八月，我们手里的那个智能体终于进了生产环境。从能演示到能交付，走了小半年。回头看，中间隔的东西基本跟模型能力无关。
隔的是什么，我列四条。
1、错了怎么办
演示的时候只展示成功的例子，生产环境里每一条都要有交代。我们的做法是给每个环节设置信阈值，低于阈值的转人工，并且把转人工的原因记下来。这条规则让上线变成可能，因为业务方需要知道"最坏的情况下会发生什么"。
2、数据从哪来
模型要读的数据散在四五个系统里，格式还各不相同。这部分工作占了我大概四成的时间，而且没有任何技术含量，纯粹是脏活。
3、怎么知道它变差了
上线不等于结束。模型会换、数据会变、业务规则会调，任何一项都可能让效果下滑。我们做了一套每天跑的回归评测，指标掉到线下就报警。
4、谁来负责
这条最容易被漏掉。系统给出一个建议，最后点头的是人还是机器？出了问题由业务部门承担还是技术部门承担？这条责任线不定清楚，项目就推不动。
总结一句：这类系统真正的门槛在工程和权责，不在算法。演示可以用一个下午做出来，交付要解决的是上面这四件事。