《AI Agent 产品开发·交互、信任与上线》1.2 形态选择的代价表

形态选择不是选最先进的界面,而是选由谁承担哪项代价。本节给出可见性、打断成本、错误发现延迟、集成成本四维代价表,用 A Relay 的嵌入与 C Runner 的后台做正面对比,并算清后台用审计补可见性的成本:8.0% 抽检、12 分钟复核、每任务 0.96 分钟,不含转人工的 3.08 分钟。

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。

上一节把形态定在责任发生的位置上,但责任不会凭空发生,每一种位置都要有人付代价。嵌入让用户离得近,代价是打断;后台让用户不被打扰,代价是错误发现得晚;对话最轻,代价是上下文全靠用户搬运。形态选择不是选「最好的界面」,而是选「哪项代价由谁承担」。

这一节把代价拆成四维:可见性、打断成本、错误发现延迟、集成成本。拆开之后会发现,四项不能加总成一个分数,因为它们由不同的人承担。产品负责人要做的不是把总分压到最低,而是判断哪项代价是组织当前能承受的。

四维代价表

先把四种形态在四个维度上的代价标出来。分值 0–2 表示代价高低,2 最高,0 最低;分值不是精度,而是相对位置。

形态可见性打断成本错误发现延迟集成成本
对话1110
嵌入0202
后台2021
混合1112

可见性这一列的数字不是「能看见多少」,而是「产品要额外做多少界面才能让过程可见」。嵌入是 0,因为用户本来就在字段旁边,建议直接贴着业务对象出现;后台是 2,因为过程在用户看不见的地方发生,产品必须额外做任务中心、异常列表和审计视图。对话是 1,聊天记录天然可见,但可见的是对话,不是业务动作。

打断成本这一列的数字是「用户被拉出当前动作的程度」。嵌入是 2,Agent 一出现,用户正在填的工单或正在写的章节就要停一下;后台是 0,用户不被打断,只在通知或异常时回来;对话是 1,用户主动发起,打断由用户自己控制;混合是 1,入口只在异常或审批时把人拉回来。

错误发现延迟这一列的数字是「错误从发生到被发现的时间」。嵌入是 0,错误就在用户正在看的字段旁边;对话是 1,用户要读完回复才知道哪里不对;后台是 2,错误只能靠事后审计或客户投诉发现。延迟不是由模型准确率决定的,而是由形态决定的。

集成成本这一列的数字是「工程要把 Agent 接进现有系统的难度」。对话是 0,一个独立窗口不需要改业务系统;嵌入是 2,要读写当前页面的字段、状态和权限;后台是 1,要接事件、队列和审计日志,但不需要改前端工作流;混合是 2,前后端都要接。

把四列放在一起看,就会发现没有一种形态在四项上都低。嵌入在可见性和发现延迟上最好,但打断和集成最贵;后台在打断上最好,但可见性和发现延迟最差。形态选择本质上是把哪两项成本换给哪两项收益。

Relay 与 Runner 的对比

A Relay 和 C Runner 是这组取舍的两个端点。A 选嵌入,C 选后台,不是因为它们的能力差距,而是因为它们承担的责任不同。

维度A Relay(嵌入)C Runner(后台)
用户在哪工单页,正在处理这张工单不在每个任务现场
可见性建议贴着工单字段,L2 依据任务中心与审计,L3 全程
打断每次分诊打断一次当前操作按批次执行,不逐条打断
错误发现确认时就能发现审计或异常时才发现
集成读写工单字段与队列接事件、队列、审计与回滚
人工账0.75 分钟/单4.04 分钟/任务

A 的月工单量是 26,400 单,人工分诊基线 3.50 分钟一单。它每次只给建议,人确认后才生效,所以嵌入是合理的:用户在工单页里看到队列、优先级和模板编号,确认动作就是一次字段确认。代价是每次分诊都打断当前操作,而且工程要把建议接进工单页的字段和权限体系。

C 的月任务量是 13,200 个,人工基线 18.00 分钟一个。它的动作按批次在后台执行,用户不在每个任务现场,所以后台是合理的:不逐条打断,只在异常和审计时介入。代价是可见性,产品必须额外做任务中心、异常分类和审计视图,否则用户只能看到「跑了」或「没跑」。

两者的差别不是「A 更保守、C 更先进」,而是错误由谁在什么时候发现。A 的错误在确认时被人挡住,所以嵌入的高打断成本是值得的;C 的错误在事后才被审计发现,所以后台必须用审计补可见性。把 A 做成后台,确认点就没了;把 C 做成嵌入,用户会被每一条任务打断。

后台形态必须用审计补可见性

后台形态最大的风险不是模型出错,而是出错之后没人知道。C Runner 的审计口径可以直接算:

  • 月任务量 13,200 个,抽检比例 8.0%,每月审计 1,056 个任务;
  • 单次审计复核 12 分钟,合计 12,672 分钟,即 211.2 小时;
  • 按 0.50 美元/分钟计算,审计人工成本是 6,336 美元。

这 211.2 小时和 6,336 美元只是审计,不含转人工。C 还有 22.0% 的任务会转人工,每次平均 14 分钟,折合 3.08 分钟/任务;把审计的 0.96 分钟和转人工的 3.08 分钟加起来,才是 4.04 分钟/任务,月人工 888.8 小时、26,664 美元。

只算审计不算转人工,是这一章最容易犯的错。审计补的是「事后能看见」,转人工补的是「当时做不了」。两者都是后台形态的必要成本,不能只挑便宜的那一项写进方案。

审计也不是随便抽。抽检比例太低,异常会被漏掉;太高,人工成本会吃掉节省。C 的 8.0% 是一个起点,不是通用答案:它对应的是错误率 1.7%、其中 86.0% 可回滚的任务结构。换一个不可回滚比例更高的任务,抽检比例必须往上走,或者干脆退回混合形态,在动作前加确认。

后台还需要一个用户能看懂的回看入口。任务中心不是日志查看器,它要回答三个问题:这一批跑了多少、哪些被判定为异常、异常里哪些需要人处理。回答不了这三个问题,任务中心就只是把日志搬到了网页上。

审计视图的目标不是让人看更多,而是让人更快判断哪一条需要处理。列表按风险排序,异常按类型分组,回滚句柄放在动作旁边,这三件事比多展示字段更有用。

代价不能加总成一个分数

把四列分值加起来,会得到对话 3、嵌入 4、后台 5、混合 5。如果按总分选,对话永远赢,这显然不对。原因很简单:四项代价由不同的人承担,而且不能互相兑换。

代价主要承担者能不能用钱换
可见性产品团队能,做界面、做审计
打断成本用户不能,打断的是注意力
错误发现延迟客户不能,延迟就是风险暴露
集成成本工程团队能,加人加时间

可见性和集成成本可以用资源换,打断成本和错误发现延迟不能。用户被多打断一次,不会因为产品多招了两个工程师就消失;客户晚一天发现错误,也不会因为集成做得好就自动补回来。所以形态选择要先看两项不可兑换的成本,再看两项可兑换的成本。

一个实用的顺序是:

  1. 先问错误发现延迟能不能接受。不能接受,就必须选嵌入或混合,把确认点放到动作之前。
  2. 再问打断成本能不能接受。用户一天被打断几十次,嵌入就会从帮助变成负担,这时要考虑批量化或后台化。
  3. 最后才问可见性和集成成本。这两项可以用产品投入和工程投入换,属于预算问题,不是形态问题。

这个顺序也解释了为什么 C 可以接受后台:它的错误 86.0% 可回滚,审计能在批次结束后发现,延迟可接受;如果 C 的动作大部分不可回滚,后台就不成立,必须先改成混合,在动作前加确认。

把代价表写成函数

下面的模型把四维代价、承担者和后台审计负载写在一起。审计函数用的就是 C 的口径:13,200 任务/月、8.0% 抽检、12 分钟复核,只算审计,不含转人工。

// file: src/trust/01-2-surface-tradeoff.ts
// tier: L2
// verify: node --test test/trust/01-2-surface-tradeoff.test.ts

// 形态选择的四维代价:可见性、打断成本、错误发现延迟、集成成本。
// 分值 0-2 表示代价高低,不做总分排名,因为四项由不同的人承担。

import { applyRate } from "../core/rate.ts";
import { format, type Cents } from "../core/money.ts";
import { HOUR_CENTS } from "../cases.ts";

export type Surface = "conversation" | "embedded" | "background" | "hybrid";
export type CostName = "visibility" | "interruption" | "discovery" | "integration";

export type SurfaceCost = Record<CostName, 0 | 1 | 2>;

export const COST_LABEL: Record<CostName, string> = {
  visibility: "可见性",
  interruption: "打断成本",
  discovery: "错误发现延迟",
  integration: "集成成本",
};

export const SURFACE_COST: Record<Surface, SurfaceCost> = {
  conversation: { visibility: 1, interruption: 1, discovery: 1, integration: 0 },
  embedded: { visibility: 0, interruption: 2, discovery: 0, integration: 2 },
  background: { visibility: 2, interruption: 0, discovery: 2, integration: 1 },
  hybrid: { visibility: 1, interruption: 1, discovery: 1, integration: 2 },
};

// 谁承担哪项代价:可见性由产品承担,打断由用户承担,延迟由客户承担,集成由工程承担。
export const COST_BEARER: Record<CostName, string> = {
  visibility: "产品",
  interruption: "用户",
  discovery: "客户",
  integration: "工程",
};

export function dominantCost(cost: SurfaceCost): CostName[] {
  let max = 0;
  for (const name of Object.keys(cost) as CostName[]) {
    if (cost[name] > max) max = cost[name];
  }
  return (Object.keys(cost) as CostName[]).filter((name) => cost[name] === max);
}

export function compareSurfaces(
  left: Surface,
  right: Surface,
): Record<CostName, number> {
  const a = SURFACE_COST[left];
  const b = SURFACE_COST[right];
  return {
    visibility: a.visibility - b.visibility,
    interruption: a.interruption - b.interruption,
    discovery: a.discovery - b.discovery,
    integration: a.integration - b.integration,
  };
}

export type AuditLoad = {
  readonly auditedTasks: number;
  readonly reviewMinutes: number;
  readonly reviewHours: number;
  readonly costCents: Cents;
  readonly costText: string;
};

// 后台形态用抽检补可见性。C 的口径:13,200 任务/月,抽检 8.0%,
// 单次复核 12 分钟;这里只算审计,不含 22.0% 转人工的 3.08 分钟。
export function auditLoad(
  tasksPerMonth: number,
  sampleBps: number,
  reviewMinutes: number,
  minuteCents: number = HOUR_CENTS / 60,
): AuditLoad {
  const auditedTasks = applyRate(tasksPerMonth, sampleBps);
  const totalMinutes = auditedTasks * reviewMinutes;
  const costCents = totalMinutes * minuteCents;
  return {
    auditedTasks,
    reviewMinutes: totalMinutes,
    reviewHours: totalMinutes / 60,
    costCents,
    costText: format(costCents),
  };
}

// 可见性缺口只能由审计或前端汇总补,不能靠「请用户相信」补。
export function compensationFor(surface: Surface): string[] {
  if (surface === "background") {
    return ["抽样审计", "任务中心异常列表", "回滚句柄"];
  }
  if (surface === "hybrid") {
    return ["抽样审计", "入口处的批次汇总"];
  }
  if (surface === "embedded") {
    return ["字段级依据", "就地修改"];
  }
  return ["逐条回复", "用户自建记录"];
}

SURFACE_COST 只表达相对位置,不是精确测量。把四个数字相加没有意义,因为可见性和集成成本可以靠资源换,打断成本和错误发现延迟不能。COST_BEARER 把承担者写在旁边,就是为了防止评审时只看产品自己的工作量,忘了用户和客户在付什么。

auditLoad 是这张表里唯一需要精确计算的部分。它把抽检比例换算成任务数,再把任务数换算成分钟和金额。以 C 为例,auditLoad(13_200, 800, 12) 返回 1,056 个任务、12,672 分钟、211.2 小时和 6,336 美元。这个结果只覆盖审计,不含转人工;把它当成 C 的全部人工成本,就会把 4.04 分钟错写成 0.96 分钟。

compensationFor 回答「后台缺的可见性从哪里补」。后台补三项:抽样审计、任务中心异常列表、回滚句柄;混合补两项:抽样审计和入口处的批次汇总;嵌入补字段级依据和就地修改;对话没有系统可补,只能靠用户自己记录。

选择的三个问题

把上面的分析压成三个问题,评审时按顺序问:

  1. 错误最晚可以什么时候被发现? 如果是动作生效前必须发现,选嵌入或混合;如果可以等到批次结束,后台才成立。
  2. 用户一天能被有效打断几次? 如果每次打断都能让用户「看一眼就判断」,嵌入可行;如果打断后用户还要自己去查,嵌入会把帮助变成负担。
  3. 谁来补可见性缺口? 后台必须有审计和任务中心;混合必须有入口汇总;对话只能靠用户自己记录。没有人补,就不要选那个形态。

这三个问题没有标准答案,但有固定的顺序。先定错误发现的时间底线,再定打断预算,最后定可见性由谁补。顺序反了,就会先选一个好看的形态,再为它找理由。

小结

  • 形态选择不是选最先进的界面,而是选哪项代价由谁承担。
  • 四维代价是可见性、打断成本、错误发现延迟、集成成本;四项不能加总成一个分数。
  • 嵌入在可见性和发现延迟上最好,代价是打断和集成;后台在打断上最好,代价是可见性和发现延迟。
  • A Relay 选嵌入,因为分诊错误必须在确认时被发现;C Runner 选后台,因为动作按批次执行,错误可以事后审计。
  • 后台必须用审计补可见性:C 的 8.0% 抽检、12 分钟复核,折合每任务 0.96 分钟、月审计 211.2 小时、6,336 美元。
  • 审计不含转人工;C 的 22.0% 转人工折合 3.08 分钟,加上 0.96 分钟才是 4.04 分钟。
  • 可见性和集成成本可以用资源换,打断成本和错误发现延迟不能;先定后两项,再谈预算。

阅读导航:上一节:1.1 对话、嵌入、后台、混合四种形态 · 下一节:1.3 三案例为什么选了这三种形态 。

常见错误与边界

  1. 把四维分值加总。 总分低不代表形态好;四项由不同的人承担,可见性和集成成本能换,打断和延迟不能换。
  2. 只算审计不算转人工。 C 的审计是 0.96 分钟,转人工是 3.08 分钟;只写 0.96 会把 4.04 分钟的人工账做小。
  3. 把后台当成「不用做界面」。 后台恰恰需要更多界面:任务中心、异常分类、审计视图和回滚入口。
  4. 用高打断换高可见性。 嵌入的每次出现都会打断用户;如果用户看完还要自己查,打断成本就没有换来对应的收益。
  5. 把抽检比例当成固定值。 8.0% 对应 C 的错误结构;不可回滚比例更高的任务,抽检比例必须更高,或者改用混合形态。
  6. 忽视集成成本。 嵌入要接字段、状态和权限,混合要前后端都接;只算模型成本,会把形态的真实代价漏掉一半。

代价表解决的是「选哪个形态」,下一节要解决「三个案例为什么恰好选成这三种」。答案不在界面偏好吗,而在自主度与责任位置的对应关系里。

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。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图