把 SOP 变成 AI 工作流：先补齐例外、证据和动作边界

找一件已经处理的询价，记录接收请求、查资料、确认条件、生成草稿、批准和发送的过程。正式 SOP 与实际操作不同的地方，先请负责人确认。不要把临时习惯直接当成自动化规则。

Anthropic 对工作流的定义强调预先安排的代码路径，Agent 则由模型动态选择过程。本文的 SOP 转换适合路径相对明确的任务；不用因为有模型参与就让每一步都自由决策。

节点名称要与实际动作一致。“智能处理”无法说明什么时候成功；“提取数量并标出缺失”可以测试。每一步既需要允许输入，也需要对异常输入给出明确结果。

例外矩阵不用一次覆盖无限情况。先覆盖会改变关键结果和授权边界的例外，把新遇到的情况按规则缺口、数据缺口或系统故障补入。不要设置“其他情况交给模型自行决定”作为高影响动作的兜底。

模型适合从邮件中提取候选字段、识别模糊表达并整理说明。固定金额公式、库存约束和必需字段校验交给规则。业务服务核对对象身份、权限和当前版本，再完成写入或发送。

对模型提取结果做结构化校验：数量是否有效、商品是否存在、日期是否含时区或明确业务日历。模型给出的高置信度不是这些条件已经成立的证据。无法确认时输出 unknown 或待补条件，不凑齐表单。

还可以保留原文跨度或段落编号，方便人检查“下周一前送到”究竟指交货还是发货。证据位置比一段没有出处的总结更适合交接。

这组演练可以先在表格里进行，再在隔离系统里运行。若团队在桌面演练中都无法统一结果，进入模型开发通常只会把分歧藏得更深。

例如用户邮件同时写“需要五件”和“预算按三件计算”，提取器可以保留两段原文，但不能自行认定其中一句优先。流程应进入数量冲突分支，暂停金额计算，并准确询问最终数量。补充答复回来后更新状态与材料版本，原来的候选数量保留在记录中，避免后续人员看到草稿时误以为条件从未变化。

保留节点表、例外矩阵、字段来源和测试样本，记录哪个负责人可以修改哪条规则。规则变更后只要定位受影响分支，就能安排相应回归。

输出格式也要固定。对销售人员，询价草稿应把已确认商品、待确认交期和不能承诺的条件分开；对系统，返回状态、对象编号、版本和下一步动作。不要让下游再从散文里解析业务状态。

在流程说明里写明目前排除的场景，例如跨地区特殊税费或非标产品报价。用户进入这些场景时能看到清楚的转交方式，而不是得到一个没有适用条件的统一答复。

规则本身经常变化、没有权威资料、责任人无法确认或外部动作无法查询结果的任务，应先治理这些条件。高度开放的研究可以让 Agent 探索，但仍需限定预算、来源和停止条件。

开始时选一条有稳定输入和可核对结果的路径。把例外也写出来，并不意味着每种情况都必须自动完成；有据可查地停下、请求补充或转交，同样是合格的流程结果。