一个万能AI,不如3个岗位助手

邹火火的AI日志

很多人开始搭AI工作流时，第一反应是造一个“万能助手”：它既能查资料，又能写方案，还能检查错误、发送邮件、更新系统。所有工具都给它，所有要求都塞进一段提示词，最好从一句话开始就把整件事做完。

演示时，这种助手很惊艳。真正投入日常工作后，问题很快出现：资料真假混在一起，写作要求和审核标准互相干扰，前面理解错了一步，后面却继续高速执行。等结果不对，你甚至很难判断究竟是哪一环出了问题。

问题通常不在模型不够聪明，而在于一个岗位承担了太多互相冲突的责任。

更实用的做法，不是继续给“万能AI”增加提示词，而是把一条重复工作拆成三个岗位助手：资料员、生产员、质检交付员。

它们可以使用同一个模型。真正不同的，是每个助手看到什么、允许做什么，以及必须交付什么。

岗位一：资料员，只负责把事实找齐

资料员的工作不是抢着下结论，而是准备一份可以追溯的材料包。

它负责搜索信息、读取文件、提取关键数据、标注来源，并把“已经确认的事实”和“仍然不确定的说法”分开。它可以整理观点，却不能为了让故事更完整而补上没有证据的细节。

例如，要写一篇行业分析，资料员的交付物不应该是完整文章，而应该包括：核心事实、原始链接、发布日期、相互冲突的数据、待验证问题。下一位助手拿到的是干净输入，不是一团搜索记录。

这个岗位最重要的限制是只读。它可以访问公开网页和内部资料，却不应该对外发布内容、修改业务数据或替人作出承诺。查错了还可以重来，改错了系统就可能产生真实损失。

岗位二：生产员，只负责按标准完成作品

生产员接收资料包和明确任务，把它变成文章、报告、方案、表格或邮件草稿。

它不再重新搜索整个互联网，也不自行改写业务口径。它需要遵守固定模板、受众要求和表达风格，并在缺少关键信息时停下来标注缺口。

这样做的好处，是创作过程不再被搜索噪音牵着走。资料员负责“材料是否可信”，生产员负责“成品是否清楚”。两个问题分开以后，结果更容易稳定。

生产员也不应该拥有最终发送权限。它的交付物进入草稿区，而不是直接进入客户邮箱、公众号群发或正式数据库。OpenAI在Agent指南中把工具区分为数据、动作和编排三类，本质上也是在提醒我们：能读取信息，不代表应该同时拥有修改和发送的权力。

岗位三：质检交付员，只负责验收和最后一步

第三个助手不从零重写作品，而是拿着验收清单检查上一环的结果。

它核对事实是否都能找到来源，数字口径是否一致，标题是否与正文相符，有没有遗漏敏感信息，格式是否满足发布平台要求。如果不合格，它返回明确问题；如果合格，它再生成最终版本，或者停在真正执行前等待人工确认。

这个岗位最容易被忽略。很多人让同一个AI写完以后顺手检查，相当于让出题人给自己判卷。模型往往会沿用刚才的思路，对自己的假设不够敏感。把审核放进独立上下文，给它一份与写作提示不同的检查表，更容易发现缺口。

Anthropic总结Agent实践时也提到，对复杂任务，可以让不同调用分别处理不同考量；把任务拆开，是用更多时间和成本换取更高的准确性。关键不是助手数量越多越好，而是每个岗位是否真的减少了一类错误。

三个岗位之间，必须交接“成品”

拆成三个助手，不是开三个聊天窗口，然后让它们各说各话。每一步都要有固定交接物。

交接物越明确，助手之间越不需要“心领神会”。资料员结束时不说“我查完了”，而是交出一份结构化材料包；生产员不说“差不多可以”，而是按模板交付草稿；质检员不说“看起来不错”，而是逐条给出通过或退回理由。

每个助手，只写清五件事

不需要先学习复杂的多Agent框架。你可以从三个独立提示词开始，每个提示词只写五件事。

你是谁。 用一个具体岗位代替“你是万能AI”。

你接收什么。 写清输入材料和可信来源，不允许助手随意扩大范围。

你只做什么。 用动作描述职责，例如搜索、提取、改写、核对，而不是笼统地说“把事情做好”。

你绝不能做什么。 把权限边界写出来，尤其是发送、删除、付款、修改正式数据和对外承诺。

你怎样证明完成。 规定输出格式和验收条件，让下一岗位可以直接接手。

以公众号生产为例，资料员交付带来源的素材包；写作员按照账号风格生成正文和摘要；质检交付员核对引用、错字、排版和封面，确认通过后只上传草稿箱，停在群发之前。每个助手都很普通，但整条链路比一个“从热点到发布全部包办”的万能AI更可靠。

哪些任务不需要拆

不是每个问题都值得上三个助手。改一句文案、总结一页材料、查询一个事实，用一个AI更快。为了显得高级而强行多Agent，只会增加成本和等待时间。

适合拆岗位的任务通常有三个特征：会反复发生，中间步骤容易验收，出错后果不只是多改两句话。只要一项工作同时包含“找事实、做成品、对外执行”，就应该认真考虑职责分离。

OpenAI和Anthropic的Agent实践都强调从简单结构开始，只有在效果得到验证后再增加复杂度。真正成熟的AI工作流，不是画出最多的方框，而是让每个方框都有清楚责任，出了问题能迅速定位。

一个万能AI看起来什么都会，三个岗位助手却能告诉你：谁负责找真相，谁负责做成品，谁负责守住最后一道门。

模型决定能力上限，岗位设计决定它能不能稳定工作。

资料来源：

• OpenAI《A practical guide to building AI agents》：关于专业助手、工具分类、交接与多Agent编排的实践指南：A practical guide to building AI agents

• Anthropic《Building effective agents》：关于路由、并行、编排者—执行者模式，以及从简单可组合结构开始的建议：Building effective agents

• Microsoft Learn《Multi-agent orchestration patterns and best practices》：关于将复杂问题拆给专业助手以提高模块化和可管理性的说明：Multi-agent orchestration patterns

— END —