把一项工作接到 Agent 上，最常见的误判，是只看它能不能做，没有先算它值不值得长期跑。模型偶尔完成一次任务不难，真正要算的是每天处理多少次、人工要接管几次、一次错误会不会把省下的工时全部吃回去。一项低频且失败成本很高的任务，即使单次效果很亮眼，也未必值得自动化。

适合交给 Agent 的工作，通常有几个共同点：会重复，输入大致稳定，结果能检查，失败后能恢复。反过来，目标不停变化、结果只能靠主观判断、还握着高权限的任务，就算模型单次表现很好，也不适合直接自动运行。判断时可以先把“这个岗位能不能交给 Agent”改成“这个岗位里的哪一步可以交给 Agent”，任务颗粒度一缩小，答案会清楚很多。

六维任务筛选表

这张表是前期粗筛工具，不是行业统一标准，更不是经过测量验证的成功率模型。每项打 0—2 分后，可以暂时分成三层：9—12 分进入 Agent 试运行；5—8 分采用“Agent 处理、人工确认”；0—4 分先拆小任务，再考虑自动化。阈值还要跟着业务风险调整，权限和失败成本是红线项，哪怕总分到了 10 分，只要其中一项为 0，也要保留人工确认。

高分任务并不神秘。固定来源的行业信息监控、工单分类与回复草稿、CI 失败日志整理，输入和输出都比较清楚，结果也容易核对。内容选题、销售线索判断、合同差异审阅通常落在中间层，Agent 可以完成收集和初稿，人来处理语气、关系与风险。直接付款、删除生产数据、决定员工去留、对外作出法律承诺，则属于低分任务，不适合交给 Agent 独立执行。

筛选完以后，下一步可以做历史回放。历史样本不多时，先从最近 20 次真实输入开始，同一任务再重复运行，记录成功、人工接管和无法立刻发现的错误；这些结果用来寻找失败模式，不足以对外宣称完成率或可靠性。早期先开放读取权限，再增加有限写入，条件成熟后才考虑自动执行，这个顺序能省掉很多返工。

还有一个容易漏掉的动作：把任务写成一张小卡片，只保留六项——触发条件、输入来源、允许调用的工具、输出格式、人工检查点、失败后的处理方式。这张卡片写不清楚，Agent 的执行边界大概率也不清楚。任务卡能稳定下来，再接模型、工具和工作流，才更接近做点真能用的。

这张表同样可以放在 ZGI 这类 Agent Runtime 之前使用：先帮助初筛任务，再接模型、工具和工作流。真正值得自动化的，通常是高频、可验证、可恢复的执行环节；模糊判断和高风险决定仍然留给人。