主题
06-01 · 无人监管流水体系（Unattended Pipelines）
最高境界：你在睡觉，你的 Agent 在替你赚钱、替你交付。
这一节给你一份从 Demo → MVP → 产品 → 无人流水 的完整路径图，并把公司当前在跑的几条流水拆给你看。
一、四阶进化模型
| 阶段 | 形态 | 人工占比 | 例子 |
|---|---|---|---|
| L0 Demo | 一次性脚本 | 100% | "我让 Claude 帮我抓了一次新闻" |
| L1 工作流 | 半自动，人触发 | 50% | "我每天早上跑 cron，给老板发日报" |
| L2 半托管 | 自动跑，异常时人接手 | 20% | "客户线索挖掘 Agent，每周看一次质量" |
| L3 无人监管 | 全自动，人只看结果 | <5% | "内容生产 Agent，自己选题/写/发，按效果优化" |
公司绝大多数项目要做到 L2 才能交付。L3 是终极目标。
二、L3 流水线必备的 6 大组件
┌─────────────────────────────────────────────────────────────┐
│ 1. 输入源（Trigger） │
│ - 定时（cron）/ 事件（webhook）/ 信号（监听数据源） │
└────────────────┬────────────────────────────────────────────┘
│
┌────────────────┴────────────────────────────────────────────┐
│ 2. 输入归一化（Normalize） │
│ - 把任何形态的输入转成结构化的 task │
└────────────────┬────────────────────────────────────────────┘
│
┌────────────────┴────────────────────────────────────────────┐
│ 3. Agent 集群（Workers） │
│ - 多 Agent 协作完成任务 │
│ - 内含 Skills + MCP │
└────────────────┬────────────────────────────────────────────┘
│
┌────────────────┴────────────────────────────────────────────┐
│ 4. 质量门槛（Quality Gate） │
│ - 自动评估输出质量，不达标自动重试 / 升级模型 │
└────────────────┬────────────────────────────────────────────┘
│
┌────────────────┴────────────────────────────────────────────┐
│ 5. 交付通道（Delivery） │
│ - 写库 / 推送 / 邮件 / 飞书 / API │
└────────────────┬────────────────────────────────────────────┘
│
┌────────────────┴────────────────────────────────────────────┐
│ 6. 可观测性（Observability） │
│ - 日志 / 成本 / 错误率 / 人工反馈回流 │
└─────────────────────────────────────────────────────────────┘做不到 6 大组件齐全 = 流水线不算成熟。刚入职的股东最常缺第 4 和第 6 项。
三、公司当前在跑的几条流水线（参考）
3.1 Lead Generation Agent（客户线索挖掘）
- 输入：ICP 配置（行业 / 地区 / 规模 / 信号词）
- 流水：
- 自动发现公司池（ENScan_GO API + 关键词搜索）
- 多源富化（官网、招聘、企查查、舆情）
- 抽取关键属性 + 信号打分
- 入库 + 推送给销售
- 现状：L2，每周抽样人工 review 10%
3.2 Future Opportunity Agent（未来机会探索）
- 输入：客户的产业 brief（如"中高端智能沙发"）
- 流水：
- 联网研究（CES、Deloitte、Apple visionOS、Matter…）
- 趋势 / 场景 / Persona / 访谈 / 技术 / 机会六阶段生成
- 专家 review
- 输出战略报告 (json + markdown)
- 现状：L1-L2
3.3 Course Site Builder（课程站点构建）
- 输入：原始教程仓库 / VitePress / MkDocs / 原始 markdown
- 流水：
- 自动识别站点类型
- 智能裁剪 + 汇编
- 路径规整 + 跨链接修复
- 部署
- 现状：L2
学习方式：上面三条流水的代码 / 配置都在公司内部仓库。未来股东入职第一个月的任务之一：读一遍其中任一条流水的源码 + 写一份学习笔记到 Vault。
四、设计你的第一条流水线（实战作业）
Step 1：找一个"你自己每周都重复做的事"
例如：
- 每周一早上读 5 个 newsletter，整理成一份摘要
- 每周给老板发周报（数据 + 进展 + 风险）
- 每天早上看招聘网站，抓潜在候选人简历
Step 2：拆成 6 大组件
| 组件 | 你的设计 |
|---|---|
| Trigger | 周一 8:00 cron |
| Normalize | 把订阅源转成 article list |
| Workers | Agent 1：分类；Agent 2：摘要；Agent 3：写综述 |
| Quality Gate | 字数 / 重复度 / 来源数量 |
| Delivery | 推送到飞书 + 写入 Obsidian |
| Observability | 写日志 + 失败时短信 |
Step 3：用公司 starter 起项目
bash
cp -r ~/projects/_starters/agent-product-starter ~/projects/my-pipeline
cd ~/projects/my-pipelineStep 4：让它先跑起来（L1 即可）
不要追求一步到位 L3。先 L1 跑一周 → 收集失败案例 → 升级到 L2。
五、何时升级到 L3
只有满足以下条件，才考虑升级到 L3：
- [ ] 连续 4 周 L2 运行，人工干预 < 20%
- [ ] 有明确的错误重试 / 升级模型策略
- [ ] 有完整的可观测性（每条任务都能被追踪到）
- [ ] 输出有自动评分机制（不是人评，是 LLM-as-Judge 评）
- [ ] 成本可控（单条任务 Token 成本 < 收益的 30%）
强行 L3 = 风险翻倍但效果未必好。忍住。
六、避坑指南（公司踩过的坑）
| 坑 | 解法 |
|---|---|
| Agent 卡在某一步无限循环 | 设硬性 step 上限（≤ 30）+ 超时 |
| 一个任务 Token 飙到几十块 | 加成本上限保险丝 + 降级到小模型 |
| 输出质量飘忽 | 加 Quality Gate + 自动重试 |
| 数据源变化 / 网站改版 | 加监控，failure rate 上升时报警 |
| Agent 自己改了不该改的文件 | 严格限制工具白名单，只读 / 只写指定目录 |
| Skill 越加越多互相打架 | 一个流水只挂"必要"的 Skill，不要全装 |
七、长期目标
每个工程师都应该至少拥有 1 条属于自己的 L2+ 流水线。
这条流水线 = 你在公司的"个人资产"。 它越成熟，你越值钱，公司越离不开你。 它是你的核心壁垒，也是公司的核心资产。
我们希望未来你回头看：
- 你在公司创造的最大价值，不是你写过多少代码
- 而是 你设计并运营了几条无人监管流水线
八、参考资料
- 📚 Anthropic - Building effective agents
- 📚 LangGraph workflow patterns
- 📚 公司内部 Lead Generation / Future Opportunity / Course Site Builder 仓库（内网）
继续 → 99 · 附录