企业官网建设流程全解析

“AI写人重写”这句话，是我们团队上线AI审核之后三个月里，被业务方吐槽最多的一句话。场景大概是这样的：销售话术要过合规，合同条款要查风险，客服对话要做质检，公文材料要审措辞——我们把这些流程全部接进智能体，结果AI先审一遍，人再从头到尾再审一遍。最后统计产出，工时没省，反而多了一道给AI“擦屁股”的活。问题出在哪儿？出在分工逻辑上。

很多人把这件事归因成“工具不够好”，我反而觉得是“岗位说明书写错了”。你让AI去干它不擅长的事，又让人去干AI明明能干完的事，最后一定会变成“AI写人重写”。今天这篇文章，就把我在多个审核场景里反复调整后沉淀下来的一套分工方法完整拆开讲。适合谁看？正在搭智能体工作流的人、要给团队上AI审核但怕翻车的负责人，以及所有被“AI辅助=人重做一遍”折磨过的同学。

1. 为什么“AI写人重写”会成为一个普遍困境？

1.1 三种最容易踩的误区工作流

我在多个项目里见过的工作流，归纳起来几乎都是三种姿势，如果你发现自己团队也是其中之一，基本就已经踩中了“AI写人重写”的坑。

第一种是“顺序式”。AI先出审核结果，人拿到结果之后从头复核一遍。听起来合理，但问题是AI的审核结果往往只有结论没有证据链——比如一个风险标记只有一句“此处话术存在夸大宣传风险”，人不放心，只能把整份材料重新读一遍，找到那句话，再结合上下文掂量一遍，最后确认AI说得对。这一套下来，AI只帮你干了一件事：把“从头到尾读一遍”变成了“从头到尾读一遍加验证AI对不对”，纯纯增加工作量。这种工作流我在至少三个销售话术审核项目里见过，无一例外都被业务团队放弃了。

第二种是“建议式”。AI不直接给审核结论，而是输出一堆修改建议，人拿到这些建议逐条判断采纳还是不采纳。这种做法的出发点是好的——AI别做决定，人来做决定——但问题是，人的判断成本并没有降低。你依然要理解每条建议背后的上下文、评估它是不是真的成立、再决定是否修改。大多数情况下，人把建议看完一遍之后发现，自己想说的和AI建议的基本重合，等于又审了一遍。这不是人机协作，这是人扛着AI跑。

第三种是“全托式”。AI出审核结果，人直接签名放行。这种工作流短期看效率最高，但风险全押在模型上。大模型幻觉是概率性事件，你永远不知道哪一条话术它没看出问题来。审核岗位天然带着“零误判”压力，出了漏子背锅的是人不是模型，全托式必然走不长远。我之前接触过一个客服质检团队，他们试着让AI全量质检、人只看驳回样本，结果一个月里漏掉两条重大客诉风险，从那以后“AI的结果一律不看”就开始反弹了。

这三种姿势不是非黑即白的选择，更多时候团队是混着用的。但混着用也没用，因为它们的共同问题在于：把AI当人手用，而不是把AI当岗位用。

1.2 问题根子：按“流程先后”分工，而不是按“能力边界”分工

为什么会产生上面这几种误区？我在复盘时发现一个关键词：顺序。几乎所有团队一开始设计人机协作审核时，都是站在“谁先审、谁后审”的角度去排工序，很少有人站在“谁擅长审什么”的角度去划分职能。这导致AI的任务边界总是被人为地定义成“你先来一版”，而不是“你负责这部分，我负责那部分”。

举个例子，一个标准审核流程如果按顺序排，那就是“AI预审，人工终审”。这种结构里，AI的任何缺陷都会倒灌给人工：AI审得不准，人就必须重新审；AI审得笼统，人就必须自己去补证据；AI审得过分，人还得费劲去证伪它。换句话说，只要“顺序”两个字存在，人就永远在给AI兜底。

可如果我们把审核拆开来看，会发现它并不是一个单一动作，而是一堆底层任务包：格式检查、完整性检查、风险关键词扫描、逻辑一致性比对、语义理解、价值观判断、例外豁免、责任签字。这些任务里，有一部分是高频、规则明确、需要穷举的，有一部分是低频、模糊、需要担责的。前者叫人的苦力活，后者叫人的脑力活。理想的分工，应该是把苦力活交给AI，把脑力活留给人。

但苦力活和脑力活之间没有一条天然的流水线边界，得靠机制去切。这就是后面要讲的分层和裁决区。先记住一句话：人机协作审核的第一原则不是谁先谁后，而是按能力性质分工。

这里还有一个心理层面的东西值得说透，那就是“责任转移”效应。审核意味着“出错了我要担责”，人在这种压力下，天然不信任一个不透明的东西。哪怕AI的准确率已经很高，只要人对它的结果没有掌控力，就会选择全量重做。所以“AI写人重写”有一部分不是流程问题，是信任问题。信任不能靠说服解决，只能靠机制解决——把AI的结果做成可追溯、可抽查、可驳回的，信任才会建立起来。这一点后面在审计队列那里细说。

2. 人机分工的第一性原理：按能力边界切，不按流程先后切

2.1 人和AI各自的“舒适区”和“雷区”

在谈分工之前，先把棋盘摆开：人和AI各自擅长什么、不擅长什么。我直接画一张对比表，这个表我用了很多年，也是后面所有流程设计的底座。

这个表我不想把它做成什么“AI换人论”或者“人定胜天”的鸡汤，它就是一个朴素的客观描述。AI在“量大、规则清、需要一致”的场景里是绝对碾压的；人在“模糊、例外、责任”的场景里是绕不开的。你要做的事情就是让AI待在自己的舒适区里，不要逼它去雷区里硬扛。

我见过最多的失败案例，恰恰是让AI去干最需要“行业感觉”的活。比如审核一份销售话术，AI对绝对化用语的识别非常准，因为它就靠词表规则；你让它判断“这句推广话术对老年人来说算不算诱导”，它就懵了，因为它不知道你们的用户画像，也不知道你们历史的投诉偏好。你把这部分硬塞给AI，AI只能瞎猜，结果就是人看了一眼觉得不靠谱，把整份材料又重读一遍。这个例子其实就是“AI写人重写”的最典型成因。

2.2 三维分工模型：尺度、风险、一致性

既然要切边界，就得有切割依据。我在大量复盘之后，把审核任务抽象成了三个维度：尺度维、风险维、一致性维。任何一个审核任务，都可以在这三个维度上打分，分数决定了它是AI的活还是人的活。

先看尺度维：小尺度任务指的是单点、局部、规则明确的检查，比如“这句文案里有没有出现医疗功效断言”“这个金额是否超过授权上限”；大尺度任务指的是全局、语境依赖的判断，比如“这份方案整体导向是否健康”“这个合同条款组合起来会不会造成业务漏洞”。小尺度交给AI，大尺度留给人，这是第一条。

再看风险维：风险指的是审错了的后果严重程度。后果越大，越不能交给不可控的模型独立裁决。比如一个内部低风险公告格式检查，AI直接过完全没问题；一份对外合作协议的法律审核，AI再怎么强，也只能当提词器，最终签字权必须留给人。

最后看一致性维：有些审核标准要求“千人一面”，比如法规禁止词、格式规范，这类任务人与人审容易标准漂移，今天松一点明天紧一点，AI反而稳定；有些审核标准要求“千人千面”，比如“客户投诉倾向高风险”，这类任务需要个案判断，AI套统一模板反而是灾难。

这三个维度不是互斥的，而是一个三维坐标。我拿它们做了个小路由表：高一致性加低风险加小尺度，AI独立裁决；中等情况的组合，人机共审；高尺度加高风险，人独断。具体怎么落，下一节讲。

3. 实操：一套可直接抄走的分工机制

3.1 四层审核管线：从预检到终审

我最终沉淀下来的审核管线是四层结构。第一层叫预检层，做的是最机械的检查：文件格式、签名是否齐全、必填项是否存在、附件是否损坏。这一层AI闭着眼睛都能做，准确率接近100%，出错成本极低，所以完全放给AI，人只做周度抽查。

第二层叫初筛层，做的是规则类风险扫描：敏感词、违禁词、价格一致性、引用格式、术语匹配、基础语义连贯性。这一层是AI的主场，产出“风险点列表加命中证据”。人的任务是看汇总报告，而不是看全文。这里的关键在于：AI必须把证据带出来，不能只给结论——比如标记一句“存在夸大宣传”，必须同时把命中规则、前后文片段、历史类似案例一起摆出来，这样人才能做到扫一眼就信。

第三层叫深度审核层，做的是语义级推理：多文档逻辑一致性、上下文意图判断、常见陷阱识别、同类案件横向对比。这一层AI能给出疑似问题，但判断力不稳定，需要人确认。我会让AI把每个疑似问题都附上置信度，低于阈值的直接自动升级给人，不浪费人时间去看一大堆靠谱率很低的东西。

第四层叫终审裁决层，处理的是一件事的最终放行。这一层只属于人。AI在这里的角色是“材料助理”——把该呈现的证据、相关规则条款、历史判例、正反两方论点都摆到桌面上，然后人做决定。千万不要让AI给出最终建议，一旦AI给出“我建议通过”，人就会倾向于无脑采纳或者无脑反驳，而不是真正思考。这个心理细节很微妙，我是在跟审核负责人聊的时候才意识到的。

四层之间不是串行关系，而是有回路的：初筛层的风险点可以自动进入深度审核层，深度审核层拿不准的自动升级到终审层，所有被驳回的AI结论会回流到模型微调和规则库更新里。不过大多数团队前期不需要搞复杂的回流训练，先把结构搭好，后续再优化。

3.2 三种裁决区：绿区、黄区、红区

裁决区比管线层更容易落地，因为它直接决定了这条任务到底谁来拍板。我把所有审核动作分成三种区。

绿区是“AI独立裁决区”。凡是被判定为低风险、规则明确、一致性要求高的任务，AI自动出审核结果，直接放行或拒绝，人只做抽样抽查。抽样比例我给一个经验值：初期不要低于10%，跑稳定之后可以降到2%到5%。绿区最大的价值不是省人力，而是把人从海量同质化审核里解放出来，集中精力处理真正复杂的任务。

黄区是“人机共审区”。AI和人并行审核，双方都得出自己的结论，然后进入争议队列。如果AI和人对某一条的判断一致，直接放行；如果不一致，进入人工复核。这个设计解决了一个很关键的问题：让AI的误报和漏报都能浮出水面，而不是混在结果里被默默接受。我在实际项目里，黄区的争议率通常在8%到20%之间，数值很稳定，可以拿来做质量基线。

红区是“人独断区”。无论AI给出什么结论，最终决策权只在人手里，AI只提供参考材料。红区适用于高风险、大尺度的终审任务。这里有一个原则：红区里AI的产出格式不能是“结论”，只能是“事实清单”。事实清单怎么组织，我下面在贯文智能体落地那节详细介绍。

3.3 建立“合格性检查”，让每次通过都有证据链

很多人忽略了一个看起来很小的机制，但它恰恰是改变“AI写人重写”的关键：合格性检查。所谓合格性检查，就是规定AI每一次审核输出必须包含四样东西：结论、证据、置信度、上下文。没有这四样东西，AI的输出就不算合格，会直接被打回。

为什么要这么设计？因为审核的本质是决策，决策的本质是“基于证据下判断”。如果AI只给一个“有问题”或者“没问题”，人就只能选择信或不信，不信就得重读全文。但如果AI先给“结论：存在违规风险；证据：原文第3段出现‘根治’字样，命中医疗广告禁用词列表第7条；置信度：0.94；上下文：该语句所在的推广文案针对慢性病患者”，人扫一眼就能快速下判断。人的工作从“重新做一遍”变成了“判断证据是否成立”，效率提升是数量级的。

智能体行为审计这个概念最近热度越来越高，也是同一个原因：过去大家只关心AI答得对不对，现在大家开始关心AI的决策能不能被审计、能不能追溯到一条清晰的证据链。一个输出不含证据链的智能体，放到审核场景里就是灾难。所以合格性检查不只是审核流程的要求，也应该是智能体设计的基本规范。

4. 不同领域的具体分工案例拆解

4.1 场景一，销售话术审核

销售话术是审核重灾区：量大、更新快、口径杂、合规要求高。很多公司每天要审核上百条话术，一条一条人工看必然积压。

在销售话术审核场景里，我的分工表大概长这样：

实际操作上，我一般会把术语一致性也交给AI，比如同一款产品在不同话术里的名称、参数、卖点描述必须一致，这种工作AI做得又快又细，人逐条对的话非常痛苦。

这个场景里最容易出的问题是“AI把带有比喻的合法话术误判为夸大宣传”。解决方案是建立白名单式例外库——把已经确认没问题的表达方式沉淀成规则，让AI每次误判之后都能在下一个版本里学到。审核流程上线三个月后，误判率通常能降到可以接受的范围。

4.2 场景二，代码变更审核

代码评审在研发团队里是大家最不想干又不得不干的活。AI编程工具越来越普及之后，代码量暴增，人工评审压力更大。这个场景特别适合人机协作，但也特别容易翻车。

代码审核我用的分工是这样的：AI负责风格规范检查（命名、格式、复杂度）、接口契约校验（参数类型是否匹配、调用方是否同步改动）、重复代码识别、测试覆盖率检查、常见反模式扫描。人负责架构层面评审（这个设计合不合理）、业务语义评审（这个功能改得对不对）、安全边界评估（这个接口会不会造成越权）。

关键就在最后一句话：AI负责“程序好不好写”，人负责“业务对不对、风险大不大”。如果你让AI去判断业务语义，它只能根据代码注释和函数名猜，猜错是常态。反过来，你让人去检查上千行代码里的命名规范和接口参数，人必然会漏。

这里我想提一下AI测试开发以及AgentDojo这类测试智能体的思路，它们的核心逻辑和我的代码审核分工一致：给AI设计可控的测试场景，通过对抗性用例验证AI的能力边界，而不是让AI自己去定义边界。同理，代码审核里AI的角色不是替代评审者，而是放大评审者的注意力。这个定位想清楚，代码审核流程就不会歪。

4.3 场景三，公文和专利类文档审核

公文审核的特点是：格式规范极细、术语要求极严、错一个标点都可能被退回，而且审核量大到崩溃。专利类文档审核更特殊，它还需要做新颖性检索和权利要求比对，属于“文档规范+知识判断”的混合体。

在这种场景下，我建议的分工是：AI负责格式与结构自动核查（字体、行距、编号、抬头、落款、附注格式）、术语一致性扫描（全文术语是否与词库一致）、引文与参考文献核验（引用编号与文献列表是否对应）、已有案例比对（当前权利要求与在先专利重复区间）。人负责新颖性判断、价值评估、案件策略这些高度依赖经验的环节。

这个场景里人机共审的典型操作是：AI先跑一遍全文，输出“疑似问题清单加位置定位加修改建议”，人只看这份清单，逐条确认，而不用从头到尾重读全文。你可能会问：人和AI的结论不会冲突吗？会。冲突没关系，因为黄区的争议队列就是干这个用的：把冲突项集中展示，人只需要聚焦处理冲突，其余部分自动通过。

5. 贯文智能体如何落地这套分工（结合平台实操）

5.1 编排思路：智能体节点与人工节点交替，而不是AI一条龙到死

我最早做贯文智能体的时候，犯过几乎所有新手都会犯的错误：把整个审核流程写成一个长提示词，让AI在脑子里从头做到尾。结果就是AI输出一份“看起来很全面但其实没法用”的报告——因为它在长流程里很容易丢掉关键细节，也没有人能插进中间环节做判断。后来我切换成节点化编排，把流程拆成多个智能体节点和人工节点，让它们交替出现，效果立刻好了很多。

节点化编排的核心原则是：AI节点负责“产出中间结果”，人工节点负责“在关键路口做路由”。比如销售话术审核流程里，第一个AI节点做规则扫描，产出风险点列表；然后一个“人工路由节点”出现，只拥有“确认风险、升级复检、打回重扫”三个动作；确认之后，第二波AI节点做深度推理，产出证据链；最后进入人工终审。你们看，这里面AI不是在跑完整流程，而是每跑一小段就停下来等人拍板。这让每个节点都短小、可控、可审计。

有人在纠结“平台搭建的智能体与用Python搭建的智能体有什么不同”，我也想多说一句。用Python自己写智能体，自由度最高，能把节点间的数据结构、审计日志、路由逻辑完全掌握在手里；用coze这类平台搭建，优点是快速、可视化、适合业务人员自己调整流程。但无论哪种方式，“节点化+人工确认点”这个模式都是通用的。前期验证流程用平台搭更快，跑通了再考虑用Python重写，更稳。

5.2 配置示例：角色、技能、路由规则

贯文智能体的配置，我建议每一位要做审核智能体的人都认真对待三个东西：角色设定、技能列表、路由规则。

首先是角色设定。不要写“你是审核AI”，要写“你是合规审核员，负责扫描销售话术中的高风险表述，输出格式为强结构化的风险清单”。角色设定越具体，输出越稳定。这里有一个经验：一定要在角色设定里写明“你只负责你负责的环节，不要越权”，否则AI经常会在不该做决定的地方自作主张。

其次是技能列表。在智能体框架里，把规则扫描、术语比对、文献核验这些能力拆成独立的技能模块。每个技能模块对应一个子模型或一个工具调用，而不是塞进同一个大模型里。这样做的好处是：可以单独测试每个技能，出问题时能定位到具体模块；需要对某个技能更新词表或规则时，不用重新部署整个智能体。

最后是路由规则，也是这个场景里最关键的一部分。我把置信度作为核心路由参数，结合前面的三维分工模型做了这样一个阈值表：

阈值不是拍脑袋定的，是通过样本来校准的。我通常会把历史上人工审核过的数据拿一批回放给AI，看它在哪个置信度区间上的准确率足够高、在哪个区间上不可靠，然后把阈值调在准确率的突变点附近。这个校准过程我建议每个团队都做一次，因为不同行业、不同数据分布下最优阈值差别很大。

这里给一个简化的编排配置示例，方便你直接参考：

节点1：规则扫描（AI角色：合规扫描员） 输入：待审话术列表 输出：风险点列表 路由：命中置信度>=0.92 -> 绿区自动通过 命中置信度0.75-0.92 -> 黄区转人工确认 命中置信度<0.75 -> 红区人工终审 输出格式：结论、证据、置信度、上下文 节点2：人工路由节点（角色：审核负责人） 输入：黄区争议队列 动作：确认 / 驳回 / 升级 输出：终审结论 + 审核备注 节点3：深度语义审核（AI角色：风险研判员） 输入：待复核材料 + 历史案例库 输出：语义风险清单 + 证据链 路由：必须进入红区人工终审

这是一套可以跑通的最小配置，先把骨架立起来，再逐步往里面加规则库和技能模块。

5.3 审计队列与复查机制：把人工工作从“重做”改成“判断”

最后这个点，是我个人认为一整篇内容里落地价值最高的东西：审计队列。简单说，就是把需要人处理的东西全部汇进一个统一的队列，每条展示“AI的结论、证据、置信度、相关的历史案例”，人只需要用“确认”“驳回”“升级”三个动作处理，而不是重新审一遍。

比如黄区里有一条AI标记的“合同条款疑似存在权利与义务不对等”，审计队列里会同时显示：条款原文、AI的推理理由、引用到的同类合同条款比对结果、这条标记的置信度。人工处理时，如果认可，点确认；不认可，点驳回并附一句理由；拿不准，点升级到终审。整个过程不需要人离开队列去重读整个合同。这个设计把人的工作从“重新做判断”，变成了“审查AI判断包”。

复查机制同样重要。我要求每周抽一个固定比例的绿区自动放行样本做人工复检，复检结果用来评估AI质量，同时反哺词表和规则库。一旦复检准确率下滑超过一定幅度，就回到校准流程重新调阈值。这套闭环跑起来之后，“AI写人重写”的问题基本上就消失了，因为人不再是流程的末位兜底者，而变成了流程的监督者和决策者。

6. 常见问题与排查技巧实录

6.1 审核智能体上线后的三种典型翻车现场

先说三种我见得最多的翻车现场，如果你上线智能体后遇到了类似情况，大概率能对号入座。

第一种叫“AI不审只夸”。智能体对每条内容都输出“没问题，通过”，审查形同虚设。原因通常是角色设定太弱，或者智能体被隐性地要求“不要给业务添麻烦”。解决方法是用测试集校准：拿20条故意包含违规内容的样本喂进去，看AI能不能全部抓出来。抓不出来，就先补规则词表和示例，而不是只改提示词。

第二种叫“AI乱标一气”。智能体把大量正常内容标成风险，人工队列里塞满了低价值条目，人越看越烦，最后索性不看了。这种情况是阈值设太低，或者规则过于宽泛。解决方法是提高绿区阈值，让AI只标记置信度足够高的内容，不确定的走黄区，而不是全部挤进人工队列。

第三种叫“AI自言自语”。智能体输出一大段分析文字，但抓不住重点，没有明确的“通过/不通过”结论，人也找不到对应的证据位置。这通常是结构设计问题，没有做强制输出格式约束。解决办法是：在智能体的输出规范里强制结构化，结论、证据、置信度、上下文四个字段一个都不能少。

6.2 怎么判断问题出在人还是在AI

很多团队遇到审核质量问题时，第一反应是骂模型不够聪明，第二个反应是骂人不认真用，这两个反应往往都是错的。我建议先做一次数据回放：把最近一批人工处理过的案件回放给智能体，让智能体重新跑一遍，对比人工结论和AI结论的差异。

如果AI的结论和人工结论高度一致，说明AI没问题，问题可能出在流程效率上——人的精力被浪费在做重复确认上了；如果AI的结论和人工结论差异很大，且差异集中在某几种特定类型上，说明是规则库不全或者阈值不对；如果差异毫无规律，那才需要考虑换模型或升级智能体框架。用数据定位问题，比拍脑袋定责任靠谱得多。

另一个指标是“人工干预率”，也就是人工在黄区里驳回或修改AI结论的比例。这个数字太高，说明AI的初筛质量不行；太低，说明AI可能已经越过红线做了太多本该由人做的判断。这两者都不健康。我个人的参考区间是10%到20%，低于5%我会开始怀疑AI是不是在装模作样。

6.3 我的几点心得

最后分享几条我自己实践下来最深的心得，不保证每条都适用你的场景，但都是拿项目经验换的。

第一，审核智能体的第一版一定不要追求全流程自动化，把绿区先做小，甚至先把所有任务都强制走黄区，等模型质量稳定了再逐步放宽绿区。一上来就想大而全，大概率会翻车，还会让团队失去对AI的信任。

第二，一定要让人保有“不解释权”。终审层是红区，人在那里不需要向AI解释为什么驳回。这个设计很微妙，但非常重要：一旦AI开始质疑人的判断，人就会本能地反击AI的一切输出，协作关系彻底破裂。AI是辅助工具，不能成为裁判。

第三，如果想长期迭代，留出规则库维护的岗位，或者安排一个人每隔两周把复检中发现的误判整理成新的规则补丁。审核智能体的长期竞争力不在模型参数，而在规则库的厚度。模型是通用大脑，规则库才是你们行业的私有经验。

我踩过最深的一个坑，是刚开始做贯文智能体时，把审核智能体的结论直接当成终审结果用，业务团队拿它签字，结果没过多久就出了一次漏检。那次之后我才彻底想明白一件事：审核这件事，AI可以替代的是“苦力”，永远替代不了“责任”。所谓人机协作审核，说到底就是把AI放在能承担责任的人前面，让它把所有需要穷举、比对、枚举的活都干完，让人只做最关键的那一下判断。只要这个位置摆对了，人不会变成AI的重写工具，AI也不会变成人的甩锅对象。这大概是我做这套东西以来，最有价值的一个认知转变。