Technical article

智能体不是万能模板？电商、医疗、金融、制造，设计重点大不同

一套智能体模板，为什么在电商跑得欢、到医疗就翻车？

不少团队踩过同一个坑：花两周调好一个客服智能体，电商场景好评如潮，原样搬到医疗分诊、金融风控，却一个乱给诊断、一个踩了合规红线。问题不在模型，而在设计没按行业下菜——不同行业怕的事不一样，智能体的重心就得不一样。

核心思路：行业特性决定设计重心

智能体的"四步法"（角色/工具/记忆/反思）是骨架，但肉怎么长，看行业。判断重心只要问一句：这个行业的智能体，最怕出什么错？ 电商最怕乱承诺优惠、医疗最怕越界诊断、金融最怕违规荐股、制造最怕误报停机、物流最怕瞎承诺时效。把"最怕的错"当成设计的第一约束，智能体才稳。

分行业实操：重心与一处关键写法

电商/零售——重心是工具调用稳定 + 话术灵活。要接订单、库存、促销系统，提示词里写清"优惠以系统返回为准，不得自行承诺"。示例指令："你是旗舰店售后助手，查库存/改地址走工具，优惠只引用后台活动，不确定就转人工。"

医疗健康——重心是边界 + 升级 + 隐私。设计第一原则：不诊断、不给用药剂量，只做分诊建议与随访提醒，触发危险词立即转医生。这是合规底线，也是安全底线。

金融——重心是合规红线 + 可审计 + 数据隔离。风控/合规审查类智能体，所有结论要留痕可追溯，绝不输出具体投资建议，客户资产数据与其他业务隔离。

制造——重心是接 IoT/工单 + 容错。设备运维智能体连传感器，误报一次停机损失巨大，所以"不确定就上报，不自动下发停机指令"要写进边界。

物流——重心是实时数据 + 异常重试。调度/轨迹查询依赖实时接口，ETA 给区间而非死承诺，接口超时自动重试并提示。

效果对比：重心对了，事半功倍

某零售把重心放在"工具稳定+话术灵活"后，促销活动期间咨询转化率提升 18%，承诺纠纷归零；某制造把"误报停机"设为头号边界后，误停机工单下降 70%。同源模型，设计重心不同，落地效果天差地别。

跨行业复用的三不

一不直接套模板：骨架可复用，重心必须重写；二不忽略数据孤岛：金融/医疗的隔离要求天生比电商严；三不轻视合规：医疗个保法、金融展业规范，是设计前置条件不是事后补丁。

动手前先想清楚一件事

下次要落地一个行业智能体，别先问"用哪个模型"，先问"这个行业最怕它犯什么错"。把那个错写进角色边界和升级条件里，骨架套四步法，智能体才算真正"懂行"。设计图先画清，再谈上线。