一家小剧团每周都要从售票系统导出场次表，核对场馆变更，准备前台交班卡。负责人曾让 Agent「把资料都整理一下」，结果收到长篇背景介绍，还得自己核对当晚开门时间。要判断自动化是否省工，可以先固定一周的交班范围，记录执行过程，再比较人工与自动流程各花多少时间。
任务边界：把「整理一下」变成一张工单
写清输入快照和最终交付。比如只读取本周场次表、场馆值班表和经确认的变更单，输出一张按日期排序的交班卡和一张冲突表。交班卡每场仅列演出、入口、开门时间和负责岗位。场次表以导出时间标识，变更单按确认日期排序。过期变更单只供追溯，不能覆盖当前安排。
再规定什么时候停。所有场次均已匹配，或剩余冲突都列明负责人和需要确认的问题时，交付现有结果。超出本周的场次不纳入；任何联系场馆、修改售票信息或发送交班卡的动作要另行授权。首次运行可以约定最多处理十条样例，遇到两份资料互相冲突则暂停该场次，继续检查其他场次。这样负责人能拿到部分可用结果，也知道下一步需要谁补证据。
对稳定的重复任务，选能描述固定步骤和产物的流程能力。若需要主动提醒，先限制提醒的触发条件、频率和渠道，例如只有变更单已确认且与值班表不一致时才创建内部待办。无变更时记录一次检查结果即可。先在测试副本验收触发条件，再决定是否接入正式工作区。
执行监控：看新增证据和产物
把任务拆成读取、对账、生成、复核四段。读取完记录文件版本和行数；对账完输出已匹配、冲突、无对应记录三类数量；生成完给出草稿路径；复核完提供抽查结果和剩余问题。负责人能从每段的输出看出是否推进，无需读完整对话记录。若一个执行单元只写「仍在分析」，要求它报告这轮新增的匹配或具体阻塞。
给持续运行的 Agent 设置可观察的退出条件。连续两次没有新增匹配、访问需要人工授权的来源，或达到调用上限时，保存当前进度并停止该支线。命令型能力只开放任务需要的读取路径和临时输出目录；长任务能力还应能展示当前步骤、保存断点并停止后续调度。评估时用假数据演示中止，检查中止后是否仍在发请求、已生成的文件能否保留、重启会不会重复写入。
如果场次表从获准测试的网页导出，可以用关联的 Webapp Testing 检查导出环节：给出测试网址、虚构场次和预期的文件名及列名，记录按钮操作和下载结果。遇到空文件或旧列名时先标记输入未准备好，避免 Agent 对空表反复重试。若输入是人工提供的文件，这一步可以省掉，直接在本地检查列和日期范围。
效率优化：只自动化稳定的部分
先跑一周人工基线，分别记录导出、核对、编辑、复核的人员用时，以及发现错误后要重做的步骤。试跑时还要记等待时长、调用次数和人工回查时间。人可以并行处理别的事时，机器等待与人被占用的时间分别记录。否则同样十分钟等待，可能在一条流程里阻塞交班，在另一条流程里完全不影响工作。
场次多时，先按场馆独立对账，保留各自结果，再汇总为交班卡；有跨场馆调班时，等两边对账都完成再检查人员冲突。若只有文字需要更新，复用已验收的对账表，不再下载和分析全量材料。把输入版本与中间产物一起存档；只要表的列、日期范围或来源发生变化，就重新验证对应步骤。编排工具的主要价值是明确依赖和复用已经通过验收的产物，不必为了串流程把每步都交给模型。
安排一个固定的人工复核时间，例如每天散场后集中处理冲突表。运行中只有可能影响当晚交班的问题才提前提醒。这样负责人无需盯着 Agent 每轮回复。比较两种排法时，除用时还要数打断次数；如果每个普通匹配都发提醒，先改提醒规则，再讨论是否换工具。
用一份假排期做演练
准备六条虚构场次：四条可直接匹配，一条在两个来源里开门时间不同，一条没有对应值班岗位。预期输出是四条完整记录和两条待确认项。再让网页导出返回旧日期，预期流程停在输入检查，保留上一次结果并标明不可用于本周。最后修正日期，只重跑导出验证和受影响的对账步骤，比较是否节省了人工回查。
当冲突表列出两条问题时，每条都要带原始行号、候选值和责任岗位。例如「周六晚场开门时间：场次表 18:30，变更单 18:45，待值班经理确认」。经理确认后只更新该记录并复核当天交班卡。如果发现重跑生成了两张看似正式的卡片，统一文件版本和输出路径，再做一次从暂停到恢复的测试。
常见问题
怎么判断 Agent 在空转？
查看对账状态是否变化、有无新证据或新的可用产物。重复下载同一快照、不断扩充无关材料、反复产生同一错误都不算进展。记录当前输入和失败点，暂停支线，由负责人决定缩小范围、补材料还是终止。
装了技能就能省钱吗？
安装说明本身不能证明运行成本。看任务是否会调用模型、外部服务或持续运行环境，并记录试跑调用量与人工复核时间。先限制输入和重试次数。如果复核比手工核对更久，保留已经有效的步骤，将低收益部分改回人工。
换一个 Agent 宿主还能用吗？
先确认宿主能否加载技能说明、是否提供同名或等效工具、能否限制路径和停止调度。换宿主后用同一份假排期比较输出，不凭能读取技能文件就推定权限和触发行为一致。
只装一个技能行不行？
可以从最常返工的步骤入手。例如导出经常失败，先验收导出；若输入很稳定而冲突总被漏掉，先改对账和停止条件。每加一项都留下安装来源、所需工具和停用办法，确保其他步骤能独立运行。