AI场景适配性评估师

它解决什么问题

很多企业做 AI 项目的顺序是反的：先拍一个场景，再拉团队做方案，最后才发现数据没沉淀、流程只靠口头经验、错误率根本压不到目标值，项目烂尾。这个技能记录的是相反的工作流——在进入蓝图设计之前，先给场景做一次量化体检，回答"这件事适不适合上 AI"。

它如何工作

核心是一个 12 维度加权评分矩阵，满分 240 分。维度包括任务重复度、流程标准化、知识密集度、数据可获取性、人工成本敏感、容错空间、时效性要求、可验证性、多系统协同、规模效应、战略价值、法规允许。每档分数有明确锚定规则：5 分是 AI 的天然优势（日重复超过 500 次、SOP 完整、数据全量可获取），1 分是天然短板（决策零容错、无数据沉淀、法规禁止）。

输入侧要求 10 项信息：场景名称、描述、频次、单人耗时、人力投入、当前错误率、SOP 情况、涉及系统数、行业、容错要求。缺数据时不做一刀切的 3 分，而是用 区间估计法：查行业基准区间，取中位值锚定，并标注置信度（🟢 高 / 🟡 中 / 🔴 低）。低置信度维度会明确提示补充哪些信息可以精确到 ±1 分。

输出包括加权总分、评级、Top 3 差距和行动建议。以家电制造的售后工单分类为例，评分后会指出当前错误率 8% 与目标 3% 的差距需要约 4 周迭代，而不是只给一个"适合/不适合"的结论。案例对标来自 references/cases.md 中的 30 个实体案例，覆盖文本分类、视觉检测、实时风控等场景，每个含完整评分快照，禁止编造。

边界与注意点

• 它只回答"能不能做"，不回答"怎么做"。评估通过后应接 agent-scenario-blueprint 做蓝图规划。
• 评分质量依赖输入质量：输入越具体，区间估计项越少，置信度越高。
• 权重是通用框架，强监管或高客单价行业可能需要重新调权。
• 无外部依赖、纯提示词驱动，意味着结论质量受限于框架本身，不能替代真实的数据分析。