很多人搭 AI Agent 工作流时，第一反应是追求“全自动”：自动读取消息、自动判断、自动回复、自动发布、自动写入系统。听起来很省事，但真正落地后会发现，越接近真实业务，越不能把所有决策都交给 AI。
更可靠的做法是设计一套人机协作流程：AI 负责收集、整理、初判和生成建议，人负责确认关键动作。这样既能提效，又不会把账号权限、客户沟通、内容发布和数据修改全部暴露给一个自动流程。老达在 AI智能体与自动化专题 里写过不少工具和案例，这篇重点讲“人工确认节点”怎么放。
AI Agent 为什么不能一上来就全自动
AI Agent 的能力来自多步执行：它能读资料、调用工具、写内容、改记录、发消息。但风险也来自这里。一旦指令理解错、资料过期、权限过大，错误就会顺着流程一路放大。
比如客服 Agent 自动回复客户，如果只是回答营业时间，风险很低；如果它自动承诺价格、交期、退款规则，风险就高很多。再比如内容发布 Agent，如果只是生成草稿没问题；如果它直接发布到 WordPress，就必须检查标题、摘要、内链、特色图和 SEO 信息。
所以判断一个工作流是否成熟，不是看它能自动跑多少步，而是看它在哪些地方知道停下来等人确认。
适合人工确认的 5 类节点
- 对外发送：发客户消息、发邮件、发群公告、发布文章。
- 资金相关：报价、优惠、退款、采购、付款申请。
- 数据写入：改 CRM、改订单状态、改知识库、改网站内容。
- 权限变化：新增账号、开放接口、生成密钥、修改服务器配置。
- 不可逆操作：删除文件、覆盖历史记录、批量修改线上数据。
这些节点不一定都要人工从头处理，但至少要让 AI 先给出“建议动作”和“依据”，再由人点击确认。这个思路和 老达AI实践专题 里的很多自动化案例是一致的：AI 先把准备工作做完，人只处理最后的判断。
一个通用的人机协作流程
普通人可以先用下面这套结构搭建 AI Agent 工作流，不管你用 Dify、n8n、MCP 工具，还是用 Codex 处理网站任务，都能套进去。
- 输入：收集用户消息、表单、文件、网页、数据库记录。
- 整理：AI 提取关键信息，补全上下文，标记缺失字段。
- 判断：AI 给出分类、优先级、建议动作和风险等级。
- 人工确认：人查看摘要、依据和将要执行的动作。
- 执行：确认后再调用发送、写入、发布或通知工具。
- 记录：保存输入、AI 建议、人工决定、执行结果和异常。
之前写过 n8n AI Agent工作流怎么搭，那篇偏工具节点；也写过 n8n MCP Server怎么用，那篇偏把自动化暴露给 AI 调用。本文这套流程更偏“控制面”：决定哪些动作能自动做，哪些动作必须停下来。
场景一：内容发布工作流
以个人博客为例，AI 可以自动完成选题、草稿、摘要、SEO 关键词、内链建议和特色图提示。但真正发布前，最好设置人工确认节点，至少看 4 件事：
- 标题是否和站内旧文冲突，是否会造成关键词自相竞争。
- 正文是否有事实错误、模板腔和明显拼装感。
- 内链是否自然，是否优先链接专题页和高质量旧文。
- 特色图是否强相关，alt 文本是否准确。
确认通过后，再让 Agent 发布到 WordPress，并执行发布后检查。老达博客的流程可以参考 AI自动发布 WordPress 文章完整流程，核心不是“AI 替你点发布”，而是把发布前后容易漏掉的检查变成固定步骤。
场景二：客服自动回复
客服场景很适合人机协作。AI 可以先读知识库，生成回复草稿，并标记问题类型：售前咨询、售后问题、投诉、退款、特殊需求。低风险问题可以自动回复，高风险问题进入人工确认。
判断标准可以很简单：涉及价格承诺、退款、法律责任、客户情绪强烈、知识库没有答案时，一律人工确认。这样不会牺牲太多效率，却能避免 Agent 乱承诺。做本地商家服务时，可以和 AI客服副业交付清单 里的知识库、报价边界结合起来。
场景三：线索处理和销售跟进
线索处理也不建议完全自动。AI 可以根据表单内容给客户打标签、判断预算、整理需求、生成跟进话术，但是否进入报价、是否加急、是否分配给某个人，最好保留人工确认。
如果你已经在用 n8n 做表单自动化，可以参考 n8n表单获客自动化怎么搭。在这个基础上加一个确认节点，就能把“自动分拣”升级成“可控分拣”。
人工确认节点要显示什么
不要只给人一个“通过/拒绝”按钮。一个合格的确认节点，至少应该显示：
- 原始输入摘要。
- AI 的判断结果和依据。
- 即将执行的动作。
- 影响范围和风险等级。
- 可选操作：通过、修改后通过、退回重做、终止流程。
这样设计以后，人不是重新干一遍，而是在 AI 准备好的材料上做判断。效率来自“少看无关信息”，安全来自“关键动作不盲跑”。
日志和回退比提示词更重要
很多人一出问题就改提示词，但真正可维护的 Agent 工作流，一定要有日志。至少记录：输入是什么、AI 读到了哪些资料、给了什么建议、人做了什么决定、工具执行结果是什么。
有了日志，出错时才能判断是资料问题、模型判断问题、权限设计问题，还是人工确认漏看。没有日志，工作流看似自动，实际上无法复盘。
老达点评
AI Agent 的目标不是让人彻底退出流程，而是把人的注意力留给真正需要判断的地方。普通人做自动化，最容易踩的坑就是一步到位追求全自动，结果流程不稳定、风险不可控，最后反而不敢用。
更务实的路线是：先让 AI 做资料整理和建议生成，再把人工确认节点放在对外发送、资金、数据写入和不可逆操作前面。等日志稳定、错误率低、边界清楚以后，再逐步放开低风险动作。这样搭出来的 AI Agent，才更接近能长期使用的生产力工具。
