同事甩给你一条 X 上的帖子：有人搭了个 AI agent，“整个市场部都靠它在跑”。你照着抄。两小时后，你手里只有一个能总结一份 PDF 的聊天机器人。那个 agent 是 demo，那条帖子本身才是产品。
大多数 AI agent 用例都是这样散架的——不是想法不好，是这个用例从一开始就不成立。下面讲怎么分辨，以及真正经得起一份真实工作考验的那几种模式。
四问测试
在你花一下午搭东西之前，先拿这个用例过四个问题。任何一个不过关，你手里就是个 demo，不是用例。
- 这件事重复吗？ 你应该能数出这周自己做过它三次。agent 是靠重复把搭建成本赚回来的。只做一次的事，自己动手更快。
- 输入是乱的，但有边界吗？ 邮件、会议记录、表格里的某一列、客服工单——每次都不一样，但形态是已知的。输入要是完全开放，agent 就稳不了；输入要是已经干干净净，你根本不需要 agent。
- 输出你能在几秒内检查完吗？ 你得能扫一眼结果就知道它对不对。一份待办清单、一份草稿、一行被标出来的数据——可以。一份法律意见、一份财务预测——不行，至少现在不行。
- 它有触发器吗？ 真正的 agent 是在某件事发生时跑起来的——早晨到了、来了封新邮件、有人提交了表单。“想起来再打开”不算触发器，一个要靠你记着去跑的 agent，第二周就悄悄死了。
真正有效的几种模式
在职场人真正在跑的 agent 里，能成的那些集中在几种形态上：
- 收件箱和队列分拣。 把堆起来的东西全读一遍，按“现在就得管 / 之后管 / 不用管”分好。邮件、客服工单、Slack 里的 @、PR review 队列。
- 会议和通话准备。 通话前，把上一轮往来、CRM 里的记录、还没结的待办项拉到一起，给你一页纸的简报。这活儿是真有用，只是烦到没人愿意做。
- 初稿生成。 进度同步、release notes、周期性报告、跟进邮件。agent 把你带到 80%，你花五分钟，而不是四十分钟。
- 数据清洗和对账。 把某一列规范化、在两个系统之间匹配记录、标出对不上的行。输入有边界，输出可检查——教科书级别的合适。
- 监控和摘要。 盯着一个 feed、一个频道、一组页面，等真的有变化了，发一条摘要给你。替掉那个你老想着要看、却一直没看的标签页。
注意这几种的共同点：重复、输入有边界、输出扫一眼就能验证、有明确的触发器。它们都过得了那个测试。
现在还不行的那些
另一面也得说实话：
- 有真实后果的判断。 凡是输出错了要赔上钱、信任或者饭碗的——agent 可以打草稿，但拍板的还得是人。
- 没法快速检查的事。 如果验证输出花的时间跟自己干一样长，agent 等于啥也没省。
- “把我整份工作做了”的 agent。 你的工作是上百件小事，靠只有你才有的上下文粘在一起。先自动化一件，再下一件。X 上那条帖子，跳过的就是这一段。
唯一一个完整记录下来的例子
Issue #001 从头到尾走了一遍真实的例子：一个 Gmail agent，每天早上读一遍收件箱，输出一份带时间块的 P0/P1/P2 待办清单。二十分钟搭好，每月 $20，不用写代码。它四个问题全过——这件事重复、输入乱但有边界、输出几秒就能检查、而且靠早晨这个触发器跑起来。
完整搭建过程看这里：Issue #001：每天给我写待办清单的 Gmail AI agent。如果你在选技术栈，对比文也可以看一下：Gmail agent 怎么搭：Claude/Zapier/n8n。
自己试试
挑一件你这周做过三次的事，拿它过一遍那四个问题。要是过了，那就是你的第一个 agent——从这儿开始，别从 X 上那条帖子开始。
每周一个真在用的 AI agent，直接发到你邮箱。免费，不卖课。