把智能体接进聊天框，头一周的新鲜感过去，剩下两个问题：它能不能真把事做完，以及它做完的东西你敢不敢直接用。AutoClaw 是智谱推出的智能体工具，思路是把智能体放进日常聊天工具，你在对话框里说任务，它自己拆步骤、执行、回传结果。门槛确实低了，但「说清任务」和「复核结果」一样都省不掉。
任务要写成交付物
「帮我看看这个行业最近有什么机会」不是任务，是愿望。它能执行的指令要有三样：交付物长什么样、包含哪些字段、什么算完成。换成「找 8 家做企业培训 SaaS 的公司，做成表，列公司名、主要产品、客户规模、最近一条公开动态和日期」，同一件事就从聊天变成了可验收的工作。
范围也要卡死：时间范围、地域范围、来源限制、数量上限。范围不写，它会给你一个看起来丰富、实际没法用的清单。
还有一条常被忽略：告诉它「找不到就写找不到」。不写这句，它会用相似的信息填空，清单看着完整，逐条核对时一半对不上。
先看拆解，再让它跑
让它先出步骤清单，你确认后再执行。清单五到八步比较合适，超过十五步说明任务太大，该拆成两三个任务分开交。任务该不该多推一步，可以按任务类型判断，深度思考什么时候开里给了一套分法。
每一步写清四件事：输入、动作、产出、哪一步需要你确认。第四项是关键。整理成表不需要确认，按表里的联系方式发邮件必须确认。
长任务分阶段交付。跑完头一步先回传，你看过再继续，比一口气跑到底再检查省时间。中途发现方向不对，改一句指令比等它跑完重来划算。
权限边界先划
审批、付款、对外发送、删除数据、改权限，这五类不要直接委托。判断标准很简单：做错了能不能撤回。消息发出去撤不回，钱转错退不回，数据删掉可能找不回，这三类一律人工点最后一下。
能用草稿解决的，就别用发送。让它把邮件写好、消息拟好、表格填好，最后一步由人点。这不是不信任工具，是把不可逆的动作留在人手里。
接入聊天工具意味着它能以你的身份读消息、发消息，授权范围给到最小。哪些群能读、能不能私聊，接入时就该定下来。它自己没把握的步骤，应该标出来交给人，这个机制和置信度低于阈值转人工是同一个思路。具体支持哪些聊天工具、授权粒度如何，以官方最新版本为准。
五类任务的委托方式
| 任务类型 | 指令怎么写 | 人工卡点 | 判断标准 |
|---|---|---|---|
| 资料检索汇总 | 给数量、字段、时间范围、来源限制 | 抽查三条信息的原始出处 | 每条都能点回原文 |
| 信息整理归档 | 给分类规则、命名格式、存放位置 | 先看前十条归类是否正确 | 同类信息落在同一处 |
| 按规则生成内容 | 给模板、必含要素、禁用表述 | 通读一遍再对外 | 不含未授权的承诺 |
| 多轮跟进 | 给触发条件、间隔、话术边界 | 涉及金额与时限时人工接管 | 每轮跟进都有记录 |
| 跨系统操作 | 给系统、字段映射、失败处理 | 先在测试数据上跑一遍 | 失败时能回滚 |
这张表按出错代价从上往下排。越靠下，越要在小范围试过再放开。
复核按阶段调整密度
前十个任务全查，一个不漏。这一步是摸清它的失误模式：常在哪类信息上编、哪类格式会漏字段、哪类指令会理解偏。摸清之后降到三成抽查，重点查它自己标了「不确定」的部分。
复核看三样：事实能不能给出处、字段是不是齐、有没有越权承诺。第三样最容易被放过，因为话术通常写得很得体，得体不等于有授权。
需要它长期记住固定字段和格式的，把这些放进它可调用的数据表，比每次在指令里重复交代可靠，用数据库记住用户信息讲的就是这件事。任务记录也要留：指令原文、执行步骤、回传结果存一份，出问题时能还原它到底做了什么。
它做不到什么
它看不到你没给它的系统。聊天工具里的历史消息不等于它能读全部上下文，跨群、私聊、别的平台上的信息，它拿不到。你说「按上次会议说的办」，它只能猜上次会议是哪次。
长任务会丢步骤。跑到第七步忘了第三步的约束，或者把同一步做两遍，这类问题在十几步的任务里很常见。分阶段交付比把指令写长更有效。
遇到登录、验证码、二次验证，它会卡住。需要人扫脸、收短信的环节，它替代不了。它也不懂你公司的审批流：谁能批多少、多少金额要升级，这些要写进指令，或者干脆不交给它。
委托前的五个问题
- 交付物长什么样，字段列全了吗
- 时间、地域、来源、数量卡死了吗
- 哪一步必须我确认
- 做错了能不能撤回
- 结果打算怎么抽查
