04 业务专家、知识管理顾问与 AI 工程师如何协同

一、从一个培训咨询任务看分工

以下是教学模拟案例。

一家企业希望安排20名员工参加半天 AI 培训，目标是“提高效率”。顾问追问后，客户提到了周报整理任务；后续沟通又确认，真实业务数据不能提交到外部工具。周报目前怎样整理、哪一步耗时、课堂可使用哪些工具，仍未问清。

培训团队希望把有经验顾问的做法整理出来，让新顾问借助 Agent 形成初步需求说明，交给负责人判断下一步。当前要形成的成果是有依据的需求说明，包括已知情况、待确认问题和跟进建议。

在这里，资深培训顾问提供工作经验，负责知识萃取的顾问帮助团队把经验讲清并用于工作。围绕这项工作，可以分清三类责任：

角色	主要责任	需要交出的内容
业务专家	还原真实做法，解释判断依据，核对适用条件	案例记录、判断说明、例外与反例
知识管理顾问	理解实际需要，帮助专家说清方法，考虑使用者怎样用得上，并根据试用反馈调整	用途说明、整理后的方法、使用建议与待解决问题
AI 工程师	根据工作要求，让工具能够完成相应操作，处理运行中的问题	可以试用的样例、使用说明与问题记录

知识管理顾问从开始了解用途到后续试用，都需要与团队保持沟通。例如，新人拿到一份方法仍不知道怎么追问，顾问就要进一步了解：是例子不够清楚，还是关键判断没有讲出来。

另外，真实使用者负责试用，业务负责人负责确认成果能否支持工作判断。专家认可方法，并不代表新人已经会用；系统能够运行，也不代表负责人拿到结果后就能决定下一步。

二、借助 Agent 检查一次交接

先准备一份真实或模拟的任务说明、整理后的方法和输出样例，再使用下面的提示词：

复制已复制 ✓请检查这份 AI 应用任务的交接是否充分。
材料包括：任务说明、方法记录、输出样例。
先列出已有依据与尚未确认的内容，不补造事实。
分别检查方法是否说清、依据是否充分、工具能否完成要求、使用者能否用得上。
对每个问题说明：需要谁补充什么，交给谁核对。
同一人可以兼任角色，但请保留不同的核对责任。
最后列出本次试用最少需要检查的三项内容。

成功标准： 各方知道自己要做什么；交接材料包含依据、待确认问题和成果要求；试用遇到问题时知道找谁一起解决。

失败表现： 未确认的经验直接变成规则；实现者自行补齐业务条件；仅凭输出完整或运行成功就宣布可用。

最小人工验证： 用一条信息不足的咨询记录试用一次。业务专家核对一项关键判断，新顾问检查下一步能否操作，负责人确认结果是否足以支持当前决策。记录具体问题和修改责任，再安排下一轮试用。

三、出现分歧时，回到任务与依据

假设试用中，Agent 输出一份排版完整的培训方案，安排了“自动生成周报”的实操环节。工程师确认功能运行正常，新顾问觉得内容很方便，业务专家却指出：客户的工具条件尚未明确，方案可能无法执行。

知识管理顾问先与团队确认：这次要帮助新人整理需求，现有信息是否足以讨论培训方案？业务专家说明还缺哪些关键情况，大家再检查任务要求有没有说清楚，并调整整理方式。工程师协助处理需要修改的工具设置。

修改后再用原案例试一次，由新顾问与负责人共同检查。只有当缺口被清楚保留、下一步追问有依据时，才能认定这一问题得到改善。不能仅凭方案更短或语气更谨慎，就认定修改有效。

四、小项目怎样安排人员

如果任务范围清楚，只需要整理方法、编写提示词或制作以文本为主的 Skill，具备业务理解和工具使用能力的人可以兼任多类责任。但仍应分别完成专业核对、运行检查和实际试用。

需要连接其他业务系统、多人共同使用，或处理大量材料时，再请有相应经验的工程师参与。人员投入随具体工作增加，不必一开始就配置完整团队。

接下来可进入知识萃取与应用，学习如何从材料和经验中取得这些依据；需要把方法封装为可重复调用的能力时，再阅读Skill 教程。