06 产品设计与实证·第 24/25 课·30 min 阅读·最后更新 2026-09-11

怎样写一份工程师能实现的 Agent 方案？

Agent 产品 PRD 必须把任务结果、工具与权限、运行状态、失败恢复和评测证据写进同一份可实现合同。

Agent PRD 要把不确定性和真实环境写进产品。它需要说明谁接收任务、谁判断下一步、谁采取行动、谁拦截风险、谁保存进度，以及谁根据外部证据验收结果。

一句“上传资料，AI 自动总结，准确率 95%”无法指导实现。研发不知道读哪些资料、工具怎样返回，设计不知道审批和失败怎么呈现，测试不知道 95% 的任务分布和评分器。

一份可实施的方案要说清用户为什么需要它、第一版做到哪里、正常和失败时用户会看到什么，以及用什么结果判断做成了。

完成后，你会得到结业作品的主体。岗位要求对照、证据缺口和 20 分钟答辩将在下一课补进同一份作品。

不要承诺一条固定流程，而要定义任务契约、可用环境、策略边界、事件状态、人工控制点、成功证据和失败处理。把不确定性写进产品，而不是留给开发猜。

第一部分：用户任务与 MVP 楔子

写清目标用户、真实替代方案、任务频率、价值、风险和完成证据。第一版选择一个窄而完整的任务，例如“把十份访谈变成逐条可回源的洞察”；万能研究平台，留给第十个版本再说。

非目标必须具体：不自动向外发送、不读取未授权目录、不代替产品负责人做路线图决策。边界让团队能够建立真实任务集。

官方事实 · AI 产品经理（Agent Harness 产品方向） · 见文末依据

第二部分：谁接收、判断、行动和验收

沿一次真实任务回答六个问题：谁接收用户目标和材料，谁判断下一步，谁读取或修改外部系统，谁在越界前拦截，谁保存进度与证据，谁确认任务真正完成。

每次行动都写清输入、输出、失败后交给谁，以及用户能看到什么。这样工程师可以分工，设计师可以画状态，测试也知道从哪里核对。

官方事实 · Unlocking the Codex harness: App Server · 见文末依据

第三部分：状态与交互验收

正常流程不足以验收 Agent。状态矩阵至少覆盖启动、计划、执行、等待审批、工具失败、权限拒绝、上下文超限、取消、部分完成、恢复和最终交付。

每个状态写用户看到什么、能做什么、系统保存什么、下一状态如何触发。原型要让用户真正暂停、纠偏、拒绝和复核；只画 Happy Path 的原型，验收不了 Agent。

官方事实 · Demystifying evals for AI agents · 见文末依据

第四部分：怎样从测试走到上线

先让同一组真实任务重复运行，确认结果不是偶然；再让内部用户试用，观察他们在哪里接管或返工；通过后才向少量真实用户开放。

灰度前写清哪些结果允许扩大范围，哪些风险必须暂停，以及怎样退回上一个稳定版本。模型或系统升级后，用同一组任务重新检查。

本站推演 · AI 产品经理（Agent Harness 产品方向） · 见文末依据

实现对照 · DeepSeek Harness

“以后自动做”，需要哪些真正的机制？

调度则向原有会话投递后续任务，支持延时、绝对时间和固定间隔。绝对时间有明确时区约定；错过重复周期时采用补偿规则，而不是把所有漏掉的周期无限补跑。

产品判断：把自动化拆为触发、材料、执行、异常、交付与停止六部分。

固定源码观察 · 核验 2026-09-11。业务迁移为本站分析。

阅读完整系统研究 →核对官方依据 ↗

本课术语，放回情境理解

Agent PRD: 同时定义用户任务、概率性系统边界、交互状态、风险、Eval 与发布的产品需求文件。
MVP 楔子: 第一版选择的窄而完整、能建立真实价值和反馈闭环的任务入口。
非目标: 当前版本明确不解决或不允许执行的范围。
状态矩阵: 逐状态说明触发、系统行为、用户能力、产物和下一步的验收表。
上线 Gate: 进入下一发布阶段前必须通过的能力、安全、成本和体验门槛。
Kill Criteria: 出现哪些证据时应停止、缩小或放弃当前方案。

正在载入本课完整案例、模板与标准答案…

本课依据与证据边界

正文引用对应下面的具体结论。厂商资料、固定版本实现与本站解释分别标识。

[1]
DeepSeek Agent Harness 招聘信息被用于校验 PRD 是否同时连接用户、工程、研究和长期产品演进。
官方事实DEAI 产品经理（Agent Harness 产品方向）官方招聘 · 核验 2026-07-14
[2]
OpenAI App Server 提供了线程、事件、审批和多客户端协议的 Codex 产品案例。
官方事实OPUnlocking the Codex harness: App Server官方工程文章 · 核验 2026-07-14
[3]
Anthropic Agent Eval 方法支持用任务、重复 Trial、Outcome 和 Grader 定义质量与回归。
官方事实ANDemystifying evals for AI agents官方工程文章 · 核验 2026-07-14
[4]
本站 PRD 四部分、状态矩阵和六件套是综合教学模板，不是 DeepSeek、OpenAI 或 Anthropic 的官方 PRD 格式。
本站推演DEAI 产品经理（Agent Harness 产品方向）官方招聘 · 核验 2026-07-14

按需查阅的原始材料

Codex as a platform：把 Agent 放进业务产品 ↗OpenAI · 核验 2026-09-11
Building effective agents ↗Anthropic · 核验 2026-07-23
Writing effective tools for AI agents - with AI agents ↗Anthropic · 核验 2026-07-23
Effective context engineering for AI agents ↗Anthropic · 核验 2026-07-23
Configure permissions ↗Anthropic · 核验 2026-07-23
Effective harnesses for long-running agents ↗Anthropic · 核验 2026-07-23
Demystifying evals for AI agents ↗Anthropic · 核验 2026-07-23
A practical guide to building agents ↗OpenAI · 核验 2026-07-23
Unlocking the Codex harness: how we built the App Server ↗OpenAI · 核验 2026-07-23
Harness engineering: leveraging Codex in an agent-first world ↗OpenAI · 核验 2026-07-23
Running Codex safely at OpenAI ↗OpenAI · 核验 2026-07-23
Hermes Agent budget, completion and cleanup finalization ↗Nous Research · 核验 2026-07-23
Hermes Agent durable session finalization ↗Nous Research · 核验 2026-07-23
Hermes Agent async delegation and turn finalization ↗Nous Research · 核验 2026-07-23
The evolution of agentic surfaces: building with Claude Managed Agents ↗Claude by Anthropic · 核验 2026-07-23
AI 产品经理（Agent Harness 产品方向） ↗DeepSeek · 核验 2026-07-23

接下来

方案写清楚了，最后用作品与运行证据完成一次答辩，而不是只复述术语。

用面试题验收

本课对应面试题

06 产品设计与实证·第 24/25 课·30 min 阅读·最后更新 2026-09-11

怎样写一份工程师能实现的 Agent 方案？

Agent 产品 PRD 必须把任务结果、工具与权限、运行状态、失败恢复和评测证据写进同一份可实现合同。

一份可实施的方案要说清用户为什么需要它、第一版做到哪里、正常和失败时用户会看到什么，以及用什么结果判断做成了。

完成后，你会得到结业作品的主体。岗位要求对照、证据缺口和 20 分钟答辩将在下一课补进同一份作品。

第一部分：用户任务与 MVP 楔子

非目标必须具体：不自动向外发送、不读取未授权目录、不代替产品负责人做路线图决策。边界让团队能够建立真实任务集。

官方事实 · AI 产品经理（Agent Harness 产品方向） · 见文末依据

第二部分：谁接收、判断、行动和验收

每次行动都写清输入、输出、失败后交给谁，以及用户能看到什么。这样工程师可以分工，设计师可以画状态，测试也知道从哪里核对。

官方事实 · Unlocking the Codex harness: App Server · 见文末依据

第三部分：状态与交互验收

正常流程不足以验收 Agent。状态矩阵至少覆盖启动、计划、执行、等待审批、工具失败、权限拒绝、上下文超限、取消、部分完成、恢复和最终交付。

官方事实 · Demystifying evals for AI agents · 见文末依据

第四部分：怎样从测试走到上线

先让同一组真实任务重复运行，确认结果不是偶然；再让内部用户试用，观察他们在哪里接管或返工；通过后才向少量真实用户开放。

灰度前写清哪些结果允许扩大范围，哪些风险必须暂停，以及怎样退回上一个稳定版本。模型或系统升级后，用同一组任务重新检查。

本站推演 · AI 产品经理（Agent Harness 产品方向） · 见文末依据

实现对照 · DeepSeek Harness

“以后自动做”，需要哪些真正的机制？

产品判断：把自动化拆为触发、材料、执行、异常、交付与停止六部分。

固定源码观察 · 核验 2026-09-11。业务迁移为本站分析。

阅读完整系统研究 →核对官方依据 ↗

本课术语，放回情境理解

Agent PRD: 同时定义用户任务、概率性系统边界、交互状态、风险、Eval 与发布的产品需求文件。
MVP 楔子: 第一版选择的窄而完整、能建立真实价值和反馈闭环的任务入口。
非目标: 当前版本明确不解决或不允许执行的范围。
状态矩阵: 逐状态说明触发、系统行为、用户能力、产物和下一步的验收表。
上线 Gate: 进入下一发布阶段前必须通过的能力、安全、成本和体验门槛。
Kill Criteria: 出现哪些证据时应停止、缩小或放弃当前方案。

作品里程碑 · 里程碑 6 · 结业作品包（装配）

用户研究 Agent 共享结业作品包 v1

2–3 天

先读给定材料，按模板完成一版，再与下方完整参考案例逐项核对。掌握以后，把这套方法用到自己的业务里。

本课给定案例 · 教学假数据

两周 MVP：只读十份访谈，交付可回源洞察草稿

企业研究员目前平均用 180 分钟人工整理十份访谈。MVP 只处理批准目录中的中文 Markdown，不自动发消息或改路线图；用户确认后导出报告。

教学案例：人物、公司、数据与运行结果均为虚构；带官方链接的岗位与产品事实除外。

目标用户：8 名产品研究员；高价值摩擦是跨文档找主题、反例和原文，而不是单篇摘要。
任务输入：10 份脱敏访谈、最多 150 个片段；输出 5–8 条洞察，每条至少 2 个来源 ID，并列反例与证据缺口。
系统边界：本地 Runtime 读文件，云端同步脱敏事件；工具只有 list/read/search/export_draft，原文不上传。
发布资源：1 PM、2 工程、1 设计、0.5 Eval，开发 2 周；离线任务集 20 题，首轮 Dogfood 8 人。
可下载完整标准案例包：/labs/assignment-cases/harness-prd-case-pack.zip；包内含 prd.md、state-and-sequences.md、prototype.html、threat-model.md、eval-suite.json 与 release-runbook.md。

你要完成的任务

为“十份访谈生成可回源洞察”写一套可实施的 Agent Harness PRD 六件套；每件都要给具体状态、字段、门槛和异常，不只列目录。

下载完整 PRD 六件套案例PRD、状态机、原型、威胁模型、Eval 与发布手册

标准模板

1
PRD 与任务契约
写用户、现状、任务契约、MVP 范围、非目标、成功证据和 Model/Harness/Client/Tool 责任分工。
2
状态机和时序图
给出完整状态机与一条正常/一条拒绝时序，覆盖等待、取消、失败、部分完成和恢复。
3
可交互原型
描述可交互原型的关键屏幕与状态文案，说明用户在哪里看来源、纠偏、批准、暂停和导出。
4
威胁模型
列资产、信任边界、权限策略、数据保留和至少五条高风险用例，写对应技术控制。
5
Eval Spec
定义 20 个 Task、Trial、Outcome、Grader、基线、门槛和 Regression，不用一个“准确率”概括。
6
发布、回滚与事故说明
规划 Dogfood、灰度、监控、回滚和事故响应，写清 owner、触发阈值与对用户的通知。

交付标准

写作时按这四点检查，标准答案会逐项展示依据。

用户价值
解决真实替代方案中的高价值摩擦
系统理解
责任、工具、权限和状态明确
可验证
有真实任务集、证据和发布门槛

完整标准案例与参考答案

标准案例 · 教学假数据

两周 MVP：只读十份访谈，交付可回源洞察草稿

PRD 与任务契约

任务契约：每周至少整理 10 份访谈的研究员，选择一个已授权目录后，系统在 60 分钟内把 10 份中文 Markdown 整理为 5–8 条草稿洞察；每条至少 2 个可打开的 source_id，并显示反例和证据缺口。成功证据是导出前 Verifier 通过、用户确认且无越权事件，不采用“模型说完成了”。
基线与目标：人工基线 180 分钟；MVP 目标 P50≤60 分钟、引用逐字可回源率≥95%、权限 Regression 3/3、越权读取 0。非目标是自动发布、跨项目读取、音视频转写、外部联网和万能企业搜索。
责任边界：Model 只提出主题、反例和下一步动作；Harness 管 Thread/Turn 状态、Context、Tool Registry、Policy、Checkpoint、Verifier 与审计；Client 展示范围、计划、来源、审批和控制；Tool 只读批准目录并导出草稿；用户负责对路线图含义作最终判断。
事件与字段：task_started 记录 task_id/project_scope/corpus_hash；tool_requested 记录 tool/schema_version/risk；source_cited 记录 source_id/file_hash/span；outcome_verified 记录 grader_version/reasons；artifact_exported 记录 artifact_hash/user_confirmed。完整 PRD 在案例包 prd.md。

状态机和时序图

状态机：queued 在获得 Runtime 后进入 indexing；索引和 corpus_hash 固定后进入 planning；用户确认范围后进入 running。审批触发 waiting_approval，用户暂停触发 paused，可恢复错误最多两次进入 retrying；生成后进入 verifying，只有全部阻断项清零才 completed，否则是 partial/failed/cancelled。
转换约束：waiting_approval 不续跑对应 Tool；cancelled 后所有待执行调用携带 cancel_token 失效；partial 必须列出未覆盖来源；completed 必须同时满足 corpus_hash 一致、5–8 条洞察、逐条≥2来源、无未决审批和 export receipt。每次工具回执、审批结果、25% 资料里程碑与导出前后都保存 checkpoint。
正常时序：Client 选目录→Policy 固定 project scope→Runtime 索引→Harness 展示计划→search/read→Model 形成候选→Verifier 回源→用户确认→export_draft。拒绝时序：越界请求→Policy deny→Tool 不执行→Observation 说明缺口→生成不含该资料的 Partial，read_count 与文件哈希不变。
恢复时序：进程重启→读取 checkpoint→比较 goal/corpus/tool 版本与 export receipt→一致才恢复未完成只读单元；版本不一致进入 WaitingDecision，外部导出用 idempotency_key 去重。完整图与字段见 state-and-sequences.md。

可交互原型

任务创建页只让用户选择已授权目录、写目标并确认“只读/不上传原文”；范围预检展示 10 个文件、corpus_hash 和被排除文件。开始按钮旁明确预计 45–60 分钟。
运行工作台同屏显示 planning/running/verifying、已处理 7/10、预算、最近一次工具、暂停/取消和“正在等待什么”；用户可在计划行上删除或改写步骤，但改范围会触发重新授权。
来源抽屉从每条洞察展开 source_id、文件、行号、exact_quote、反例与覆盖角色；审批卡说明新增资源、目的、时限和 allow once/deny；交付页把证据不足标成阻断项，并允许删除、改写、标记待确认。
导出按钮仅在 Verifier 通过且所有审批已结算时可用；键盘和触屏都能暂停、查看来源和拒绝审批。案例包 prototype.html 可直接点击五个屏幕和正常/拒绝两条路径。

威胁模型

资产：原文/PII 为 restricted，短期文件令牌为 secret，脱敏洞察为 internal，审计为 sensitive metadata。边界：外部文本→模型、模型动作→Policy、Policy→Tool、Local Runtime→云事件库；原文留本地，令牌 15 分钟，脱敏事件 90 天。
策略：任务开始一次确认 project scope，scope 内逐文件只读脱敏材料 auto allow；扩大 scope、读取未脱敏原文或内部分享 ask；路径穿越、未知域外发、改 allowlist 永久 deny。审批在 Tool 执行前生效，拒绝必须 read_count=0。
五个高风险用例：`../raw` 路径穿越、访谈内 Prompt Injection、跨项目 source_id、日志写入邮箱、过期令牌重放。对应控制是规范化后 allowlist、内容无指令权、project_id 二次校验、结构化脱敏日志、短期令牌+nonce；每条都有 policy_event_id 与回归断言。
保留与删除：原文不进入云端；本地索引随任务删除；事件 90 天、短期 Transcript 30 天；用户撤销设备授权后不再签发令牌。完整威胁表见 threat-model.md。

Eval Spec

20 题 ID 为 F01–F08（事实/引用）、T01–T04（主题/角色覆盖）、C01–C03（反例）、X01–X02（冲突）、P01–P02（越权拒绝）、U01（证据不足）；每题 fixture 固定输入片段、gold evidence、允许变化、正反例、版本和 timeout，每版本跑 3 Trial。
确定性 Grader 检查 source_id、file_hash、exact_quote、Schema、read_count 和终态；模型 Rubric 只评 groundedness/coverage/actionability 0–4，并先与两名专家用加权 Cohen’s κ≥0.80 校准；人工抽查 20% 和全部护栏失败。
报告分 Capability 与 Regression：普通题同时报 any-pass@3 和 all-pass@3，P01/P02/U01 与历史事故题要求 all-pass@3；Go 需要质量完成≥80%、引用有效≥95%、所有 Regression 3/3、越权=0、P95 成本/时长不过线。
eval-suite.json 提供 20 条完整 fixture，不把题目类别清单冒充可运行任务集。

发布、回滚与事故说明

时间线不挤占开发：第 1–2 周完成 MVP 与离线 20 题基线；第 3 周让 8 人 Dogfood 5 个工作日；满足离线和 Dogfood 门槛后，第 4 周才对 10% eligible 任务灰度。PM 是 Go/No-Go owner，平台工程师是运行事故 owner，安全负责人拥有越权一票回滚权。
Dogfood 门槛：20 题质量完成≥80%、引用有效≥95%、P01/P02 3/3、8 人中至少 6 人完成两次任务；灰度监控质量完成、P95 时长、恢复、人工大改、单任务成本与越权，并按 task_id/版本保留失败。
任一 PII/越权事件、Regression 失败或静默错误>0.5%立即关闭 feature flag；恢复旧版后 2 小时内通知受影响用户，24 小时内给初步影响与补救，5 个工作日内完成复盘和新增 Regression。
release-runbook.md 给出发布检查表、阈值、联系人角色、回滚步骤、用户通知模板和事故复盘时限。

为什么这份答案达标

用户价值: PRD 以 180→60 分钟、95% 可回源和 0 越权定义真实价值，且通过访谈与现状流程支持，不从“做 Agent”出发。
系统理解: 六件套中责任层、状态、Tool Schema、Policy、Checkpoint、异常和数据边界彼此一致，工程可据此拆任务而无需猜关键行为。
可验证: 20 题×3 Trial、混合 Grader、Dogfood 与 10% 灰度形成证据链；Go/回滚阈值和 owner 在开发前确定。

离开前再确认一个判断

“准确率 95%”为什么不是完整的 Agent 验收标准？

参考回答

没有说明任务分布、完成定义、评分器、过程风险、环境版本和失败处理；它无法指导实现、测试或发布。

正在载入本课完整案例、模板与标准答案…

本课依据与证据边界

正文引用对应下面的具体结论。厂商资料、固定版本实现与本站解释分别标识。

[1]
DeepSeek Agent Harness 招聘信息被用于校验 PRD 是否同时连接用户、工程、研究和长期产品演进。
官方事实DEAI 产品经理（Agent Harness 产品方向）官方招聘 · 核验 2026-07-14
[2]
OpenAI App Server 提供了线程、事件、审批和多客户端协议的 Codex 产品案例。
官方事实OPUnlocking the Codex harness: App Server官方工程文章 · 核验 2026-07-14
[3]
Anthropic Agent Eval 方法支持用任务、重复 Trial、Outcome 和 Grader 定义质量与回归。
官方事实ANDemystifying evals for AI agents官方工程文章 · 核验 2026-07-14
[4]
本站 PRD 四部分、状态矩阵和六件套是综合教学模板，不是 DeepSeek、OpenAI 或 Anthropic 的官方 PRD 格式。
本站推演DEAI 产品经理（Agent Harness 产品方向）官方招聘 · 核验 2026-07-14

按需查阅的原始材料

Codex as a platform：把 Agent 放进业务产品 ↗OpenAI · 核验 2026-09-11
Building effective agents ↗Anthropic · 核验 2026-07-23
Writing effective tools for AI agents - with AI agents ↗Anthropic · 核验 2026-07-23
Effective context engineering for AI agents ↗Anthropic · 核验 2026-07-23
Configure permissions ↗Anthropic · 核验 2026-07-23
Effective harnesses for long-running agents ↗Anthropic · 核验 2026-07-23
Demystifying evals for AI agents ↗Anthropic · 核验 2026-07-23
A practical guide to building agents ↗OpenAI · 核验 2026-07-23
Unlocking the Codex harness: how we built the App Server ↗OpenAI · 核验 2026-07-23
Harness engineering: leveraging Codex in an agent-first world ↗OpenAI · 核验 2026-07-23
Running Codex safely at OpenAI ↗OpenAI · 核验 2026-07-23
Hermes Agent budget, completion and cleanup finalization ↗Nous Research · 核验 2026-07-23
Hermes Agent durable session finalization ↗Nous Research · 核验 2026-07-23
Hermes Agent async delegation and turn finalization ↗Nous Research · 核验 2026-07-23
The evolution of agentic surfaces: building with Claude Managed Agents ↗Claude by Anthropic · 核验 2026-07-23
AI 产品经理（Agent Harness 产品方向） ↗DeepSeek · 核验 2026-07-23

接下来

方案写清楚了，最后用作品与运行证据完成一次答辩，而不是只复述术语。

用面试题验收