流程重构与任务设计 Skill

使用场景

• 产品形态已确定，需要具体设计 AI 如何嵌入工作流程
• 需要在"完全自动"和"纯人工"之间找到正确的协作边界
• 需要把高重复、高信息密度的子任务分配给 AI，把高责任、高例外的部分留给人类

核心概念

• 工作流设计：围绕任务完成，而非围绕页面跳转来设计产品
• 助手模式（Assistant Mode）：AI 提供建议，人保留主要判断权
• 协同模式（Copilot Mode）：AI 与人协同推进任务，人持续修正与确认
• 自主模式（Autonomous Mode）：AI 在明确边界内自动执行，但仍需治理与回退机制
• 人在回路中（Human-in-the-Loop）：AI 持续推进任务，关键节点由人确认
• 人在监督中（Human-on-the-Loop）：AI 在边界内持续运行，人负责监控、干预、叫停和回滚

人机协作模式选择

场景特征	推荐模式	说明
高风险、不可逆	人在回路中	每个关键动作需人确认
中风险、可监控	人在监督中	AI 执行，人监控，可随时干预
低风险、边界清晰	自主模式	AI 在规则内自动执行
高频率、低价值	批量自动化	定时批量处理，无需实时监控

流程重构四步法

第一步：任务拆解

把完整任务拆解为原子子任务：

完整任务
  → 子任务1（高重复、AI可做）→ 自动化
  → 子任务2（中风险、AI辅助）→ Copilot
  → 子任务3（高责任、人为主）→ 人工
  → 子任务4（边界不清、待验证）→ 实验

第二步：分配人机职责

子任务	模式	判断理由
信息召回	AI 自主	高频、标准化、无风险
规则解释	AI 辅助（Copilot）	中等风险，需人确认
风险判断	人在回路中	高风险、不可逆
客户沟通	人工	高同理心需求

第三步：节点标注

在流程图上标注关键节点：

• 🔴 决策节点：需要人工判断或确认
• 🟡 AI 辅助节点：AI 提供建议，人最终决定
• 🟢 AI 执行节点：AI 自动处理，无需干预
• ⚫ 回退节点：异常情况回退到人工

第四步：验证与迭代

在真实工作流中测试：

1. 记录每个节点的通过率和人工介入频率
2. 识别流程瓶颈（AI 处理慢、还是人工确认多）
3. 调整节点模式（哪些可以自动化，哪些需要收紧）
4. 迭代优化

输出物：流程重构方案

1. 任务拆解图：完整任务的原子化拆解
2. 人机协作矩阵：每个子任务对应的人机模式
3. 流程节点图：含节点标注的完整工作流
4. 回退机制：每个节点的降级策略
5. 验证计划：如何验证流程重构的有效性

与其他 Skill 的关系

• 前置：@p2b-product-form-exploration（确定产品形态）
• 后置：@p2d-convergence-decision（收敛决策）、@p2e-shadow-validation（影子验证）
• 协同：@ai-native-agent-skill-design（Agent 形态设计）、@ai-native-ux-design（交互细节）

示例

用户输入

"客服 Copilot 已确定 Copilot 形态，需要设计具体工作流程"

Skill 执行

任务拆解（客服工单处理）:
  1. 读取工单信息 → AI自主 ✅
  2. 查询订单状态 → AI自主 ✅
  3. 召回相关规则 → AI辅助（Copilot）🔶
  4. 生成回复建议 → AI辅助🔶
  5. 风险标记 → AI辅助🔶
  6. 客服确认 → 人工 ✅
  7. 发送回复 → 人工 ✅
  8. 异常升级 → 人工+AI协助 ⚠️

人机协作矩阵:
  | 子任务 | 模式 | 边界 |
  |--------|------|------|
  | 信息读取 | AI自主 | 无需边界 |
  | 规则召回 | Copilot | 高置信度自动推荐 |
  | 回复生成 | Copilot | 涉及退款需人工 |
  | 风险标记 | AI辅助 | 标记但不拦截 |
  | 人工确认 | 人在回路 | 所有高风险项必须确认 |

回退机制:
  - AI无响应 → 自动转纯人工流程
  - 风险标记>2项 → 强制人工审核
  - 会话超过5轮 → 提示转接人工
  - 情绪检测异常 → 直接转人工

验证计划:
  - 影子验证2周，记录各节点人工介入率
  - 目标：信息读取自主率>95%，人工确认集中在风险节点