把实战手册适配到你的领域

每份实战手册都是同样五个问题，同样的顺序。

回看支持、分析、SRE、研究与 GTM，表面各异但骨架完全一致：精确定义任务、按可逆性设定自主、经工具接地、选一个镜像业务代价的评估信号、用护栏界定头号失败模式。每个领域只是用不同的具体内容填空。一份新实战手册不是发明出来的；它是通过为你的垂直领域诚实回答这五个问题推导出来的——方法与领域无关，只有答案是本地的。

用必须为真的条件定义任务，而非它做什么。

反复出现的第一个错误，是把任务框定为活动（"答工单""发邮件""修故障"），而非成功与失败条件。锋利的版本永远是两个谓词：一个好结果长什么样，以及代价压倒一切的那个错误结果是什么。支持：解决 vs 自信的错误政策。分析：站得住脚的数字 vs 自信的错误数字。SRE：真正修复 vs 有害的"修复"。当你能用一句话陈述那个压倒性失败时，任务定义就完成了——因为那句话设计了下游的一切。

按可逆性设定自主，分解为多个区域。

自主从不是整个智能体的单一旋钮——每份实战手册都把作用面切成一个自主运行的高价值低风险区（信息性答案、诊断、研究、起草），和一个设关的有后果不可逆区（交易、修复、发送）。反复出现的规则：

# the autonomy law every playbook obeys
autonomy = f(reversibility, blast_radius, human_scrutiny)
if irreversible(action) or blast_radius(action) > tolerable:
    require_human_gate(action)        # draft, do not do
else:
    autonomous(action)                # the value lives here

先分解，再按区域分配自主。一个被赋予单一全局自主级别的智能体，要么太胆怯而无用，要么太自由而不安全——没有一个同时满足两者的设置。

工具是接地与爆炸半径的限制，不只是能力。

在每份实战手册里，工具都身兼两职：它们把模型接地到它不可猜测的真相（账户状态、schema、抓取的来源、同意状态），它们也是限制所在之处（退款上限、只读角色、抑制过滤、限定范围的运维手册）。推导问题分两部分：智能体绝不可编造什么——那就成为一个检索或状态工具；以及最糟的单次调用是什么——那就成为一个类型化签名，限制在边界而非提示里强制执行。表达为提示指令的护栏是一个愿望；同一护栏作为一个拒绝越界输入的工具是一个保证。这是最可迁移的单一教训。

评估必须镜像业务代价函数，尤其是那个不对称。

每份实战手册的评估都拒绝了头条指标（分流、打开率、"读起来不错"），因为它掩盖了压倒性失败，并把那个失败赋予匹配其现实不对称的权重。可迁移的构造：

• 在真实、有代表性的输入上评分——重放的对话记录、已标注问题库、过往事故、发送前草稿——而非合成的顺利路径。
• 把压倒性失败作为一个硬性、重权的维度评分——一个自信的错误答案在评估里必须比一次干净弃答昂贵得多，因为在业务里就是如此。
• 奖励校准的弃答——"我答不了 / 我不确定 / 升级"是一个正确输出，不是失误，只要替代选项是一个自信的错误。
• 拒绝那些靠同时降低你承担不起的覆盖率来压低失败率的权衡——反过来绝不可。

元清单：推导你领域的实战手册。

• 任务：陈述好结果，并用一句话说出代价会令项目取消的压倒性失败。
• 自主：分解为区域；可逆且低爆炸处自主，不可逆或高触达处设关。
• 工具：它绝不可编造什么 → 接地工具；最糟的调用是什么 → 限制在边界而非提示里的类型化工具。
• 评估：真实有代表性的输入；压倒性失败作为硬性重权维度；奖励校准弃答。
• 护栏：部署前结构性地界定头号失败；配恢复路径也遵守的 fail-closed 熔断。
• 把假设记入变更日志：写下哪些答案是猜测，以便它们被检验时重访这份实战手册。

诚实的取舍：这个方法把不光鲜的工作前置——命名失败、分解自主、构建会拒绝的工具——放在惊艳的演示之前，而这个排序就是全部要点：每个跳过它的垂直领域都发布了一个变成事故的演示，方法不过是有意地、提早地付那笔代价、而非意外地、太晚地付的那份纪律。