Agent 不是【什么都能干】,而是在【信息量大、步骤有弹性、结果要产出】的地方最好用——本节给出一张场景地图和一个四问筛选法,帮你从自己的工作里挑出第一个值得做的场景。
1.1.1 讲清了 Agent 是什么,1.1.2 拆了它的五项能力;本节回答最后一个基础问题:它到底能用在哪儿。这节挑出来的判断方法,会在 1.7 的案例前瞻和后面每一章的实战里反复使用——先学会挑场景,再去学做工具。
一、场景地图:六块主战场
先看全景。按【谁在用、用来干什么】分,2026 年真正被大量落地的场景是这六块:
| 板块 | 典型任务 | 谁在用 | 成熟度 |
|---|---|---|---|
| 个人效率 | 查资料、整理笔记、写初稿、做计划 | 所有人 | 很高 |
| 内容创作 | 选题、写文案、配图、多平台改写 | 运营、自媒体 | 很高 |
| 客户服务 | 售前咨询、售后问答、工单分类 | 电商、SaaS | 高 |
| 数据分析 | 自然语言查数、生成报表、异常解释 | 业务、财务 | 中 |
| 软件开发 | 写代码、改 bug、写测试、看日志 | 开发者 | 高 |
| 流程自动化 | 跨系统搬数据、按规则处理单据 | 企业职能岗 | 中高(本课重点) |
本课的主战场是最后一块:因为它最贴近【企业里堆着的重复性工作】,而且必须和 RPA 配合才能落地——这正是教材的核心主张。
二、为什么是现在:2026 的三组数据
做技术判断不能只看热闹,看三个数就够:
- 市场在爆发:IDC 数据,中国 AI 智能体市场规模 2025 年约 212 亿元,2026 年预计 449 亿元,同比翻倍还多;全球范围里,AI 数字员工市场 2026 年突破 469 亿元,年复合增长率约 40.2%,其中中国市场占比约 31.6%,领跑全球。
- 企业在动真格:约 72% 的企业已经完成智能体试点并投入正式使用(不只是试用);约 90% 的 RPA 厂商已完成大模型技术整合。
- 标准在收口:2026 年 IDC 首次把 APA(Agentic Process Automation,智能体流程自动化) 单独作为一个市场来追踪——说明【Agent + RPA 融合】已经从概念变成了一个被独立计量的产业。
把三组数据翻译成一句话:这不是一个【等以后再说】的方向,而是已经在被写进企业预算的事。
三、四问筛选法:你的场景值不值得做
看到一个【好像可以自动化】的活儿,先过四问:
- 它高频吗? 一天一次和一年一次,价值差 250 倍。先挑每周都做的。
- 它有规则吗? 至少能说出【什么情况怎么办】的大致轮廓。全凭感觉的活儿(比如【判断这个人靠不靠谱】)先别碰。
- 它要产出吗? 有明确交付物(一份文档、一张表、一条已发布的帖子)。产出越具体,越好衡量成败。
- 差错可接受吗? 错了能改、代价小的先做。涉及钱、合同、对外发布、不可逆操作的,必须留人工确认。
四问全过,就是好靶子;过三问,可以小范围试;过两问以下,别浪费生命。
四、三类任务的反面教材
把不适合的也说清楚,能省下大量时间:
| 看起来适合 | 为什么其实不适合 |
|---|---|
| 【帮我把公司所有客户的资料整理一遍】 | 一次性任务,做完就结束,投入产出比极低 |
| 【帮我和客户谈判,说服他续约】 | 没有稳定规则,且后果重大不可试错 |
| 【每天帮我回 500 条评论】 | 高频但规则模糊+公开对外——错一条就是公关事件,必须先做人工审核的版本 |
规律:一次性的事、判断的事、高风险的事,都不适合一上来就交给 Agent。
五、动手 Demo:给自己的活儿做一次【四问体检】
准备:纸笔,或者一个空白文本文件。不需要任何软件。
第一步——收集:回想最近一周,写下五件你亲手重复做过的事。要具体,例如:
- 每周一整理上周的销售数据到一张表里;
- 每天把公众号文章改写成小红书版本;
- 每次有人问价,重复回答同样几个问题;
- 每周把项目进度汇报写成周报;
- 每天把发票拍照、按月份归档。
第二步——打分:给每件事逐条打分(每问 1 分):
| 事 | 高频? | 有规则? | 有产出? | 容错? | 合计 |
|---|---|---|---|---|---|
| (你的第一件事) |
看到什么算成功:你得到了一个 3 分或 4 分的候选——这就是你的第一个练手场景。
读结果: - 得 4 分的,值得在这门课学完后立刻动手做一版; - 得 3 分的,做一个【半自动版】(Agent 出稿、你审核); - 得 2 分以下的,记录下来,等以后能力更强时再回头看。
一句话提醒:本课的规矩是——不要一上来就挑战最难的那个。第一个项目要能在一周内跑通并看到效果,那才是能坚持下去的节奏。
30 秒实验
打开扣子(coze.cn)的智能体商店或模板区,只做一件事:看它的场景分类标签有哪些。
数一数这六类里,哪些分类下已经有现成的公开智能体(说明是大众需求),哪些还很空(可能是蓝海,也可能是伪需求)。
结论:平台上的分类分布,就是市场需求的温度计。
常见误区
- 【Agent 什么都能干,先做一个通用的】——通用 Agent 通常等于【什么都不精】。越窄的场景越好做、越好用,这是行业里反复验证的规律。
- 【我的工作太特殊,Agent 用不上】——绝大多数知识工作里都有【查—改—填—发】的重复环节,特殊的是内容,重复的是流程。真正卡住你的往往不是场景,是没人帮你把流程拆开看。
- 【既然 72% 企业都在用,我不学就落后了】——反过来看:还有约 28% 在观望,而且大多数企业用的只是最浅的一层(问答、写作)。真正的差距在【能不能和手里的业务流程拼起来】——这正是本课要练的东西。
- 【先选个大场景,做成就赚大了】——大场景通常意味着多方利益、老系统、历史包袱,第一次做必死。先做小的、自己的、能被你完全控制的。
- 【能自动化就全自动化】——留人工确认点不是技术退步,是工程成熟度的标志。本课后面每一个案例都会标出【人在哪一步介入】。
自测三问(点开对答案)
1. **四问筛选法的四条是什么?** 高频吗、有规则吗、要产出吗、差错可接受吗。四问全过是最佳靶子;**涉及钱、合同、对外发布、不可逆操作的一律要留人工确认**。 2. **为什么说【一次性任务】不值得做?** 因为自动化的投入(搭流程、调试、维护)是固定的,而收益=单次节省时间 × 重复次数。一次性任务次数为 1,**几乎必然亏本**。 3. **2026 年 IDC 把 APA 单独列市,说明了什么?** 说明【Agent 与 RPA 的融合】已经从概念变成了**被独立计量的产业**——不再是把 AI 当功能加进 RPA,而是形成了【智能体流程自动化】这个新分类。**这正是本课存在的理由。**- ☐ 下一节(1.2.1 扣子平台基础介绍)
相关笔记
- Agent 的核心能力 —— 五项能力决定它能干哪类活
- RPA 的应用场景 —— 同一套筛选法在 RPA 侧的用法
- 场景覆盖维度 —— 教材给出的案例全景表
- 服务器 6.3-6.6 · 数字化业务的四个角色 —— 把 AI 与 RPA 放在同一张产业图上看
- 🤖 Agent+RPA实战 · 索引 —— 全课路线图