这篇文章将帮助您
- 聊天原型与能够承担业务动作的系统有不同验收边界。
- 知识清理、接口适配和评测样例应进入工作量清单。
- 模型调用费用只是运行成本的一部分。
01 / 先确定系统承担的责任
只回答公开产品问题的助手，与能够修改订单的 Agent，不应使用同一份估算模板。前者重点是知识准确性和更新机制，后者还涉及身份认证、业务授权、幂等、用户确认和异常补偿。
将目标写成可验收任务，例如已登录用户查询本人的订单，或门店负责人确认可用时段后创建预约。每个任务说明允许读取的数据、允许执行的动作及必须转人工的条件。
不要用自主决策覆盖模糊范围。明确禁止未经确认修改价格、跨租户查询等动作，让业务方和研发团队对系统责任形成一致理解。
| 能力层次 | 主要工作 | 验收重点 |
|---|---|---|
| 知识问答 | 资料清理、检索、引用与更新 | 正确性、引用可追踪、未知问题处理 |
| 任务执行 | 工具接口、权限、状态与幂等 | 参数、最终状态和异常恢复 |
| 生产治理 | 日志、评测、成本与人工接管 | 稳定性、可观测与交接能力 |
02 / 数据与接口决定不确定性
知识库导入不是简单上传文件。需要识别过期版本、重复条款和冲突资料，为内容指定负责人和有效期。混合语言场景还要确认不同语言是否表达相同政策，不能仅将中文回答自动翻译。
工具集成先确认接口权限、响应结构、错误码与沙箱能力。遗留系统缺少稳定 API 时，适配层和业务状态核对可能比模型调用更复杂。通过小范围技术验证确定风险后，再形成实施区间。
资料质量、测试账号开放时间与第三方审批列为外部依赖，逐项指定责任人与确认日期。估算书写明假设不成立时的替代方案与范围调整方式，避免把未知项隐含在固定报价里。
03 / 为评测与人工接管保留工作量
验收集来自实际用户任务，覆盖缺失信息、错误输入、越权要求与工具超时。每条样例记录预期决策和最终业务结果，不能只凭回答是否流畅判断完成。
多语言系统按语言和任务分别统计结果，总体平均值可能掩盖某种语言下的持续失败。变更模型、检索策略或提示词时，保留固定回归集比较任务层面的退化。
人工接管需要具体入口、交接摘要、接收权限及恢复机制。接收方应看到已经确认的事实和工具执行结果，避免让用户重复解释，也避免人工重复执行模型已完成的动作。
04 / 把预算拆成可验证阶段
第一阶段验证高风险依赖，交付最小任务链路与评测样例；第二阶段完成工具、权限和异常处理；第三阶段验证部署、运行观测与交接。每阶段分别列出可以复核的材料和停止条件。
运行成本包括模型调用、检索、存储、日志、监控和人工维护。模型预算结合真实轮次、上下文长度、重试及峰值估算，不能用一次短提示词价格外推完整项目。
交付边界明确模型账号归属、知识维护职责、故障响应与持续评测频率。本文不提供脱离范围的统一人天报价；完成依赖验证后，才能形成具有依据的工作区间。
- 每个任务明确输入、权限、动作和成功条件。
- 资料清理与接口适配作为独立工作项估算。
- 评测覆盖语言差异与异常，人工接管可实际操作。
- 数据、模型与运行账号的归属在交付前确认。
