首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >以 SuperAgent 模式在实际智能体应用场景中的分析

以 SuperAgent 模式在实际智能体应用场景中的分析

原创
作者头像
OneCode
发布于 2026-11-17 21:51:49
发布于 2026-11-17 21:51:49
410
举报
文章被收录于专栏:ooderAgentooderAgent

摘要:智能体应用正在从“单点演示”进入“系统化落地”。第一阶段比的是能不能做,第二阶段比的是怎么组织。当教师、学生、群组、审批、通知都开始由 Agent 参与,真正稀缺的不再是模型能力,而是一层能把入口、调度、状态、权限和人工确认收在一起的底座。本文先讨论 SuperAgent 作为底座的必然性,再解释学情系统为什么会用到它,最后把学情作为其中一个用例,展开多 Agent 的三种组合方式,并抽象到财务、研发、运营等同类场景。

本文结构 一、背景:从单点演示到系统化落地 二、为什么学情系统需要底座 三、SuperAgent 底座是什么 四、多 Agent 的三种组合方式 五、场景分析:研讨型作业 六、同构场景 七、底座做对的六个约束 八、结语

一、背景:Agent 应用正在从“单点演示”走向“系统化落地”

2023 年,大家问的是:Agent 能不能自己订机票、写代码、做报表。2024 年,问的是:多个 Agent 能不能协作。到了真正进入业务的阶段,问题变成了第三个:这些 Agent 出了错,谁来负责?

这不是一个技术问题,而是一个组织问题。它标志着智能体应用正在换挡。

阶段

典型形态

关键能力

主要矛盾

单 Agent 助手

一个对话框 + 工具调用

理解意图、调用工具

能不能答对

多 Agent 协作

角色分工 + 执行体

任务拆解、上下文传递

谁来调度、状态放哪

底座化

统一入口、调度、治理

任务线、权限、人工门、台账

能不能规模化、可回退、可追责

三个变化推动了这个换挡:

  1. 业务从“演示”进入“日常”
  2. :演示可以容错,日常不行。日常要求稳定、可解释、可审计。
  3. 任务从“单轮”变成“连续剧”
  4. :一次作业、一次报销、一次需求,往往跨多个角色、多个系统、好几天。
  5. 写操作开始出现
  6. :发通知、改成绩、付款、发布,这些动作一旦由 Agent 执行,就必须有人负责。

于是,竞争点从“模型能力”转向“底座能力”。底座不是“更大的 Agent”,而是让多个 Agent 在一个可负责的系统里工作的运行环境。

二、为什么学情系统会用到 SuperAgent 底座

学情系统是一个很好的观察样本,但不是因为“教育特殊”,而是因为它同时具备四个特征:

  • 多角色
  • :教师、学生、教研、管理员,每个角色的可见范围不同;
  • 多源
  • :课程、作业、成绩、讨论、答疑、行为,数据口径各不相同;
  • 长周期
  • :一门课是一学期,任务是连续剧,不是单轮问答;
  • 强责任
  • :评分、评语、通知、隐私,错了要能追责。

这四个特征,恰好把传统学情系统的瓶颈暴露得很清楚。

2.1 传统学情系统的三个瓶颈

第一,结果滞后。系统能看到“交没交、考多少”,但看不到“为什么没交、卡在哪、什么时候开始卡”。等成绩出来,教学干预已经晚了。

第二,口径割裂。课程、作业、讨论、答疑各有一套统计。教师要在多个页面之间拼图,才能拼出一个学生的完整状态。

第三,过程不可见。学生在讨论里说了什么、问了什么、有没有被回应,系统不知道。于是“学情”更像一张成绩单,而不是一张教学过程的地图。

2.2 Agent 带来的新可能,也带来三个新问题

Agent 的加入,让“过程数据”第一次变得可用:对话、讨论、求助、拒绝,都可以成为信号。但也带来了三个新问题:

  • 碎片化
  • :每个场景做一个 Agent,教师要在多个入口之间切换;
  • 越界
  • :为了“更懂学生”,系统很容易滑向“看全部聊天”;
  • 责任
  • :Agent 能不能直接定分、直接发通知、直接改状态?

如果这三个问题不解决,学情系统会变成“很多个聪明的助手”,而不是“一个可用的教学系统”。

2.3 所以,学情系统需要的是底座,不是另一个学情 Agent

学情系统真正缺的,是五个“统一”:

统一

解决的问题

统一入口

教师、学生、群组、管理端不再各用一套助手

统一任务线

一次作业跨天、跨角色,仍然是一条线

统一事实

课程、作业、成绩、讨论、汇报,只有一套口径

统一人工门

发布、定稿、通知、摘录,都有明确的确认点

统一台账

谁在什么时候做了什么,可以回放、可以追责

这五个“统一”,就是 SuperAgent 底座要提供的东西。学情系统需要的不是一个“更聪明的学情 Agent”,而是一个能让多个 Agent 在课程里协同的底座。

2.4 学情只是一个用例

同样的底座,换执行体和事实源,就是另一个场景:

  • 财务:报销、对账、税务分析;
  • 研发:需求、开发、评审、发布;
  • 运营:线索、跟进、转化、复盘。

这也是本文先讲底座、再讲学情的原因。学情不是特例,它只是底座上第一个把“多角色、长周期、强责任”同时占满的用例。

三、SuperAgent 底座是什么

如果只用一句话描述:SuperAgent 不是“更聪明的 Agent”,而是“让多个 Agent 在一个可负责的系统里工作”的那一层。

它更像 Agent 的操作系统:不替应用执行业务,但负责调度、状态、边界和可观测。

图 1 SuperAgent 五层底座。入口层负责人格与入口,调度层决定“谁来干”,执行体层提供无状态能力,事实层保存唯一事实,治理层保证可运营、可回退。

  • 入口层
  • :教师 AI、学生 AI、群内 Agent、其他角色。它们不是四套业务系统,而是同一套事实的不同入口。
  • 调度层
  • :Router 决定这一轮是直接回答、派给某个执行体、改向、追问还是忽略;Thread 把同一个任务串成一条线;Trigger 把消息、流程、定时事件接进来;人工门负责“确认才生效”。
  • 执行体层
  • :布置、分发、收集、批改、纪要、学情等无状态能力。它们只做一件事,不自己决定派给谁。
  • 事实层
  • :业务库、IM 会话壳、任务与事件台账、文档与知识。谁能写、写到哪里,在这里划清。
  • 治理层
  • :租户与身份、权限与审计、灰度与回滚、可观测。它决定这套系统能不能长期运营。

3.1 三个关键设计

第一,人格与执行体分离。

教师 AI 和学生 AI 看起来是两个机器人,实际上它们是同一套执行体的两个投影。教师看到的是全班聚合、讨论纪要、批改队列;学生看到的是本人作业、本人成绩、所在小组的讨论。执行体不感知“我是教师端还是学生端”,只认调用主体和权限。

这样做的好处是:新增一个角色,不需要复制一套业务逻辑;调整一次权限,不会漏掉另一个入口。

第二,Thread 是任务线,不是聊天窗口。

一个教学任务可能持续几天,跨布置、讨论、提交、批改、复盘多个阶段。如果每一轮都重新路由,系统就会“失忆”。Thread 的作用是:第一次决定主执行体,后续续轮直接投给它;需要改向时,显式改向并记录原因;任务结束后,整条线仍然可以回放。

第三,人工门是产品能力,不是提示文案。

“发布作业”“定稿成绩”“全班通知”这类动作,不能靠 Agent 自己判断“要不要问一下”。人工门应当是一个明确的状态:任务停在等待确认,等待一个带审批 ID 的确认,确认后才继续。它不是 UI 上的一个弹窗,而是状态机的一部分。

3.2 底座的价值,一半来自“不做什么”

一个容易被忽略的事实是:底座的能力边界,往往由它拒绝做什么来定义。

  • 不把聊天正文塞进调度层,只存指针与摘要;
  • 不让 LLM 判断权限,权限只认服务端身份;
  • 不让 Agent 直接写业务终态,终态必须经过人工门;
  • 不用“全量聊天”做学情,只做课程范围内的信号;
  • 不在故障时假装成功,派发不出去就明确失败并解绑。

这些“不做”,让上面的应用可以大胆地组合。

四、底座之上,多 Agent 的三种组合方式

有了底座,应用场景的设计问题就变成了:这一组 Agent 应该怎么组合。

图 2 三种多 Agent 组合模式。并列投影、角色入会、流水线编排,分别回答“同一事实怎么分角色看”“Agent 怎么进入会话”“多个执行体怎么接力”。

4.1 并列投影:同一事实,不同角色

教师 AI 与学生 AI 是典型。它们共享课程、作业、成绩这些事实,但投影不同:

  • 教师 AI 看到的是“这门课 42 人,31 人已交,12 人卡在聚合根边界”;
  • 学生 AI 看到的是“你的报告还没提交,讨论已发言 1 次”。

关键约束是权限不提升:学生 AI 不以教师身份取数,教师 AI 也不因为“想知道”就看到学生私聊。投影不是把同一份数据复制两份,而是同一份事实按角色裁剪。

4.2 角色入会:Agent 成为会话参与者

小组讨论里的引导 Agent,不是外挂的一个“问答服务”,而是会话里的一个参与者。它有席位、有角色、有消息顺序,也有明确的“不能做什么”:

  • 不伪装成学生发言;
  • 不替学生给结论;
  • 不评价谁对谁错;
  • 只在被 @ 或触发条件满足时说话。

把 Agent 放进会话,而不是放在会话外面,好处是:讨论过程、已读、引用、参与度都能自然沉淀,不需要另建一套“讨论系统”。

4.3 流水线编排:一条任务线串起多个执行体

作业场景最适合流水线:布置 → 分发 → 收集 → 批改 → 学情。每个环节是一个执行体,彼此不直接调用,由调度层按任务线接力。

这条流水线有三个特征:

  1. 每个执行体只做一段
  2. :布置的不负责收集,收集的不负责打分;
  3. 状态在任务线上
  4. :谁做到哪一步、失败在哪一步,都能回放;
  5. 写动作有人工门
  6. :发布、定稿、全班通知,都必须停下来等人。

4.4 组合原则:四句话

一个任务线 · 一个主执行体 · 一个人工门 · 一个账本。

  • 一个任务线:避免同一件事在多条会话里各说各话;
  • 一个主执行体:避免两个 Agent 同时“负责”,最后没人负责;
  • 一个人工门:每个关键写动作只有一个确认点,避免重复审批;
  • 一个账本:任务进度、失败原因、干预记录,都落在同一处。

五、场景分析:学情系统里的“研讨型作业”

前面解释了“为什么学情系统需要底座”。现在把学情当作底座上的一个具体用例,看看多 Agent 如何在一个真实任务里组合。

我们选择的任务是:一次“小组讨论 + 个人报告”的研讨型作业。

5.1 角色编制

角色

职责

可见范围

不能做什么

教师 AI

布置、看学情、看纪要、确认批改

本人任课课程的全班聚合

不跨教师取数、不自动定分

学生 AI

看作业、看成绩、讨论待办、答疑

本人数据 + 所在小组公开讨论

不代写、不看他人、不自动提交

小组引导 Agent

开场拆题、冷场点名、跑题拉回、收敛纪要

本组讨论与参与度

不替学生发言、不评对错

布置 / 分发执行体

生成草稿、解析目标、逐人投递

本次作业与目标学生

不复制作业定义

收集 / 对账执行体

拉取提交、对账、产出差异清单

提交记录与投递状态

不采信“我已交”的汇报

批改 / 学情执行体

产出建议分、评语、学情信号

本次提交 + 量规 + 纪要

只写草稿,不写终态

这张表里最重要的是最后一列。一个多 Agent 系统是否可控,不取决于每个 Agent 多能干,而取决于每个 Agent 明确不能干什么。

5.2 业务链路

图 3 研讨型作业的业务链路。五个阶段由不同执行体接力,教师只在“布置”和“定稿”两个关键点确认;批改后的学情信号回流到下一轮布置。

这条链路里有两个容易被忽略的设计:

  • 讨论与求助是并行的
  • :学生在小组里讨论,也可以私聊学生 AI。两条线最终都汇入“汇报”,而不是各算各的。
  • 学情不是链路的终点,而是下一轮的起点
  • :教师补讲之后,同类信号如果不再出现,会自动转为“已解决”;这才算闭环。

5.3 一次任务的七个步骤

第一步,布置。教师只说一段话:“这周研讨型作业,DDD 分层,4 人一组;周四讨论截止,周五交个人报告。” 教师 AI 先追问两个关键参数,再生成草稿:量规、分组建议、投递目标。教师点一次“确认发布”,这是整条链路上第一个、也是唯一一个“分发类”人工门。

第二步,分发。分发执行体解析目标学生,逐人建立投递信封,写送达与已读,按截止时间做限频催办。这里的关键是“信封”而不是“复制作业”:作业定义只有一份,每个学生拿到的是投递状态。

第三步,讨论与求助。引导 Agent 用三个问题开场;学生可以 @ 它,也可以私聊学生 AI。学生 AI 只给提示、提纲和检查表,不产出可直接提交的正文。讨论结束前,纪要执行体产出“观点聚类、分歧点、待决问题”的草案,由组长或教师确认。

第四步,汇报。这是整条链路最容易被低估的一步。学生 AI 每次任务结束,不是“写一条日志”,而是交一份结构化的 AgentReport:这次想做什么、调用了哪些工具、结果是成功/部分完成/卡住/拒绝、卡在哪、是否建议教师介入。它不包含聊天正文,只包含指针与派生信号。

图 4 从 AgentReport 到教学干预的闭环。汇报进入任务与事件台账,再被批量抽取成学情信号,教师 AI 聚合后给出建议,教师干预后再回到下一轮任务。

为什么强调“不是日志”?因为日志是给工程师排障用的,而汇报是给系统做聚合、给教师做判断用的。两者的字段、幂等要求、隐私边界都不一样。

第五步,收集。收集执行体不采信“我已经交了”的汇报,而是回到提交表逐条拉取、逐条对账:应交多少、已交多少、未交多少、逾期多少。AgentReport 只能作为“学生尝试过、可能卡住”的辅助信号,不能作为“已提交”的证据。

第六步,批改。批改执行体按量规、确认版纪要和参与度给出建议分与评语,但只写草稿。教师逐条确认、改分、定稿之后,学生才看得到结果。文风异常只标“需人工复核”,不自动扣分。

第七步,学情与干预。学情执行体把汇报与纪要汇总成班级卡点:多少人卡在同一个概念、多少人停滞、多少人已经从不明白到完成。教师 AI 给出“下次课用 10 分钟讲这个点”的建议;教师采纳后,干预记录挂到下一轮,后续同类信号不再出现就自动标记为已解决。

下面这张是教师端真实界面的一个切片:课程、作业布置、进度、待批待办在同一屏。底座不需要另造入口,它要做的是把这些已有表面串成一条任务线。

图 5 教师端的课程、作业布置与进度界面。这类界面提供的是事实与操作入口;SuperAgent 在其上补的是分发、收集、汇报与人工门的组织能力。

学生端同样如此:课程、作业、助手入口都已经在同一个学习中心里,学生不需要知道背后有几个 Agent。

图 6 学生端学习中心。作业、课程与助手在同一个入口;学生 AI 的边界是“只给提示、不代写、不自动提交”。

答疑是最能体现“汇报”价值的场景。教师和学生本来就在真实会话里沟通,问题是有没有一种方式,把这些会话变成可聚合、可追踪、又不侵犯隐私的信号。

图 7 教师端的指导收件箱。会话本身是正文源;汇报协议负责把它压成“卡点、停滞、进展”这类可聚合的事实。

5.4 三个关键机制

机制一:汇报协议,而不是聊天记录分析。

如果教师要看“学生最近学得怎么样”,最直接的做法是读聊天记录。但这既慢又越界:一个班几十个人,聊天里夹杂大量与课程无关的内容;教师真正需要的是“谁卡住了、卡在哪个概念、卡了多久”,而不是逐字阅读。

汇报协议把这件事拆成两步:

  1. 学生 Agent 在任务结束时,把“发生了什么”压成结构化事实;
  2. 学情执行体把这些事实按课程、作业、主题归并成信号。

信号只带证据指针(哪条会话、哪段序号),不复制正文。教师默认看到的是信号与人数;要看依据时,才触发受控摘录:最小片段、遮罩他人信息、写审计。学生端可以看到“老师看到了什么”。

这就把“聊天记录分析”从“监控”拉回到“教学判断”。

机制二:作业总线,分发与收集要分开。

很多系统把“发作业”和“收作业”做成一个动作,结果是:发的时候不知道谁没收到,收的时候不知道谁没交。SuperAgent 的做法是把它们拆成两个执行体,中间用投递状态连接:

代码语言:javascript
复制
CREATED → DELIVERED → READ → SUBMITTED → GRADED
                     ↘ MISSING(截止未交)
        ↘ EXCUSED(请假/免修,教师确认)
  • 分发负责“送达到位”:目标解析、逐人投递、已读、限频催办;
  • 收集负责“核对到位”:拉取提交、对账、差异清单、交批改。

收集必须是“拉”,不能是“信”。这不是技术洁癖,而是责任问题:如果 Agent 汇报说“我交了”,系统就记“已交”,那么一旦出现争议,系统无法自证。

机制三:人工门分级。

不是所有写动作都需要同级别的确认。一个可用的分级是:

动作

处理方式

发布 / 撤回作业

人工门

确认讨论纪要

组长或教师确认

定稿成绩

人工门,逐条或批量

全班通知 / 改截止

人工门

单人催办

自动,但限频

查看原文摘录

授权 + 审计

导出成绩与名单

人工门

分级的依据不是“动作大小”,而是“错了以后能不能撤回、由谁负责”。

5.5 三个“不”

这个场景能成立,靠的是三条底线:

  1. 不监控私人聊天
  2. :只分析课程相关会话,范围由课程与作业绑定;学生可查看、可在课程范围外关闭。
  3. 不让 AI 定分
  4. :批改执行体只出草稿,教师确认才算数;文风异常只标记复核,不自动扣分。
  5. 不让 Agent 代替学生做事
  6. :学生 AI 可以给提纲、给检查表、指出逻辑漏洞,但不产出可直接提交的正文;提交必须学生本人在作业页确认。

5.6 两张真实界面:底座能力不随行业改变

前面几张截图来自学情应用本身。下面两张来自同一底座上的另一个场景——财务。把它们放在这里,不是为了展示财务功能,而是为了说明:入口、执行体、数据回执、人工门,是底座级的公共能力,不随行业改变。

图 8 桌面端的一次真实任务。同一个入口,换一个执行体,就能承接税务分析:执行体返回了可核对的数据——科目余额表 2263 行、税负分析 9 个月、资产负债表平衡,并把“上传明细 / 人工确认”留在待办里。

图 9 当需求存在歧义时,任务停在“等待人工处理”。界面让人选择继续方式,并显示超时时间。人工门是任务状态,不是提示语。

这也解释了为什么学情系统不应该从“再做一个学情 Agent”开始:它真正需要的是同一套入口、执行、状态与人工门。

六、把学情案例抽象掉:同构场景

学情不是特例。把“研讨型作业”抽象一下,会发现财务、研发、运营里都能找到同构的任务。

维度

教育 / 财务 / 研发 / 运营

任务线

研讨型作业 / 报销对账 / 需求到上线 / 线索到复盘

并列投影

教师 AI、学生 AI / 财务 BP、员工助手 / 研发、测试助手 / 运营、客服助手

角色入会

小组引导 Agent / 审批群助手 / 评审群助手 / 客户群助手

流水线

布置→分发→收集→批改 / 收单→校验→审批→入账 / 需求→开发→评审→发布 / 线索→跟进→转化→复盘

人工门

发布、定稿 / 付款、调账 / 合并、发布 / 折扣、退款

账本

课程、作业、成绩 / 单据、凭证 / 需求、构建 / 线索、商机

关键信号

卡点、停滞 / 异常、缺口 / 阻塞、返工 / 流失、转化

变的只是执行体和事实源;不变的是四件事:任务线、投影、人工门、账本。

这也是“底座”思想的核心:应用场景不是从零写出来的,而是在同一套底座上“组装”出来的。换一个行业,通常只需要换执行体和事实源,不需要重做调度、状态和治理。

底座侧的场景组与能力绑定,正是这种“组装”关系的体现:

图 10 底座侧的场景组与能力绑定。应用场景是能力的组合;场景组负责把角色、能力、流程绑到一起,而不是为每个场景再写一套系统。

七、方案分析:底座做对的六个约束

7.1 权限:调用主体不提升

Agent 以谁的身份取数,必须以当前登录人为准,不能因为“教师 AI 想知道”就提升为管理员,也不能让 LLM 传入租户或角色。权限判断只认服务端身份,不认提示词。

7.2 上下文:Router 与 Worker 看到的不是同一份

Router 需要看到候选执行体、在线状态、负载、当前任务线;Worker 只需要看到“本次任务 + 项目摘要 + 约束”,不需要看到候选清单。两者的投影不同,既减少提示词污染,也避免执行体越权做调度。

7.3 可靠性:幂等、快失败、可降级、可回滚

  • 幂等:投递按“作业 + 学生”唯一,汇报按 reportId唯一,重复不会产生第二条轨迹;
  • 快失败:执行体离线或不可寻址时立即失败并解绑,不空等超时;
  • 可降级:底座不可用时回落到规则助手,IM 不可用时回落到本地会话;
  • 可回滚:灰度、影子、一键停止接管,出问题能回到旧链路。

7.4 可观测:一条任务线可以回放

用户消息、路由决策、执行体派发、外部事件、人工确认,都落在同一条任务线上。出了问题,不是“翻日志猜”,而是按任务线回放:谁在什么时候做了什么、失败在哪一步、有没有人工确认。

7.5 人工门:写动作分级,而不是一律弹窗

一律弹窗会让 Agent 变得难用;完全不弹窗则无法负责。正确做法是按“可撤回性”和“责任归属”分级:发布、定稿、全班通知必须人;单人催办、只读查询可以自动,但要有频控和审计。

7.6 伦理与隐私:边界要写在产品里

聊天分析的四条红线:只分析课程相关会话;默认只给信号;原文摘录需授权并审计;不做情绪/人格诊断、不进总分、不排名。学术诚信的三条底线:不代写、不自动提交、不自动定分。

这些不是“使用说明”,而应该写进工具层和状态机:AI 没有自动提交的工具,批改只能写草稿,摘录必须走授权接口。

7.7 六个反模式

反模式

后果

每个场景一套路由

路由碎片化,无法统一灰度与回滚

把聊天正文塞进调度层

隐私风险、存储膨胀、权限难收

让 Agent 直接写业务终态

出问题无法追责,人工门形同虚设

用 LLM 判断权限

不可解释、不可审计、容易被绕过

用“全量聊天”做学情

监控感强、噪声大、教师反而更难用

把汇报当日志

无法聚合、无法驱动干预、无法验证效果

八、结语:底座的价值是“可组合、可回退、可解释”

回到开头的问题:Agent 多了,应用为什么反而更难做?

因为缺的不是更多的 Agent,而是一层能把它们组织起来的东西。SuperAgent 这类底座的价值,可以收成三句话:

  • 可组合
  • :同一套执行体,换一个入口人格就是新场景;换一个行业,通常只需要换执行体和事实源。
  • 可回退
  • :灰度、影子、人工门、一键停止接管,让系统在不确定时仍然可控。
  • 可解释
  • :一条任务线、一个账本、一串证据指针,让“为什么这么判断”有据可查。

所以,SuperAgent 不是“更聪明的 Agent”。它是让多个 Agent 在一个可负责的系统里工作的那一层。

当底座足够稳,应用才敢大胆地组合;当组合足够清晰,智能体才真正从“演示”走进“日常”。

本文为方案分析,讨论的是 SuperAgent 作为底座的架构思想与多 Agent 组合方法;文中截图用于说明应用表面,不构成功能清单或进度说明。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、背景:Agent 应用正在从“单点演示”走向“系统化落地”
  • 二、为什么学情系统会用到 SuperAgent 底座
  • 2.1 传统学情系统的三个瓶颈
  • 2.2 Agent 带来的新可能,也带来三个新问题
  • 2.3 所以,学情系统需要的是底座,不是另一个学情 Agent
  • 2.4 学情只是一个用例
  • 三、SuperAgent 底座是什么
  • 3.1 三个关键设计
  • 3.2 底座的价值,一半来自“不做什么”
  • 四、底座之上,多 Agent 的三种组合方式
  • 4.1 并列投影:同一事实,不同角色
  • 4.2 角色入会:Agent 成为会话参与者
  • 4.3 流水线编排:一条任务线串起多个执行体
  • 4.4 组合原则:四句话
  • 五、场景分析:学情系统里的“研讨型作业”
  • 5.1 角色编制
  • 5.2 业务链路
  • 5.3 一次任务的七个步骤
  • 5.4 三个关键机制
  • 5.5 三个“不”
  • 5.6 两张真实界面:底座能力不随行业改变
  • 六、把学情案例抽象掉:同构场景
  • 七、方案分析:底座做对的六个约束
  • 7.1 权限:调用主体不提升
  • 7.2 上下文:Router 与 Worker 看到的不是同一份
  • 7.3 可靠性:幂等、快失败、可降级、可回滚
  • 7.4 可观测:一条任务线可以回放
  • 7.5 人工门:写动作分级,而不是一律弹窗
  • 7.6 伦理与隐私:边界要写在产品里
  • 7.7 六个反模式
  • 八、结语:底座的价值是“可组合、可回退、可解释”
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档