Agent 的成功标准要写成两组：做对了和做错了

2026-08-25

给一个 Agent 写岗位卡，最先写顺手的往往是「输入」和「处理动作」，最容易糊弄过去的是「成功标准」。因为成功标准写起来太像填空题：把你希望它达成的目标列三五条，一栏就填满了。填完看着挺完整，等到真跑起来要验收，问题才冒出来。

一、目标列表验不出「事办成了但过程错了」

我手上那个写公众号文章的 Agent，链路是从收到一个链接或一个主题开始，分析素材、跟我确认写作方向、确认提纲、核验资料、写正文、生成封面，最后把成果保存到本地目录。草稿箱写入这条链路我到现在都没接通，所以它的交付终点就停在「文章和封面已经生成并保存好」，不是「已经进了草稿箱」。

假设我的成功标准只写一条：产出一篇我基本满意的文章。那么设想这样一次运行——它文章写得不错，我看了也认，但它没等我点头就把文章公开发出去了。按那条标准，这次运行算成功。

这显然不是我要的结果。麻烦在于，这个漏洞不是标准写得不够细导致的。哪怕我把「产出一篇我基本满意的文章」拆成十条更细的质量要求，每一条都还是在描述产物，而刚才那次失败发生在过程上。一串朝着同一个方向的目标，无论列多长，都盖不住反方向的那一类事。

所以我后来把成功标准改成两组并列写：一组「做对了是什么样」，一组「做错了是什么样」。这不是把目标取个反换种说法，两组覆盖的是不同的东西——第一组管产能，第二组管风险。

二、三个当场能问自己的问题

你不需要重写整份岗位卡才能判断自己有没有踩这个坑。打开你写的成功标准那一段，问三个问题：

第一，这几条里有没有一条是关于「过程」的，而不是关于「产物」的？ 如果每一条读起来都在描述最后交出来的那个东西长什么样，那这份标准只有一半。Agent 是会自己决定动作顺序的，它抵达终点的路径本身就是需要被约束的对象，不能只验终点。

第二，把每一条成功标准逐条取反，取反后的那句话，是你真正害怕的事吗？ 「产出一篇满意的文章」取反是「没产出满意的文章」——你怕吗？其实不太怕，大不了重跑一次。真正让人心里发紧的是别的句子：它替我做了一个我没授权的决定、它把没核实的东西当事实写进去了、它用了一张来路不明的图。这些句子取反不回去任何一条目标，它们只能被单独写出来。这一步是整篇里最好用的动作：凡是取反之后只得到「没达成目标」的，说明这条标准对风险没有约束力。

第三，你写在成功标准里的话，能不能原样拿给外面的人看？ 如果不能，说明你把两件事写在了一起，下面会展开讲。

三、我那份岗位卡里，这一段实际长什么样

岗位卡里成功标准是独立的一段，位置在「输出」之后、「人工兜底」之前。改完之后它是两组对照，不是一个目标列表。

「做错了」那一组里有一条我印象最深，原话是：未经过你的确认便直接公开发布文章。

这条的分量在于它跟内容质量是并列的。它描述的场景里，文章可能写得很好，事实也都核过，唯一的问题是没经过我点头就出去了。把它写进「做错了」，等于在岗位卡这个层级上宣布一件事：流程违规本身就是失败，不需要再看内容如何。这句话写不写进去，差别在于验收时的处理方式——写了，这次运行判失败，去查是哪一步把闸门绕过去了；不写，就只能就事论事夸一句文章不错。

和它配套的还有两段，都在岗位卡的同一份文件里：

一段叫「本期不做」，是独立段落，五条：不绕过人工确认发布、不编造事实数据案例引用、不洗稿或大段复制、不擅自处理高风险内容、不使用版权不明的素材。这一段的作用是把「做错了」里那些最硬的条目再钉一遍，让它们不只是验收口径，而是开工前就划掉的动作范围。

另一段叫「人工兜底」，我把它分成两类分开列。一类是「介入条件」，属于异常触发，比如链接不可访问或需要登录付费、关键事实缺可靠来源或来源互相矛盾、涉及高风险题材、接口授权异常。另一类是「检查环节」，属于常规必经，只有三条：选择写作方向、确认提纲和主要观点、审核最终正文与封面并决定是否公开发布。兜底和闸门是两回事，混在一起写，验收时就分不清「这次没走到那一步」和「这次该停没停」。

内部目标和对外承诺，是两套口径

回到刚才第三个问题。我的岗位卡成功标准里，「做对了」那一组是带流量目标的——那是我自己给自己定的内部目标。但这个 Agent 的对外说明书里，写的是另一句话：不能保证每篇文章成为爆款，也不能承诺阅读量、涨粉或转化结果。

这两句话不矛盾，它们服务于不同的读者。内部目标是拿来对齐方向、判断这套东西值不值得继续投入的；对外承诺是拿来划边界、说明这个岗位到底交付什么的。一旦把内部目标直接搬到对外说明里，就变成了承诺，而这类结果本来就不在 Agent 的控制范围内。

所以我的做法是在写成功标准的时候，顺手标一下每条的口径：这条是给自己看的，还是可以对外讲的。这个动作花不了多少时间，但能省掉后面一次尴尬的解释。

四、什么情况下这条不适用

产物完全不出本地的 Agent，不用硬凑「做错了」那一组。 如果一个岗位的所有产物都落在我自己的目录里，我扫一眼就能决定用不用，那它没有对外的不可逆动作，「做错了」那组能写出来的条目会很虚，凑数就变成形式主义。这条的价值来自「有些动作做出去就收不回来」，没有这类动作就别硬套。

刚起步、还没撞过墙的岗位，写不出有分量的「做错了」。 我手上第二个岗位是听播客和看视频时记笔记用的，目前只写了岗位卡，工序还在拆。它的「做错了」那组现在只能写出我能想到的那几条，真正值钱的条目得等它跑起来、撞上几次意外之后才补得进去。所以这份清单是要随着运行次数往里加东西的，不是开工前一次写完的交付物。

没有观测方式的条目不要写进去。 每一条「做错了」都得对应一个能被看到的信号：某个动作有没有留下记录、某个确认环节有没有真的等到回复、某个文件有没有被回查过。像效果类的判断，我的做法是多项指标不一致时以单一主指标为准、其余的只作辅助分析，先把主指标定死再开工。如果一条「做错了」既没有对应的观测动作，也没有对应的记录，它写在纸上只是一句誓言，验收的时候没人能拿它做判断。

这篇的判据来自我自己带 Agent 干活的实践，样本有限。它更像一份可以拿去验证的假设，而不是一份可以照抄的规范。