很多企业做 AI Agent 培训后，会遇到一个落差：

员工会用了，岗位没变。

大家能让 AI 写周报、总结文档、生成表格，也会试一些 Agent 工具。但这些能力如果只停在个人使用层，就很难进入团队流程。

工程视角看，问题通常不在模型，而在“缺少可执行的岗位 SOP”。

一个可复用的岗位 Agent，不只是 prompt，也不只是一次对话。它应该包括触发条件、输入、步骤、工具调用、人审、输出、异常处理和指标。

1. 先把场景压到一个岗位动作

不要一上来做“万能助手”。

更稳的方式是先做一个小动作：

• 销售：拜访前客户背景卡；
• 运营：活动复盘初稿；
• 项目经理：会议纪要转行动项；
• HR：候选人面试问题卡；
• 客服：复杂工单答复建议。

这个动作要能回答：

1. 输入材料是什么；
2. 输出结果长什么样；
3. 谁来判断结果合格。

先定岗位动作

先把学习目标压到一个岗位动作，再扩成 SOP。

2. SOP 结构可以先用一个 YAML 表达

一个最小可用的岗位 SOP，可以先写成类似下面的结构。

sop_id: sales_visit_brief_v1
job_role: 销售顾问
job_action: 拜访前客户背景卡
trigger:
  event: 重点客户拜访前
  timing: 拜访前 24 小时内
inputs:
  required:
    - 客户基础资料
    - 最近沟通记录
    - 产品方案
  optional:
    - 公开新闻
    - 竞品信息
  forbidden:
    - 未脱敏合同金额
    - 内部价格底线
    - 客户个人敏感信息
ai_steps:
  - 提取客户背景
  - 归纳可能需求
  - 生成拜访问题清单
  - 标记风险点
human_review:
  owner: 销售负责人
  required_checks:
    - 事实准确
    - 对外表述合规
    - 敏感信息已删除
output:
  format: 一页客户背景卡
  fields:
    - 客户概况
    - 当前诉求
    - 可能风险
    - 建议问题
    - 下一步动作
metrics:
  - 生成耗时
  - 返工次数
  - 审核通过率
  - 使用频次
  - 样例库更新次数

这个结构的价值，不是形式漂亮，而是把隐性经验显性化。

3. Prompt 只放在流程里面，不单独当成果

很多 AI 培训最后交付的是 prompt。

Prompt 可以保留，但不要让它成为唯一资产。

比如：

你是一名销售拜访准备助手。
请基于以下客户资料生成一页拜访背景卡，
包含客户概况、可能需求、风险提示、建议问题和下一步动作。
输出要简洁，适合销售在会前 5 分钟阅读。

这段 prompt 有用，但它还缺少上下文：

• 客户资料从哪里来；
• 哪些资料不能输入；
• 生成结果谁审核；
• 错误结果如何纠正；
• 修改后的样例放在哪里；
• 下一版 prompt 如何更新。

所以在工程化文档里，prompt 应该是 SOP 的一个字段，而不是全部成果。

4. 从个人用法到岗位 SOP 的流程

可以按五步做：

1. 选一个高频动作；
2. 固定输入材料；
3. 定义 AI 处理步骤；
4. 加入人工审核；
5. 用指标和样例库持续复盘。

从个人用法到岗位 SOP

写清触发条件、输入材料、AI 动作、人工审核和复盘。

5. 样例库比“最佳 prompt”更重要

如果没有样例库，岗位 Agent 很难稳定。

样例库至少要包含三类材料：

1. 正常样例：输入完整、输出合格；
2. 反例样例：输入缺失、输出跑偏；
3. 返工样例：第一版错误、第二版如何修正。

可以为每条样例记录以下字段：

{
  "case_id": "sales_visit_20260701_001",
  "input_quality": "partial",
  "failure_type": "客户需求推断过度",
  "human_feedback": "删除未经证实的预算判断，保留可追问问题",
  "prompt_change": "增加'不能推断未提供的预算信息'",
  "sop_change": "客户预算字段改为'待确认'",
  "status": "复盘完成"
}

这类记录积累起来，才会形成团队资产。

6. 权限和人工审核要提前写进 SOP

企业内部 Agent 最容易出问题的地方，不是“回答不够聪明”，而是边界不清。

典型风险包括：

• 把不该输入的敏感资料放进上下文；
• 让 AI 直接生成对外承诺；
• 缺少事实核对；
• 使用过期版本资料；
• 没有记录谁修改了结果；
• 出错以后不知道改 prompt、改数据，还是改流程。

所以岗位 SOP 里必须有人工审核节点。

审核不只是“看一眼”，而是明确：

1. 谁审核；
2. 审核哪些字段；
3. 哪些错误必须退回；
4. 退回后修改哪里；
5. 修改记录放在哪里。

7. 验收指标

上线后至少看 5 个指标：

指标	含义	判断方式
使用频次	固定场景是否持续使用	每周调用次数 / 岗位人数
节省时间	同类任务耗时是否下降	人工前后对比
返工次数	输出是否减少修改	每次任务返工轮数
审核通过率	AI 输出能否进入下一步	通过数 / 总生成数
样例更新	SOP 是否持续迭代	每周新增样例数

SOP 是否真正落地

能持续复盘，AI Agent 才算真正进入岗位。

8. 上线前检查清单

上线前检查清单

上线前至少检查场景、输入、权限、人工复核、样例和指标。

上线前建议逐项检查：

• [ ] 岗位动作已经明确；
• [ ] 输入材料有来源和权限说明；
• [ ] 输出格式固定；
• [ ] AI 步骤可以重复执行；
• [ ] 人工审核责任人明确；
• [ ] 异常处理有分支；
• [ ] 样例库至少有正反案例；
• [ ] 指标可以每周复盘；
• [ ] SOP 有版本号；
• [ ] 有下一次更新入口。

结尾

企业员工学 AI Agent，如果只停在 prompt 和工具清单，很难进入真实工作。

更可靠的路径，是把一个岗位动作拆成可执行、可审核、可复盘的 SOP。员工个人兴趣负责点火，SOP 负责把能力留在团队里。

我在 Tate万能君（tatezhou.com）整理 AI Agent 学习社群、岗位 SOP 和样例库方法时，也会优先把任务卡、样例库、批改反馈和复盘指标放进训练流程。对企业来说，真正可迁移的不是某段提示词，而是一套能被岗位复用的方法。