以下人物、公司与数字均为教学假设,不构成对任何真实产品的评价。
三个案例分别是 A Relay(Northwind 的客服工单分诊 Agent)、B Quill(Meridian 的客户报告起草 Agent)和 C Runner(Kettle 的电商运营任务执行 Agent);后文简称 A、B、C。
第二个 Agent 产品立项时,团队最自然的动作是找第一个产品的提示词,改一改,接上新的数据和工具。这样做通常能在一两周内做出演示,然后在验收阶段卡住:新产品的错误类型、确认方式、回滚要求都和旧产品不同,提示词里那些「请谨慎判断」的句子无法替代责任设计。于是团队面临一个选择:继续在旧代码上打补丁,还是承认两者应该分开。
这个问题不能靠「像不像」回答。工单分诊和商品异常分诊都是分类,月报起草和会议纪要都是生成,但它们该不该复用,取决于四个更具体的东西:数据是否同源、工具是否同一套动作面、评测是否同一套口径、责任是否同一档。四项都同,复用的收益最大;只有一两项同,复用的只是外围设施,不是核心能力。
复用的对象不是提示词
提示词是复用成本最低的东西,也是最容易造成假复用的东西。复制一段提示词只需要几秒钟,改几个字段就能跑起来,演示效果往往还不错。但提示词绑定的是某一次任务的具体上下文:它假设输入长什么样、输出给谁看、错误由谁承担。换一个产品,这些假设大多不成立,提示词却还在,于是模型会用旧产品的语气回答新用户的问题。
真正可复用的是三类东西。第一类是能力目录:这个能力做什么、给谁、SLA 多少、谁负责、评测基线是什么。它不包含实现,只包含契约。第二类是评测集:一组带标签的输入和判定标准,用来回答「这次改动有没有让能力变差」。第三类是外围设施:数据接入、工具适配、审计日志、回滚执行、权限门。它们与具体任务无关,但决定了能力能不能安全地跑在生产里。
提示词不在这个清单里,因为它不是契约,也不是评测。它是实现细节,应该跟着能力走,而不是被当成能力本身复制。把提示词当复用对象,会得到一个奇怪的結果:代码看起来共享了,验收却各自为政;一旦某个产品改了提示词,另一个产品在不知情的情况下变差。下一节的能力目录会把这几个字段固定下来,本节先解决「哪些维度值得共享」的问题。
四个复用判据
四个维度各打 0–2 分,满分 8 分。分数不是精度,而是把「像不像」拆成可以讨论的问题。
| 维度 | 0 分:不同 | 1 分:可适配 | 2 分:同一套 |
|---|---|---|---|
| 数据 | 数据源、字段、口径都不同 | 同源但需要映射或清洗 | 同一份数据、同一套口径 |
| 工具 | 动作面不同,权限模型不同 | 动作类似但适配层不同 | 同一套工具与权限 |
| 评测 | 标签与判定标准不同 | 可共用方法,不能共用样本 | 同一套评测集与阈值 |
| 责任 | 责任档不同,审批链不同 | 同档但确认粒度不同 | 同一档、同一审批链 |
判定规则很直接:总分 6–8 分,可以复用同一套能力实现;3–5 分,只复用能力目录与评测方法,运行实现分开;0–2 分,连目录都不建议合并,只共享最外围的基础设施。
这个分数不能反过来用。不是说分数高就一定该合并,还要看产品组合是否本来就允许(上一节的三条线);分数只是回答「如果决定共享,共享到什么程度」。分数低也不代表两个产品不能放在同一个平台下,它们可以共享审计、配额、模型网关这些与责任无关的设施,但不能共享核心能力。
Relay 与 Runner 的分诊能力对比
A Relay 的工单分诊和 C Runner 的异常分诊,名字里都有「分诊」,演示里都是「看一眼输入,判断类型和严重度」。把两条线拆开看,四个维度几乎没有一项相同。
| 维度 | A Relay 工单分诊 | C Runner 异常分诊 | 得分 |
|---|---|---|---|
| 数据 | 工单文本、客户历史、SLA 字段 | 商品目录快照、价格与库存记录 | 0 |
| 工具 | 写队列、写优先级、取首响模板 | 改价格、改库存、下架、发通知 | 0 |
| 评测 | 分诊正确率 91.4%、采纳率 78%、采纳后错误率 2.9% | 审计错误率 1.7%、不可回滚错误率 0.238% | 1 |
| 责任 | 建议档,人确认后生效 | 执行档,人事后审计 | 0 |
评测维度给 1 分,是因为两者都需要「带标签的样本 + 判定标准」这套方法,但样本和阈值不能共用。A 的 91.4% 是分诊正确率,C 的 1.7% 是审计发现的错误率;一个是「建议对不对」,一个是「动作错没错」,分母不同,不能放在同一张表上比较。方法和样本是两件事,方法可以共享,样本不能。
总分 1 分,判定是分开。这个结论不是「C 比 A 高级」,而是「它们承担的责任不同」。如果强行复用 A 的分诊提示词和队列工具给 C,会得到两个后果:C 的动作面缺失,价格和库存改不了;A 的确认链被带进 C,执行档变成审批档,78% 的自动完成率无法维持。复用的收益是省下一点分类逻辑,代价是两条产品线都变形。
同一组织内的复用:B 与 C
复用判据真正有用的地方,不是跨案例比较,而是同一个组织内部的多产品。跨案例的责任档不同,本来就很难复用;同一组织内的产品往往同档、同用户群,复用才有意义。
B Quill 有月报和纪要两个产品,复用率约 30%。可共享的是客户数据包接入、文档渲染和事实核查;不能共享的是月报的提纲、图表选择和客户语气,以及纪要的模板、行动项提取和分发。两类产出的验收标准不同:月报看一次采纳率和事实错误率,纪要看的是行动项是否完整、是否发给了正确的人。30% 不是「只做到了三成」,而是「三成是真正同源的部分,剩下七成必须按产出类型分开」。
C Runner 有三条任务线:上下架检查 45%、价格异常 30%、库存跟进 25%,复用率约 55%。可共享的是目录快照、任务调度、审计日志、回滚执行、规则注册、通知网关、评测、权限门、任务队列、重试策略和指标上报;不能共享的是每条任务线自己的检查与写入动作。55% 高于 B,是因为三条线同属执行档、同一运营团队、同一批次节奏,责任和验收口径天然一致;剩下的 45% 是动作面差异,不能为了统一而合并。
这两个数字也解释了平台形态:B 只有工具集合,没有平台;C 有内部平台,包含调度、审计和回滚。复用率达到一定程度,重复建设的外围设施才值得收拢成一个平台;没到那个程度,平台只是把两套简单工具包进一个更复杂的壳。
过早统一的代价
过早统一最典型的做法,是在第一个产品成功之后立刻建平台,把「以后所有 Agent 都能用」当成立项理由。A 只有一个产品、复用率 0%,此时建平台没有任何可共享的对象;B 的两个产品复用率约 30%,用工具集合就能覆盖,建平台会多出一层需要维护的抽象;C 到了三条任务线、复用率约 55%,平台才开始有规模收益。
代价不只是多写的代码,还有四笔隐性成本。第一笔是抽象税:平台为了兼容还不存在的产品,会设计出过度通用的接口,每个真实产品都要写适配层。第二笔是迁移税:已有产品要改接平台,打断正在交付的节奏;B 的退出恢复时长估算是 2 周,C 是 4 小时,A 未知,这些时间就是迁移税的一部分。第三笔是评测税:统一平台往往统一评测入口,但三个产品的评测口径不同,统一后要么丢指标,要么在每个产品里再分叉。第四笔是责任税:平台团队和业务团队开始争论某个规则该谁维护,边界不清时,规则会在两边各存一份。
还有一个更隐蔽的代价:统一会让人误以为复制周期会大幅缩短。事实是,B 的第二个产品周期已经从 16 周降到 11 周,复制周期比 0.69;C 从 14 周降到 9 周,比值 0.64。这些收益在没有跨产品平台的情况下也发生了,来自同一团队对任务的熟悉、评测集的积累和工具适配的复用。把已经发生的学习效应归功于平台,会高估统一的价值。
把复用判据写成模型
下面这个模型把四个维度做成 0–2 分,给出总分、复用形态、缺口维度和强制复用风险。三个对比分别覆盖跨案例分诊、B 的内部产出复用、C 的内部任务线复用。
// file: src/scale/01-2-reuse-or-separate.ts
// tier: L2
// verify: node --test test/scale/01-2-reuse-or-separate.test.ts
// 复用的是能力目录与评测集,不是提示词。
// 四个维度各 0–2 分:数据、工具、评测、责任;总分决定复用形态。
import { FULL, type Bps } from "../core/rate.ts";
export type Gate = 0 | 1 | 2;
export type ReuseDimension = "data" | "tools" | "evaluation" | "responsibility";
export type Scores = Record<ReuseDimension, Gate>;
export type ReuseVerdict = "reuse" | "catalog" | "separate";
export const DIMENSION_ORDER: readonly ReuseDimension[] = [
"data",
"tools",
"evaluation",
"responsibility",
];
export const DIMENSION_LABEL: Record<ReuseDimension, string> = {
data: "数据来源与口径",
tools: "工具与动作面",
evaluation: "评测集与验收口径",
responsibility: "责任档与审批链",
};
export function totalScore(scores: Scores): number {
return DIMENSION_ORDER.reduce((sum, dimension) => sum + scores[dimension], 0);
}
export function verdictOf(scores: Scores): ReuseVerdict {
const total = totalScore(scores);
if (total >= 6) return "reuse";
if (total >= 3) return "catalog";
return "separate";
}
export function gaps(scores: Scores): readonly ReuseDimension[] {
return DIMENSION_ORDER.filter((dimension) => scores[dimension] === 0);
}
export function shared(scores: Scores): readonly ReuseDimension[] {
return DIMENSION_ORDER.filter((dimension) => scores[dimension] === 2);
}
export function forcedReuseRisk(scores: Scores): "low" | "medium" | "high" {
const verdict = verdictOf(scores);
if (verdict === "reuse") return "low";
if (verdict === "catalog") return "medium";
return "high";
}
export type Comparison = {
readonly name: string;
readonly scores: Scores;
readonly note: string;
};
// Relay 的工单分诊与 Runner 的异常分诊:看起来都是「分类」,四条线却都不同。
export const TRIAGE_ACROSS_CASES: Comparison = {
name: "A Relay 工单分诊 vs C Runner 异常分诊",
scores: {
data: 0,
tools: 0,
evaluation: 1,
responsibility: 0,
},
note: "工单文本与商品快照、队列写入与价格库存写入、建议与执行,均不可共用",
};
// B 的两条产品线:月报与会议纪要,共享数据包、文档渲染与事实核查。
export const REPORT_AND_MINUTES: Comparison = {
name: "B Quill 月报 vs 纪要",
scores: {
data: 2,
tools: 2,
evaluation: 1,
responsibility: 2,
},
note: "同属草稿档,数据包与渲染管线可共用,评测口径仍需按产出类型分开",
};
// C 的三条任务线:价格异常与库存跟进,共享目录快照、审计与回滚。
export const PRICE_AND_STOCK: Comparison = {
name: "C Runner 价格异常 vs 库存跟进",
scores: {
data: 2,
tools: 1,
evaluation: 2,
responsibility: 2,
},
note: "同属执行档,动作面不同但审计、回滚与评测可共用",
};
export const COMPARISONS: readonly Comparison[] = [
TRIAGE_ACROSS_CASES,
REPORT_AND_MINUTES,
PRICE_AND_STOCK,
];
/** 事实表第十节:能力复用率,A 0%、B 约 30%、C 约 55% */
export const CASE_REUSE_BPS: Record<"A" | "B" | "C", Bps> = {
A: 0,
B: 3_000,
C: 5_500,
};
export function reuseRate(key: "A" | "B" | "C"): number {
return CASE_REUSE_BPS[key] / FULL;
}
verdictOf 用两条阈值把分数分成三档:6 分及以上复用实现,3–5 分只复用目录与评测方法,2 分及以下分开。gaps 返回 0 分维度,shared 返回 2 分维度,前者告诉你哪些地方不能共用,后者告诉你哪些地方可以直接共用。forcedReuseRisk 不计算收益,只标记「在分数不够时强行复用」的风险等级,避免评审会上把「复用」当成默认正确。
三个对比的结果值得注意。A 与 C 的分诊只有 1 分,缺口是数据、工具、责任;B 的月报与纪要是 7 分,共享数据、工具和责任,评测留 1 分是因为样本不能共用;C 的价格与库存也是 7 分,共享数据、评测和责任,工具留 1 分是因为动作面不同。两个 7 分都不是满分,恰恰说明「复用」不是全有或全无,而是按维度决定共享到什么程度。
复用的三种粒度
同一个「复用」词,在团队里经常指三件不同的事。把它们分开,能避免很多无效争论。
第一种是目录复用。 两个产品登记同一份能力契约:做什么、给谁、SLA、责任人、评测基线。实现可以完全不同,但对外承诺一致。这是成本最低、收益最稳的一种复用,因为它不要求两个产品共用代码,只要求它们对用户说同一种话。B 的半页文档、C 的完整目录,都属于这一层。
第二种是评测复用。 两个产品共用一套评测方法、标注规范和回归流程,但样本和阈值可以不同。A 的分诊正确率和 C 的审计错误率不能共用样本,但都可以用「固定输入集 + 人工标注 + 定期回归」这套方法。评测复用的价值在于:模型或提示词变更时,两个产品都能用同一种方式回答「有没有变差」。
第三种是实现复用。 两个产品共用同一段代码、同一套工具适配、同一个调度器。这是收益最直接、风险也最高的一种,因为它要求数据、工具、评测、责任四项都足够接近。B 的文档渲染、C 的审计与回滚属于这一层;A 与 C 的分诊逻辑则不应该进入这一层。
三种粒度的决策顺序应该是:先目录,再评测,最后实现。目录复用几乎总是安全的,评测复用需要方法对齐,实现复用需要四项判据都过关。反过来做,先合并代码再补目录,通常会在第一次模型升级时暴露问题:两个产品对「变好」的定义不同,却共用一套回归结果。
复用的验收方式
复用是否成功,不看代码共享了多少,而看三件事:新产品上线时,目录是否直接可用;模型升级时,评测是否一次跑通;出问题时,责任是否仍然清楚。三件事都过,复用才算成立;只过第一件,说明共享的是文档而不是能力;只过第二件,说明共享的是流程而不是实现。
反过来说,如果复用之后新产品的验收标准变得模糊、故障定位需要跨两个团队、模型升级要同时改三套提示词,那这次复用就是把耦合包装成了效率。遇到这种情况,应该退回上一个粒度,先把目录和评测理清,再决定要不要共享实现。
从复用判据到能力目录
复用判据回答「哪些维度可以共享」,能力目录回答「共享的东西怎么被登记和维护」。两者缺一不可:只有判据,共享会停留在口头;只有目录,没有判据,目录会变成一张什么都想收进来的清单。下一节会把三案例的组合决策落到具体产品和组织边界上,第 2 章再把能力目录的字段固定下来。
对产品负责人来说,最实用的做法是把四个维度写进立项评审:这个产品和已有的哪个产品在数据、工具、评测、责任上同源?同源的部分准备怎么共享?不同源的部分准备怎么隔离?四个问题答完,复用还是分开就有了依据,而不是靠「感觉可以复用」。
小结
- 复用的是能力目录、评测集和外围设施,不是提示词;提示词是实现细节,跟着能力走。
- 四个复用判据是数据、工具、评测、责任,各 0–2 分;6 分以上复用实现,3–5 分只复用目录与方法。
- A Relay 与 C Runner 的分诊只有 1 分:数据、工具、责任都不同,评测只能共用方法,不能共用样本。
- B Quill 的月报与纪要复用约 30%,共享数据包、渲染和事实核查,产出类型相关的部分必须分开。
- C Runner 的三条任务线复用约 55%,共享调度、审计、回滚和评测,动作面各自独立。
- 复用率不是技术成熟度,而是产品组合结构与责任同源程度的副产品。
- 过早统一要付抽象税、迁移税、评测税和责任税,还会把已经发生的学习效应误记成平台收益。
- 复用判据回答共享什么,能力目录回答怎么登记;两者缺一不可。
阅读导航:上一节:1.1 Agent 产品组合的画法 · 下一节:1.3 三案例的产品组合决策 。
常见错误与边界
- 把复制提示词当成复用。 提示词绑定具体上下文,换产品后假设不成立;可复用的是能力契约、评测集和外围设施。
- 用总分代替维度判断。 总分只决定档位,具体共享什么还要看每个维度;7 分也可能有一项必须分开。
- 把评测方法和评测样本混为一谈。 方法可以共享,样本和阈值通常不能;A 的 91.4% 与 C 的 1.7% 不是同一把尺子。
- 在只有一个产品时追求高复用率。 A 的复用率是 0%,这不是缺陷;没有第二个同源产品,复用无从发生。
- 把复用率当成 KPI。 为了提高复用率而强行合并动作面,会让责任档变形;复用率应该跟着产品结构走,而不是反过来。
- 把平台当成复用的前提。 B 在没有平台的情况下也做到了约 30% 复用;平台是复用达到一定规模后的结果,不是起点。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。