先过筛再派活，Grok Bot 的甜点区判定与验真清单

你大概率经历过这个场景。给 Grok Bot 派了件活，它跑得特别欢，通知你完工了，点开一看，交回来的东西压根不能用。多数人的第一反应是回去调配置、改提示词、翻文档，折腾一整晚。

方向反了。问题多半不在配置，在活本身。把不合适的活自动化，只会让你更快拿到不能用的结果。 这两年老雷帮企业梳理 AI 派活清单，见过最多的弯路，就是拿 Bot 去干一件压根没想清楚完成标准的事。

这篇给你一套判断方法，手上这件活值不值得交出去，过一遍就见分晓。顺便说说网上那些「它能干这个」的案例，哪些能信。

能成的活，形状都一样

先把官方对「好角色」的定义搬出来，这句是整篇的地基。

最好的 Bot 角色拥有一个可重复的产出，不是一类松散的问题。

「可重复的产出」和「一类问题」的差别，比听起来大。每周账户健康检查是产出，「帮我看看客户那边怎么样」是一类问题。缺陷复现包是产出，「协助处理线上问题」是一类问题。差别在哪，前者有完成标准，Bot 知道什么时候算做完，你也知道拿到的东西对不对。后者没有。没有标准的活，Bot 会漫游，多查一点、多说一点，每次给你不一样的东西，到头来你花在读它输出上的时间，比自己干还多。

再往下拆，能成的活全是同一个形状。

读点东西，查个系统，应用一条规则，写出结果。四步都齐，这活就能试。处理退款，读客服邮件，查支付系统里的交易，套退款政策，输出退款或升级给人。缺陷复现，读缺陷报告，查预发布环境，套复现步骤的格式要求，输出一份复现包。竞品监控，读竞品定价页，查上次的快照，套「什么算有意义的变化」，输出变了就通知你。

四步里最容易漏的是第三步。规则说不清楚，这活就不能交。 判据特别朴素，这套说明能不能写在纸上，交给一个新员工照着做。很多活看起来简单，是因为做它的人已经内化了几十条没写下来的判断，你把活交出去，等于把那几十条规则一起省略了。

四道筛子，全过才值得开工

形状对了，再排优先级。下面四条来自一份对 30 个真实用例的分析，四条全过，才是好的第一个任务。

第一道，它跨两个系统吗。卡在收件箱和客户系统之间、卡在表格和记账软件之间的活，才是它挣钱的地方。只在一个系统里打转的活，通常有更便宜的解法，那个系统自带的批量操作、一个筛选器、一条公式就够，用 Bot 属于杀鸡用牛刀，还更慢更贵。

第二道，有人每天做吗。一个月做一次的活，自动化了省一小时每月。每天做的活，改变的是某个人的一周。但这道筛子真正的分量在第二层，日常任务给你 50 倍的证据。跑一个月，你有二十多次机会观察它可靠不可靠，月度任务跑一个月，你只有一次，而一次成功什么都证明不了。

第三道，错了的话，看得见吗，便宜吗。一份写错的草稿，人一眼就能发现，成本是零。一笔打错的款，是真金白银加信任。从错误会立刻浮出水面的地方开始，不是为了保守，是为了快速迭代，错误藏得住的地方，你得等三个月才发现它一直在错。碰到钱，闸门还要再往前挪一格，客服 Bot 可以读退款邮件、对照规则、起草结论，打到支付接口之前必须停下来等人。执行可以交给它，拍板权不交。

第四道，规则能写下来吗。就是上一节那个新员工测试。这一条最常被跳过，也最常导致失败。

一家物流公司的例子，每天回三十封「我的货到哪了」的邮件。跨系统，收件箱和物流跟踪系统，过。每天做，三十封，过。错了看得见，回错了客户立刻就说，过。规则写得下来，查单号报状态，异常升级给人，过。四条全过。这也是为什么客服队列处理这类用例，在真实使用里反复出现。

甜点区之外，这些活别交

四道筛子嫌多，记一句话也行。

甜点区是这样一件活，人会说「我知道怎么做，我就是讨厌每次都做一遍」。

拆开看特别准。「我知道怎么做」，说明规则存在而且你写得下来，对应第四道筛子。「每次都做一遍」，说明重复发生，对应第二道。「讨厌」这两个字最有意思，说明这活消耗的是注意力，不是判断力，交出去你不心疼。

反过来，两种活都不在甜点区。一种是你自己也说不清该怎么办的，规则不存在，它只会用自信的语气给你编一个。另一种是「这个只能我来定」的，需要的是判断不是执行，自动化了你还得重做一遍。

老雷给大家提个醒，贵的从来不是额度，是你的注意力。软件写完还有验收、配置、上线和运营，每件单独都不重，合在一起会把人从正经工作里拽走。路径清楚的交给 Bot，模糊的产品判断留下，权限、付费和说不清的选择，保留人的决策口。

顺着这条线，六类活现阶段不该全权交给它。不是它做不到，是做错的代价你承受不起。发几百条销售消息，错了没法撤回，还伤你的域名信誉。动钱，一次错误抵消几十次正确。接受法律条款，你签的字你负责。删重要文件，不可逆。改生产环境，影响别人。判断内容好不好，需要品味，这是它目前最弱的地方。

有人拿它做漫画创作，结论很有代表性，它能扛下大量生产工作，但创意质量仍然需要人。研究选题、复用素材、准备资源、维持发布管线，这些是好活，把编辑决定权整个交出去，很难辩护。命中清单不代表这件事不能做，但人要卡在关键位置。

这里有一条能救你很多次的判断。一个 49 次都做对的 agent，第 50 次会做出奇怪的事，带着完全的自信，没有任何预警。它不会说「我这次不太确定」，第 50 次的语气和前 49 次一模一样。所以「跑了一个月都没问题」不能作为撤掉人工检查的理由，那只证明你还没遇到第 50 次。

网上的案例，五条判据验真

挑活的时候你一定会去搜「它能干什么」。这个领域现在处在声量最大、证据最少的阶段，照着假案例搭系统，浪费的是你的时间和订阅费。

先看数据对不上的地方。收益宣称类内容浏览量常在百万级，给它 50 美元、48 小时变五千多，八个 agent 组成的交易台上周赚九千多。翻开真实使用数据，一个公开的社区用例索引里，交易和加密货币分类只有 2 条，日常工作有 34 条。另一个收录 607 个真实 Bot 配置的开源库，最大的两类是个人事务 166 个、生产力 140 个，压根没有交易分类。声量和真实使用，是反的。

你没法验证一个陌生人的账户余额，但工作量数字可以被复核。

五条判据，逐条过。一看数字是工作量还是收益，「处理了 625 个条目」可验证，「赚了 9300 美元」不可验证。二看结果是追回已有的还是凭空创造的，找回过去半年流失的客户、从收件箱里翻出商家从没退过的退款，这类钱本来就该是你的，结果可核对，自动交易赚钱、睡觉时自动找到新生意，在有人拿出好得多的证据之前，都属于营销演示那一档。三看有没有人名和可点开的出处，假案例通常是「我朋友」「一位用户」，能溯源的可以被反驳，不能溯源的说法没有信息价值。四看同一套话术是否出现在多个账号，时间轴精确到秒、内容完全一样、账号不同，那是同一份素材包在分发，不是多个独立来源。五看作者有没有交代自己的局限，愿意写「我们还没在自己的账号上跑过」的来源，其余部分反而更可信。

收益帖也不必全扔。那条八个 agent 交易台的帖子，收益数字不可信，但取数、判断、执行、复核的分工设计本身合理，可以搬到别的场景。读法是看流程，不信数字。

第一个任务的交付清单

落到操作。范围要小到就算全做错了你也不心疼，但又足够真实、能说明问题。核心手法是只让它整理，不让它动手。

边界写死在指令里。老雷给三句明天就能派的活，过了四道筛子再发。把今天的收件箱按发件人归类，拿不准的不动，给我带标题和链接的清单，不要回复、不要删除。对照这三个网址的价格和功能做成一张表，每条带来源，没查到就写没查到，不要联系对方。读这封客户来信，对照退款政策告诉我该不该退、依据哪一条，不要执行退款、不要发信。

多 Bot 编排也顺带说一句。群里喊「大家都说说」，它们会轮流刷屏，稳的做法是 @ 一个负责人，文件放共享目录，群里只留一个 owner。第一次三只就够，总管、专家、质检，质检允许退回。

照着做的顺序，拿一件每天都做的活，用四道筛子打勾，缺一条就先别交。第一句写死范围，不发布、不付款、不签字。只让它整理，不让它动手，交回来的每条都要有来源。观察一个月再放宽，钱、外发、删除永远留在人这边。

派活这件事，和带团队是一回事。你不会把没有验收标准的活外包给陌生人，对 Bot 也该一样。它是个不喊累的实习生，甜点区里的活它替你省注意力，甜点区外的活它替你放大风险。筛子摆在手边，先过筛，再派活。