不搭平台也能交付 AI：AI Agent能干与不能干的活（AI 落地三形态·一）

AI 落地三形态 · 一/六 | 基于 Dify 1.17.0 社区版 + Hermes Agent v0.21.0 实测（2026-09，DeepSeek）

📖 摘要：不是所有 AI 项目都要上平台、建知识库、画流程图——盯告警、整理文档、做一个内部固定工具，一个纯 AI 执行体就够：不部署 Dify、不建知识库、不画流程，交付物是执行体加一份技能/规则。本文讲这类「轻量独立形态」能干的活（值守监控、文档数据处理、技能型内部工具）、不能干的活（知识规模化的场景/流程要业务方可视化的场景/多人在线服务），每类给真实样例与踩过的坑，附适用判断信号表。AI 值守、文档自动化、Agent 交付参考。

本文是《AI 落地三形态》系列第一篇（一/六），讲形态一·轻量独立——独立成文可直接阅读；想看三形态完整框架可先读系列零篇，或按序号顺序阅读。

先回答标题里的问题：形态一「轻量独立」，就是一类活，配一个会干活的 AI——不搭平台、不建知识库、不画流程，交付物是执行体加一份技能/规则。 它适合「活是单点的、重复的、规则清晰的」需求：盯告警、整文档、沉淀内部工具。它的边界同样诚实：知识要规模化管理、流程要业务方可视化修改、要服务多人在线——这三类需求它接不了，要升级到形态二/三。本系列零篇给了三问选型框架，这篇把形态一讲透：能干什么、不能干什么、交付起来轻在哪、什么时候该升级。

---

一、两个真实的开始：不需要系统，需要会干活的 AI

先讲两个接过的真实需求。

第一个：「我们网络设备夜里出了状况，告警凌晨两点发出，值班的人设了静默，第二天早上九点才发现——没人说得上来故障是几点开始的。」需求一句话：有没有一个不用睡觉的同事，替我们盯着？

第二个：一批格式杂乱的旧文档——有老扫描件、格式乱的表格、旧系统导出的文本——平时用靠人肉翻找、手工整理，一次半天。需求也一句话：这批东西，能不能找个 AI 帮我们整理成统一的格式？

两个需求的共同点：都不需要一套系统，需要一个会干活的 AI。 没有知识库要建——知识少到执行体自带就够；没有流程要画——活是单点的；没有多人在线要服务——使用者就是团队自己。

二、形态定义：交付一个「会干活的 AI」，不是交付「一套系统」

纯执行体形态的定义很朴素：一个能自主执行任务的 AI 执行体，直接交付使用，不部署 Dify 这类编排平台。

它自带什么：

• 技能：怎么拆任务、调什么工具、按什么规矩输出——封装成可复用的「手艺」；
• 知识：任务相关的经验随执行体沉淀（会话记忆、任务文件、技能文档）；
• 执行通道：能真实操作环境（跑命令、读写文件、调接口）——授权范围内。

它凭什么自主干活：收到任务后自己拆解——要查什么、调什么工具、中间结果怎么判断、异常怎么处理——不是等每一步指令。

交付物往往很轻：执行体 + 一份技能/规则配置 + 一份验收记录。客户得到的不是「一套软件」（有登录、有工单、有仪表盘），而是一个「会干活的 AI」——用法更像「雇了个能干的新同事」，不像「上了一套系统」。演示级交付一到两天是常态。

三、能干的活：三类主场景

实测跑下来，形态一的活主要是三类。

场景一：值守监控——「不用睡觉的同事」

值守是形态一最典型的场景：AI 定时盯着某个源（告警平台、网页、文档、指标），对照预设规则判断异常，有情况往聊天工具推消息，消息带上下文和初步判断。

交付内容不是代码，是「规则怎么定 + 消息长什么样」。规则要回答四个问题：盯什么源？什么算异常？异常推给谁？消息里带什么？一条真实消息长这样（简化脱敏）：

[盯梢] 官网「方案与服务」页面状态从 200 变为 502
时间：14:23 | 持续：2 分钟未恢复
关联：门户其他页面正常；服务器近 1 小时无重启记录
初步判断：疑似该页依赖的后端服务异常，非全站故障——建议先查反向代理日志

人收到这条消息，一眼就知道：什么坏了、坏多久了、是局部还是全站、先查什么。值守的价值不是「AI 发现了人没发现的」，是「AI 替人熬了夜」——凌晨的告警，人第二天早上看到消息就知道昨夜全貌，不用对着空白告警记录猜。（值守的完整实操——巡检清单怎么定、告警怎么设计、消息怎么不吵人——AI 值守系列里单独写透了，本篇不重复展开。）

值守还有一个常见的变体：盯变化，不盯告警。没有告警系统可接时，要盯的是「内容变了没有」：官网页面状态（挂了/改版第一时间知道）、外部信息源更新（按关键词筛出相关的推过来）、文档仓库变动（更新了把摘要推给相关人）。「盯梢」类的规则不是阈值，是「什么变化值得推」——告警值守管「值异常」，盯梢值守管「内容变化值不值得看」。

场景二：文档与数据处理——「把乱文档变整齐」

给 AI 执行体一批文档/数据，约定输出格式，它跑完交活。常见形态：清洗转换（格式杂乱的文档统一成结构化格式）、提取生成（从资料里提取字段生成表格/报告）、周期任务（每周固定处理一批）。

一篇完整的处理过程大概是：先摸清每份文档的格式（有几类、各自什么结构）→ 分类定处理策略 → 逐类处理 → 抽检质量 → 输出。中途遇到格式实在怪异的，不会硬啃——标注「无法自动处理，需人工确认」，不输出错误结果。边界也诚实：扫描件清晰度不够的硬 OCR 产物是「静默的错误」，比缺这一段更糟；复杂嵌套表格要人工判断。文档处理最关键的教训是清洗是闸门——格式杂乱的文档直接处理，输出也是乱的；要先清洗（格式摸底→分类处理→质量门禁三步）。清洗的完整方法论是本系列（四）的主题。

场景三：技能型内部工具——「一类活，一个 AI 助手」

把一类反复出现的活，沉淀成一个技能助手。它不是通用聊天机器人，是「专干一件事的 AI」：巡检检查助手（按清单检查系统状态出报告）、报告整理助手（散料整理成固定文档）、物料生成助手（按模板生成初稿）。

技能助手的交付物 = 技能定义（怎么干、按什么规矩）+ 一份验收用例（喂什么输入、期待什么输出）。验收过了，这个助手就是团队的固定「成员」——同样的活直接丢给它。技能助手的边界：适合「流程稳定、规则清晰」的活；活本身天天变、没有固定套路的，不适合沉淀成技能。

四、不能干的活：三条诚实的边界

形态一轻，是因为它把「重的东西」留给了其他形态。三条边界都是实测确认的：

边界一：知识要规模化管理的场景。 执行体的知识是「随身的」——技能、记忆、任务文件。几十页文档没问题；一旦规模化——几百份手册、要版本管理、答案要带出处、检索要调优——执行体自带的记忆和文件系统扛不住，知识会「乱」：今天问的答案和上周对不上、更新了旧知识还在。判断知识到没到该升级的量级，看三个信号（比看页数准）：文档会不会更新（三个月一版的手册，靠记忆记不住版本差异）；答案要不要带出处（员工要依据才采信）；检索找不找得到（「我知道有但翻不到」开始频繁出现）。三个信号两个为「是」，就该上知识库设施——那是形态二（本系列（二））的活。

边界二：业务流程要业务方可视化修改。 形态一里「流程」藏在技能和规则里——业务规矩变了（审批加一层、分支改条件），改的是技能配置，得找交付方改。如果客户说「业务规则我们希望自己人能在界面上改、画个流程图就能改流程」——这是形态一给不了的。确定性编排平台存在的意义就是让流程可视化、可调试、业务方可维护——形态一给的是「会干活的手艺」，不是「流程图」。

边界三：多人在线、要门户/工单体系的服务。 形态一适合「团队内部用」：使用的人是内部同事，消息从聊天工具来，没有复杂用户体系。如果需求是「对外服务一群人」——要有门户、工单、权限分层、会话记录——那是一个服务系统，不是单个执行体能扛的。

五、交付形态：轻在哪里

把「轻」具体化——形态一的交付，和带知识库的形态比轻在哪：

维度	形态一（纯执行体）	对比：带知识库的形态
部署	执行体单机	要部署平台（Dify 等）
知识准备	无/轻（技能配置）	文档清洗/分段/入库/调优
流程搭建	无（规则清单）	编排流程（表单/分支/审批）
验收	用例验收（喂输入看输出）	多面验收（链路/知识/流程）
典型周期	演示级一到两天	以周计

形态一还有一种持续的交付形态：值守订阅——「帮我们盯着 X」天然是持续的（盯一天不算完，要盯一年）。按月/按季订阅，交付 = 开通 + 规则配置 + 持续盯 + 异常推送 + 定期复盘。这是形态一里唯一「不是一锤子买卖」的交付形态，最贴合「雇了个不用睡觉的同事」的隐喻——同事是长期雇的，不是买回来的。

订阅形态有个别处没有的运维环节：规则复盘。业务环境在变（流量基线漂了、盯的源换了、推送对象换了），规则三个月前合适，三个月后可能过松或过紧——订阅服务固定一个周期动作：每月翻一次推送记录，看有没有漏报（该推没推）、有没有人不再看某类消息（推了也没用），据此调规则。规则不是上线时定一次就完事，是持续维护的——这也是为什么值守适合订阅而非买断：买断的规则会过期，订阅的规则有人管。

还有两件可靠性小事（轻量不等于没有可靠性问题）：进程守护——执行体常驻服务的进程挂了自动拉起，值守类交付必须有，否则「盯着 X」自己先躺了；配置版本化——规则/技能改动前留版本，改错了能一键回滚。两件事成本极低（一个守护脚本 + 配置存档），但缺了就是「值守自己失守」和「改配置改挂了没法回头」——交付标配，不是可选项。

六、适用判断：什么时候形态一够用

客户原话	落点
「AI 能不能帮我盯着 X，有问题主动告诉我们」	值守监控（订阅形态）
「把这批文档整理成统一格式」	文档数据处理
「每周帮我们汇总 XX」	周期任务
「我们内部想要个专门做 XX 检查的助手」	技能型内部工具
「先弄个轻的跑起来看看效果，后面再说」	形态一起步（最自然的入口）

反过来，听到这些信号要提醒升级：

客户原话	升级方向
「员工会问手册里的内容，答案要带出处」	加知识库 → 形态二
「这个流程要我们业务自己改」	加编排平台 → 形态三
「对外要给一群人用，要有门户和工单」	需要平台层，超出单执行体

升级路径是顺畅的：形态一先跑通一个点 → 知识积累多了加知识库（形态二）→ 业务要真操作加流程（形态三）。每一步都长在前一步的资产上——同一个执行体底座，加层不加推倒。怎么选型、怎么组合，回看系列零篇的三问框架；要动手搭执行体侧的整套机制（技能/规则/守护），本系列（五）会讲最小闭环怎么搭。这套形态的完整交付记录（门户首发全文，含交付清单与更多案例细节）见《不搭平台也能交付 AI：轻量独立形态》。

常见问题

形态一和「雇个人」有什么区别？

雇个人要发工资、要培训、会离职、会忘事；形态一是一份配置加验收——交付快、成本低、不离职、不会忘（技能沉淀在执行体上，下次直接用）。但人的优势它也没有：人能在规则没覆盖的新情况里临场判断，形态一只能按规则来——规则外的情况如实报「无法归类」，不硬编。所以形态一适合「规则清晰、重复发生」的活，适合当「不用睡觉的同事」，不适合当「替你做判断的管理者」。

值守真的可靠吗？漏报了怎么办？

可靠性分两层：规则内的异常，AI 按预设逻辑判断推送，可靠（规则本身被验收过）；规则外的新情况，AI 会报「发现异常但无法归类」而不是沉默——漏报的形态从「没人知道」变成「AI 说它拿不准，需要人看」。值守不是替代人，是让人从「盯」里解放出来，去处理 AI 筛出来的少数真问题。

为什么说是「不搭平台」？执行体本身不是也要部署吗？

「不搭平台」指不部署 Dify 这类编排/知识平台——没有 Web 服务、没有知识库、没有流程引擎，交付的就是一个执行体进程加配置。执行体的运行环境是轻的（一台机器/容器，随交付附带部署），和「搭一套平台系统」是两个量级。对客户来说区别很实际：形态一没有平台要维护、没有知识库要运营——交付完的使用成本接近零，这也是它适合「先跑起来看看」的原因。

💬 你手上有「单点、重复、规则清晰」但还在用人工盯的活吗？哪一件最想先交给 AI？

相关文章：AI 值守（一）：网站半夜挂了 AI 第一个知道：自动巡检告警怎么配（值守形态的真实案例：网站监控怎么自动盯）｜AI 值守（三）：信息自动盯梢：重要变更 AI 比员工先知道（盯梢形态的完整实操：外部信息变化检测）
📚 更多实战记录见我的博客：鱼日先生

本文基于 Dify 1.17.0 社区版 + Hermes Agent v0.21.0 实测。AI 参与创作声明：本文由 AI 辅助写作，内容基于作者真实实测记录。