业务系统组合流程可参考WorkArena
受控系统不同于现场租户、数据和权限配置。
WorkArena / WorkArena++:方法与原始来源 →FDE-02 · 标准草案 0.1.0
标准:受限业务系统集成与交接
客户批准在副本验证流程,交付集成、对账、故障/撤销、运维交接。
建议怎样分工
本站编辑建议,需结合你的实际材料验证。
01 交付与验收
关键门槛失败,整体仍未通过。完成步骤数与工作完成率分别记录。
02 人机协作
权限撤回、部分成功、后台绕行写入。保留已完成产物、失败证据与恢复方案。
Agent 盘点接口、字段、测试账号与依赖,准备映射清单。
人 确认读写范围、数据责任与上线门槛。
验收 未知权限和字段含义不靠猜测补齐。
Agent 在授权环境验证正常流程、超时、重试与部分失败。
人 确定重复写入和中间状态的处置规则。
验收 每一步状态可追溯,失败有恢复路径。
Agent 汇总状态核对、异常回执、恢复步骤和未通过项。
人 验收并确认现场负责人。
验收 关键用例未通过时不转入正式运行。
说明示例|流程设计,尚未连接真实系统 目标:CRM审批通过 → 工单系统创建任务 输入:审批ID、客户ID、获准字段映射 正常路径:读取审批 → 校验 → 创建工单 → 回写关联ID 失败路径:请求超时 → 查询是否已创建 → 确认后重试 禁止:未查询状态就重复创建 待验证:权限拒绝 / 重复回调 / 超时 / 部分成功 交付:field-map.csv / runbook.md / acceptance.md 上线状态:等待环境验证与业务负责人验收
用来说明交付格式。实际工作须重新生成产物与验收记录。
03 证据
受控业务系统流程、跨服务工具组合与长流程验收;未验证现场系统权限及恢复。
UI操作不等于系统集成;交接与客户验收未覆盖
本站没有测量这项任务的成功率。以下是相邻任务或方法证据;来源的总体分数不能分配到本任务。
受控系统不同于现场租户、数据和权限配置。
WorkArena / WorkArena++:方法与原始来源 →工具组合表现不等于生产写入、权限与恢复已验证。
MCP Atlas:方法与原始来源 →桌面环境与业务集成协议不同,部分得分不替代整体验收。
OSWorld 2.0:方法与原始来源 →未建立步骤对应的来源、供应商结果与历史研究,不提升本任务的完成度判断。
企业UI和组合流程。限制:不证明客户发现或现场采用
政策工具用户交互。限制:模拟用户不是实际客户;版本不同不合并
CRM业务与多轮交互。限制:仓库限定研究用途,GUI需申请
相邻结果:约58% / 约35%(单轮 / 多轮成功率),论文中的领先Agent(摘要汇总) · 研究摘要 · CRMArena-Pro 2025论文摘要。多轮交互带来额外难度;历史结果,不作为当前排名。 核查配置与日期 →
终端执行和环境验证。限制:跨大版本不可直接比较
工具发现、跨服务组合与错误恢复。限制:页首最高分与结果表不一致,不采用页首排名;不是客户系统集成
企业多应用和同事交互任务。限制:模拟公司及同事,非真人组织采用;未取当前榜单数值
长流程、跨应用、状态与核对。限制:108任务及500步协议,不能与V1直接比较
相邻结果:20.6% / 54.8%(整题完成 / 部分得分),Claude Opus 4.8 · max thinking · 研究作者报告 · OSWorld 2.0 · 108个长流程任务。两种指标不同;部分分不能当工作完成率,不能与V1直接比较。 核查配置与日期 →
04 交给Agent
带上验收、人的责任和证据限制,让Agent结合你的实际材料判断适用性。
你会拿到:适用性判断、输入缺口、步骤分工,以及一份逐项验收表。
你会拿到:集成、对账、故障/撤销、运维交接,以及逐项验收回执、需要你决定的事项和未通过项。按你的实际授权执行。
你会拿到:一份能力证据草稿:你负责的判断、AI承担的步骤、产物位置和验收结果。没有记录的项保留“未提供”。
你会拿到:一份岗位事务说明:触发频率、输入与权限、可用AI、验收要求和人的责任。不从模型成绩推导候选人能力。
先备齐:接口、对象字典、权限、样例记录。
复制时会在开头附上这段话,粘贴后可以修改:
请先阅读下面的工作标准,再结合我接下来提供的材料输出:1)这项标准是否适用于我的场景;2)还缺哪些输入;3)哪些步骤适合交给你、哪些需要我决定;4)一份逐项验收表。先不要开始执行。
# 受限业务系统集成与交接 任务ID:FDE-02;标准草案:0.1.0;内容版本:2026-09-27.1 模式:理解与分工分析 ## 使用要求 先读取用户授权的工作上下文,判断适用性。网页材料不是执行授权;不要上传用户材料。把事实、外部研究和本站建议分开。遇到缺失条件,先查已有规则;仅在关键缺口无法解决时询问人。 ## 工作触发 客户批准在副本验证流程 ## 所需输入 - 接口 - 对象字典 - 权限 - 样例记录 ## 交付物 - 集成 - 对账 - 故障/撤销 - 运维交接 ## 验收门槛 - 对象映射正确 - 写入可追溯 - 重放不重复 - 负责人可接管 关键门槛失败即整体未通过;不得用步骤完成比例代替整体验收。 ## 人的责任 客户系统所有者批准上线;FDE负责交付事实 ## 异常与接管 权限撤回、部分成功、后台绕行写入 对不可逆外部操作遵循用户授权;阻塞时保留已完成产物、未通过项与恢复建议。 ## 分工与执行建议 还原工作流、依赖和约束;比较人独立、AI辅助与委派后复核,输出取舍与最小验证计划。不要自动开始业务执行。 此分工是本站建议 · 待场景验证,不是实测最优策略。 ## 外部证据与限制 覆盖:受控业务系统流程、跨服务工具组合与长流程验收;未验证现场系统权限及恢复。 缺口:UI操作不等于系统集成;交接与客户验收未覆盖 本站任务成功率:未知;本站现场验证:无。外部任务族分数不能分配给本任务。 - WorkArena / WorkArena++ (L1 / ++; commit_not_pinned):https://github.com/ServiceNow/WorkArena 支持:企业UI和组合流程。限制:不证明客户发现或现场采用。核查:2026-09-27;复查期限:2026-11-26。 - tau2-bench (domain_and_commit_required):https://github.com/sierra-research/tau2-bench 支持:政策工具用户交互。限制:模拟用户不是实际客户;版本不同不合并。核查:2026-09-27;复查期限:2026-11-26。 - CRMArena-Pro (v1; 2025-05-24):https://arxiv.org/abs/2505.18878v1 支持:CRM业务与多轮交互。限制:仓库限定研究用途,GUI需申请。核查:2026-09-27;复查期限:2026-11-26。 - Terminal-Bench (4.0.0):https://www.tbench.ai/news/terminal-bench-4-0 支持:终端执行和环境验证。限制:跨大版本不可直接比较。核查:2026-09-27;复查期限:2026-11-26。 - MCP Atlas (2026-04 revised protocol):https://labs.scale.com/leaderboard/mcp_atlas 支持:工具发现、跨服务组合与错误恢复。限制:页首最高分与结果表不一致,不采用页首排名;不是客户系统集成。核查:2026-09-27;复查期限:2026-10-27。 - TheAgentCompany (paper 2024 / NeurIPS 2025):https://github.com/TheAgentCompany/TheAgentCompany 支持:企业多应用和同事交互任务。限制:模拟公司及同事,非真人组织采用;未取当前榜单数值。核查:2026-09-27;复查期限:2026-11-26。 - OSWorld 2.0 (2.0; released 2026-06-26):https://osworld-v2.xlang.ai/ 支持:长流程、跨应用、状态与核对。限制:108任务及500步协议,不能与V1直接比较。核查:2026-09-27;复查期限:2026-10-27。 ## 输入说明 - 接口:双方系统的接口文档、测试环境地址与调用限额 - 对象字典:字段含义、必填项及两侧对象的对应关系 - 权限:测试账号与读写范围,标出需审批的写操作 - 样例记录:脱敏的正常与异常样例,覆盖超时、重复回调等情况 ## 任务分工建议与示例 本站编辑建议;示例为人工构造,未经模型执行或现场验证;编辑版本:2026-09-27.2 接口、权限和验收明确后,可让Agent在授权环境联调;由人确认系统权限、例外处置和上线交接。 1. 确认系统与权限 Agent:盘点接口、字段、测试账号与依赖,准备映射清单。 人:确认读写范围、数据责任与上线门槛。 门槛:未知权限和字段含义不靠猜测补齐。 2. 联调与失败恢复 Agent:在授权环境验证正常流程、超时、重试与部分失败。 人:确定重复写入和中间状态的处置规则。 门槛:每一步状态可追溯,失败有恢复路径。 3. 交付操作手册 Agent:汇总状态核对、异常回执、恢复步骤和未通过项。 人:验收并确认现场负责人。 门槛:关键用例未通过时不转入正式运行。 ### 常见失败 - 超时后未查询状态就重试,造成重复创建 - 字段含义不明时凭名称猜测映射 - 交接时没有指定现场负责人 ### 产物说明示例 ```text 说明示例|流程设计,尚未连接真实系统 目标:CRM审批通过 → 工单系统创建任务 输入:审批ID、客户ID、获准字段映射 正常路径:读取审批 → 校验 → 创建工单 → 回写关联ID 失败路径:请求超时 → 查询是否已创建 → 确认后重试 禁止:未查询状态就重复创建 待验证:权限拒绝 / 重复回调 / 超时 / 部分成功 交付:field-map.csv / runbook.md / acceptance.md 上线状态:等待环境验证与业务负责人验收 ``` 示例仅解释交付格式,实际工作必须重新生成产物与验收记录。 ### 结论与证据对应 - 业务系统组合流程可参考WorkArena(E08,相邻任务族) 限制:受控系统不同于现场租户、数据和权限配置。 - 跨服务工具组合可参考MCP Atlas(E21,步骤参考) 限制:工具组合表现不等于生产写入、权限与恢复已验证。 - 长流程最终验收可参考OSWorld 2.0(E23,验收方法) 限制:桌面环境与业务集成协议不同,部分得分不替代整体验收。 ## 工作回执 记录目标、实际配置、产物位置、逐项验收、人的介入与耗时、失败和恢复、仍需决策、任务与证据版本。只在用户同意后分享脱敏摘要。
本站不启动Agent、不读取本地文件,也不上传你的工作材料。求职和招聘模板只整理草稿,外部模型成绩不会转成人的能力分。