不愧是字节挖来的AI PM，这agent逻辑太缜密
上周旁听了一场内部评审，某业务线想做个“智能客服agent”。方案从技术选型到模型微调全列了一遍，唯独没讲清楚：用户到底在什么场景下，会触发这个agent的哪条决策路径

大佬听完，只问了一句：你这个agent，是先想“我能做什么”，还是先想“用户现在卡在哪”？”然后他打开白板，画了四层逻辑

第一层：目标拆解——不是让agent回答，是让它完成
大部分人做agent，第一反应是接个大模型，配个知识库，能问答就行。这叫聊天机器人，不叫agent

真正的agent逻辑，起点是任务闭环。用户说“帮我退个货”，agent脑子里跑的应该是：识别订单→判断退货资格→生成退货单→通知物流→回传用户。每一步都是一个子目标，每个子目标都有成功条件和失败分支

她的原话是：agent的产品文档里，第一页不写支持多轮对话，写用户在几步之内能拿到结果。这句话值钱。

第二层：工具调用——不是能调，是该不该调、调哪个、调几次
agent和纯模型的核心区别，就是能不能动手。但动手这件事，产品经理要定的不是接哪些API，而是调用策略

她举了个例子：用户问我上周买的鞋到哪了。agent有三个工具可选——查订单系统、查物流接口、查售后记录。菜鸟产品经理会让模型自己选，结果模型三个全调一遍，响应慢了三秒，用户早关了。
正确的逻辑是：先用最便宜的判断做路由。订单号能不能直接解析？能，直接走物流接口。不能，才降级到模糊查询。这叫“调用成本分层”，是产品经理该写进PRD的东西，不是扔给算法同学自己悟

第三层：记忆机制——不是记住历史，是记住哪一段、记多久、什么时候忘
所有agent方案都会写“支持上下文记忆”。但大佬问的是：短期记忆和长期记忆的边界在哪？
他的拆法是三段：会话内记忆（当前这轮任务的状态机）、跨会话记忆（用户偏好和未完成任务）、全局记忆（业务规则和知识库）。三段的生命周期、存储成本、召回优先级完全不同

更狠的是她提了“主动遗忘”——用户三天前问过一次退款政策，今天又来问，agent不该把三天前的原话复述一遍，而应该重新判断：用户这次是同一订单还是新订单？是追问还是新问题？记忆不是越多越好，是越准越好

第四层：异常兜底——不是转人工，是带着上下文转人工
这是最容易被忽略的一层。agent失败不可怕，可怕的是失败之后用户要从头再说一遍。所以兜底设计要包含状态快照——用户是谁、聊到哪一步、已经确认了什么信息、卡在哪个判断上。

AI产品经理 ai产品经理学习