最小可用 Agent
Minimum Usable Agent / Minimum Useful Agent，可理解为 Agent 时代的 MVP：不用第一版做全自动数字员工，而是用最小闭环验证“AI 是否能稳定完成一份具体工作”。
简介
最小可用 Agent 是 Agent SaaS 创业中的关键设计原则。它反对一上来就做“完全自主、什么都能干”的数字员工，而是先选择一个高频、边界清楚、完成标准明确的 workflow，把它做成一个客户可以理解、可以验证、可以逐步放权的最小闭环。它与 MVP 的精神一致：第一版不是功能最少，而是能验证核心假设的最小形态。区别在于，传统 MVP 验证的是产品价值假设，最小可用 Agent 额外要验证 AI 是否能理解工作细节、是否能在边界内行动、是否能在不确定时交接给人、是否能让客户建立信任。
在素材语境中，Greg Isenberg 提醒创业者先把 agent 问题当成 workflow 问题处理。workflow 是可预测路径，agent 是动态判断。创业者应该先从可预测路径开始，只有当判断确实创造价值时，才逐步把自主权交给 agent。这种顺序决定了产品能否在真实客户场景中活下来。
关键信息
- 类型：Agent 产品设计 / MVP 方法论
- 核心问题：第一版 agent 应该做多大，才能既有价值又不失控？
- 设计原则：先 workflow，后 agent；先边界，后自主；先信任，后全自动
- 适用阶段：Agent SaaS 早期试点、企业 AI 单点验证、客服/调度/分诊/协调类工作流
- 相关概念：MVP、Agent SaaS、Agentic Workflow、人机协同
核心特性
1. 第一版以可验证闭环为目标
最小可用 Agent 不是“尽量少做功能”，而是“尽量早验证一份工作能不能被 AI 稳定接住”。例如屋顶维修公司漏接电话的问题，第一版不必覆盖销售、排班、报价、支付、售后和复购全链路，只需要验证 agent 能否接住来电、问出服务区域和紧急程度、判断是否合格线索、把预约或人工转接信息准确写回系统。
这与 MVP 的核心区别相呼应：MVP 不是缩水版产品，而是验证核心假设的最小版本；最小可用 Agent 也不是缩水版智能体，而是验证工作交付假设的最小版本。
2. 从可预测 workflow 开始
很多 agent 项目失败，是因为创业者把不成熟流程直接交给 AI 自主判断。最小可用 Agent 要先把流程中可预测的部分抽出来：触发事件、需要的信息、可用工具、允许行动、需要审批的节点、转人工条件、成功标准。只有这些要素明确，agent 才能在有限空间里稳定执行。
如果流程本身还没被观察、拆解和标注，agent 会把人的隐性经验、例外判断和系统限制都当作模糊背景处理，结果看似会说，实际处处露怯。
3. 人工审批不是失败，而是第一版护栏
最小可用 Agent 的第一版可以故意保留人工节点。起草加审批型、分诊型、协调型、有边界行动型都不是“半成品”，而是让客户逐步建立信任的结构。对高风险动作，agent 先生成草稿、判断建议或补充问题，由人批准后执行；对低风险且规则明确的动作，才允许直接行动。
这与企业 AI 的 人机协同 原则一致：AI 做重复性执行和初步判断，人负责边界、授权、责任和最终承诺。
4. 自主权是逐步赚来的
最小可用 Agent 的长期路径不是永远停留在草稿阶段，而是通过真实案例、评估测试集、日志和复盘逐步放权。当 agent 在某类任务上连续通过测试、错误率持续下降、转人工条件稳定后，就可以从“起草审批”升级到“有限行动”，再在明确边界内接管更多步骤。
这与 Agentic Workflow 的思想一致：系统不是一开始完全自治，而是通过节点拆分、工具接入、人工确认和持续测试逐步形成可观测、可修复、可扩展的生产线。
不同素材中的观点
来自 2026-07-07-woshipm-agent-new-saas：
- Greg 建议不要从“全自动员工”开始，而要从更小的版本开始；第一天只证明一个最小闭环稳定跑通，就足够给创业者和客户建立信心。
- 四种靠谱第一版形态分别是起草加审批型、分诊型、协调型、有边界行动型。这些形态覆盖从低自主到有限自主的渐进阶梯。
- 起草加审批型适合高风险、需要创意或本来有审批流程的工作，例如报价、回复、下一步方案。
- 分诊型负责把进来的任务分类并转到对应地方，例如维修请求、账单问题、退款申请。
- 协调型负责查空档、发提醒、追问缺失信息，让流程持续前进，特别适合跨系统和跨人的低价值协调工作。
- 有边界行动型只在明确规则下做具体动作，例如订预约、发跟进消息、处理 50 美元以下退款。
- 创业者应该先从 workflow 和一个承诺开始，例如“帮屋顶维修公司接住漏掉的电话并把靠谱的活订出去”，而不是从“做一个全能 agent 平台”开始。
与相似概念的区别
| 概念 | 核心问题 | 关键差异 |
|---|---|---|
| MVP | 用最小产品验证核心商业假设 | 最小可用 Agent 是 MVP 在 agent 工作交付场景中的具体化 |
| PoC | 技术能不能跑通 | 最小可用 Agent 更关注客户工作能不能被稳定交付，而不只是模型能不能演示 |
| 全自动 Agent | 最大限度让 AI 自主行动 | 最小可用 Agent 主张先限制自主权，通过测试和信任逐步放权 |
| Workflow 自动化 | 固定路径执行 | 最小可用 Agent 可在固定路径中加入少量判断和人工交接 |
实用信息
四类最小可用 Agent 选择表
| 类型 | 适合场景 | 第一版输出 | 风险控制 |
|---|---|---|---|
| 起草加审批型 | 高风险、需创意、需审批 | 回复草稿、报价草稿、处理建议 | 人工批准后执行 |
| 分诊型 | 工单、退款、账单、线索 | 分类、优先级、下一步路由 | 低置信度转人工 |
| 协调型 | 预约、改期、资料补齐 | 提醒、追问、查空档、推进状态 | 只推进，不做最终承诺 |
| 有边界行动型 | 低金额退款、预约确认、跟进消息 | 直接执行受限动作 | 金额/客户类型/异常情况触发审批 |
设计最小可用 Agent 的七步
- 定义一个具体工作承诺，而不是定义一个功能清单。
- 观察真人 10-20 个案例，记录真实工作细节和边缘情况。
- 写出 agent 说明书：触发、背景、工具、权限、审批、交接、成功标准。
- 选择最小形态：起草审批、分诊、协调或有限行动。
- 用人工 + AI 手动跑一遍，确认 AI 真能帮上忙。
- 做 50 个真实案例测试集，验证分类、补问、行动和转人工边界。
- 先卖 2-3 个试点客户，再把重复部分产品化。