代理系统中缺失的人机协作层

摘要

文章指出Human-in-the-loop并非限制AI智能体的能力，反而是扩展AI应用可部署范围的关键。作者通过AB InBev等企业的实际案例，展示了采用HITL架构后，原本难以部署的高精度、合规性要求高的用例得以成功落地。文章提出了90/10法则，即90%自动化加上10%人工增强，并区分了Human-in-the-loop和Human-on-the-loop两种模式。CrewAI通过开源装饰器和AMP企业版，为生产级人机协作提供了完整解决方案。

内容框架与概述

文章开篇颠覆了传统认知，指出HITL不是智能体系统的限制，而是赋能器。作者列举了高精度要求、合规审批、需要人工把关等场景，这些原本停留在试点阶段的用例，通过引入HITL架构得以实际部署。作者分享了AB InBev每年处理2000万工单、全球教育公司节省数百万美元等真实案例，证明人机协作模式在规模化应用中的价值。

接着阐述了智能体系统的三层架构：确定性骨干层、智能层和人工层。作者明确提出90/10法则，强调关键在于架构设计要支持自动与人工两种模式的灵活配比，而非固定数值。文章区分了直接干预的Human-in-the-loop和监督性质的Human-on-the-loop两种模式，两者都能显著扩展可部署场景范围。

文章还重点介绍了AB InBev的实践经验。这家全球最大啤酒酿造商每年有300亿美元决策受AI影响，其联络中心通过智能体与员工协作，实现30%完全自动化、70%人工增强的混合模式。该案例展示了人机协作在财富500强企业的实际运作方式，AI并非独立存在，而是嵌入现有技术平台共同创造价值。

最后作者介绍了CrewAI的技术实现方案。开源Flows通过@human_feedback装饰器提供原生HITL支持，企业版AMP则提供邮件通知、智能路由、SLA跟踪等生产级基础设施。文章强调，随着欧盟AI法案、FDA监管等合规要求收紧，以及企业对实际业务成果的追求，设计合理的人机协作架构已成为规模化部署AI系统的关键。

核心概念及解读

90/10法则：90%自动化加上10%人工增强的人机协作模式，具体比例可根据用例需求灵活调整。

Human-in-the-loop：智能体在特定检查点暂停，等待人工审查或编辑后继续工作，适用于需要精准判断的场景。

Human-on-the-loop：人类以监督角色监控系统运行，可随时调整参数或干预，但不阻塞每个步骤，更注重整体掌控感。

确定性骨干层：智能体系统的第一层，提供结构化控制和流程框架，确保系统运行的可预测性。

智能层：系统的第二层，在大模型、智能体和协作团队中植入推理和适应能力，处理复杂决策任务。

原文信息

此摘要卡片由 AI 自动生成