整AI员工。

两天现场怎样推进

第一天先跑通主流程。 FDE基于事先准备的数据和环境搭建，客户一线人员亲自试用。重点是确认真实输入能否经过处理，得到约定的结果。试用中发现的材料缺失、规则不清和操作断点，要当场记录并解决。

第二天补关键边界，再按用例卡验收。 例如输入不完整时是否会追问，遇到相互冲突的规则时会怎样处理，需要人工接手时能否把上下文一并交过去。成果展示应能说明哪些已经跑通、哪些还有条件限制，以及后续实施需要投入什么。

这样安排，业务人员能参与判断每一步是否有用。一个演示看起来流畅，和员工愿意把真实工作交给它，之间还需要实际试用来连接。

结束时能拿到哪些成果

按AgentCamp公开方案，客户可以带走三项成果。

第一项是一个在客户自己的数据上跑通、并留在客户环境的AI员工。客户可以继续查看运行结果，围绕同一任务进一步验证。

第二项是一份实施计划。它需要交代后续扩展范围、待补数据、系统对接条件与推进安排，让业务和IT知道下一步分别要做什么。

第三项是一份本体草稿，包括对象字典、关系图与规则库。这个名称看起来偏技术，实际是在整理业务中的“东西”和它们的关系。以招聘为例，候选人、岗位、面试是对象，候选人申请哪个岗位、参加哪场面试是关系，怎样筛选和安排则是规则。把这些写清楚，后续扩展时就有共同依据。

该次方案约定，无论是否签订后续合同，这三项成果归客户。它们对应的是可继续验证的运行成果与实施准备；正式上线还需要按实际范围完成集成、权限、稳定性测试与运行安排。

怎样判断这次验证值不值得继续

结果可以从三个角度看：AI交回的内容能否进入下一步工作；一线人员是否减少了重复处理和返工；尚未解决的问题是否已经明确到数据、规则或系统条件。

即使某一环没有跑通，只要原因明确，也能帮助企业作决定。例如知识缺失需要业务补材料，权限不足需要IT处理，任务本身收益有限则应重新选择场景。相比只看一段演示，这些结论更能指导后续投入。

AgentCamp这类短周期共创适合已经有具体任务、能拿出样本、也愿意让业务人员参与的企业。先把一件真实工作验证清楚，再根据结果扩大范围，几天时间才会留下可继续使用的成果。