能不能让一个 AI 智能体检查另一个智能体的工作？

培训现场的一个问题

前不久，DATONG AI 在一家企业做培训，讲的是怎么从对话框式地用 AI，换成让智能体（agent）直接干活。现场实操完，一位销售部门的学员问：能不能让另一个智能体来检查这个智能体的工作？

这个问题问到了点子上。实际工作里，智能体交出来的东西一定要有人、或者有一套机制来检查。但怎么检查，有讲究。

为什么不直接让 AI 互审

让一个智能体直接去读另一个智能体的观点、策略、代码、判断，常见两种结果。一是鸡蛋里挑骨头：负责审查的那个总能找出点什么，哪怕问题并不存在。二是被审的那个为了应付，加上一堆不必要的防御，条件越写越多，结果越来越保守。

还有一类问题，本来用规则一查就知道，比如数字对不对、格式对不对，却交给一个贵的模型去“思考”。就好像有没有发烧，温度计一量就知道，没必要请三个专家一起会诊。我们在自己的项目里实测下来，单纯让智能体互相审查，多数时候只是白白多花算力。

以写客户邮件为例

那位学员关心的是写客户邮件。培训里我们带着学员这样拆：

• 规则能查的：客户的名字和公司写对没有；价格、交期和报价单对不对得上；附件挂了没有；德语里该用 Sie 的地方有没有写成 du。这些写成检查规则，每封邮件自动过一遍，用不着模型来判断。
• 要业务判断的：语气对不对、文风像不像我们公司、用词客户听不听得懂、有没有把话说得太满。这些只有天天和客户打交道的人判断得了。做法是挑出自己写过、觉得写得好的邮件当样本，把“好”拆成几条能打勾的标准。
• 然后拿一批真实场景让智能体写，按标准逐条对，看哪几条老出问题，再去改智能体的说明。

这里另一个 AI 也可以帮忙，但它的角色是按销售写好的清单逐条打勾，不是自由发挥地挑毛病。复杂一点的岗位和任务，测试还要分层：先查格式和事实，再查业务判断，最后看放进真实流程里的效果。

为什么要一线员工来定标准

智能体的结果是不是太保守、是不是和真实的业务目标脱节，只有一线业务人员自己能判断。外面的顾问、IT 部门，甚至老板，都不一定比他们清楚一封好的跟进邮件长什么样。背后的逻辑掌握起来不难，只是很多人不会编程、没怎么用过 AI，一时想不到而已。所以在 DATONG AI 的培训里，这一步是带着学员自己做：测什么、怎么测。

什么情况不用这么做

一次性的、不对外的小事，比如自己整理一份会议纪要，看一眼就行，不值得建测试。值得建的，是每天、每周都在重复，而且出了错会影响到客户或者钱的活。