漏斗式 Agent
一种务实的企业级 AI 自动化范式：将业务规则拆为三层过滤——机器处理客观规则，中等难度自动流转，疑难杂症留给人工——放弃”100% 全自动化”幻想，让人聚焦在最有价值的判断上。
简介
漏斗式 Agent（Funnel Agent）是一种面向企业生产环境的 AI 自动化架构模式。它的核心理念是”做减法”而非”做加法”——不是试图让 AI 一次搞定所有规则，而是把规则按难度分层，让机器处理客观、好判断的部分，把困难、主观的数据漏斗到底层交给人工。
这个模式与传统”端到端自动化”形成鲜明对比。端到端方案追求”用一个大模型搞定所有维度”，但在标签数量多（200+）、规则复杂度高的场景中，准确率会严重崩盘。漏斗式 Agent 通过分层切分，把”人”的价值从”什么都干”聚焦到”只干最难的事”，既保障基础数据准确性（机器不会因疲惫产生低级错误），又最大化人的核心价值（8 小时全部集中在高难度 Case）。
漏斗式 Agent 的设计哲学与 ReAct 框架同源——每个节点都是”规则执行→观察结果→决定放行或流转”的循环，但漏斗式 Agent 在此基础上加入了”宁可放过，不可标错”的保守策略和人工兜底层，使其更适合企业级生产环境。
关键信息
- 类型：概念 / 方法论
- 领域：企业 AI 落地 / 数据标注 / 内容审核 / 多标签分类
- 相关概念：人机协同（机器+人工接力）、ReAct（节点串联机制）、AI Agent 智能体（Agent 架构）、工作SOP（流程化）、MVP（最小验证）
- 首次提出：林航旗《AI 数据标注降本实战分享》（2026-05-08）
核心特性
三层过滤机制
漏斗式 Agent 的核心架构是三层递进式过滤：
-
第一层（机器自动处理）：客观、好判断的规则用机器处理。例如”资金交易”类——只要提到具体钱数就直接打标。这一层处理的是规则明确、判断标准清晰、不需要上下文推理的任务。
-
第二层（中等难度流转）：第一层没命中的数据流转到下一层，处理中等难度的规则。这一层可能需要一定程度的上下文理解或简单的推理判断。
-
第三层（人工兜底）：机器遇到任何模糊点都遵循”宁可放过，不可标错”原则留空。最终漏下来的纯疑难杂症才交给人工处理。人工 8 小时全部集中在高难度 Case 上。
选择器自动流转逻辑：字段非空 = 成功拦截（已完成处理），字段为空 = 漏到下一节点。这个设计使得每个节点只输出自己有把握的结果，没把握的自动往下流转。
“宁可放过，不可标错”原则
这是漏斗式 Agent 最核心的设计约束：
- 严格设定输出条件：模型只有在非常确定时才打标签
- 遇事不决直接放行：遇到任何模糊情况，留空输出
- 与”应标尽标”形成对立——后者要求找出所有违规点，前者只保证命中任意一个致命标签就打回
这个原则的业务逻辑是：只要一条内容命中了任何一个致命标签，它就已经是”废料”，注定被过滤掉。不需要”找出所有违规点”。
Prompt 专人专用
漏斗式 Agent 的每个节点只负责一个维度的深度打分，而不是把 20 多个评分维度全塞进一个 Prompt。核心原因：
- 一个 Prompt 塞所有维度等于让一个人同时干产品经理、搞算法、做调研、跑销售——啥也干不好
- 多消耗一点 Token 微不足道，换来的准确率提升是巨大的
- 手动改 Prompt 致命——上下文高度关联，改一行可能破坏第三行的补充逻辑
人标数据驱动三层应用
高质量人工标注数据在漏斗式 Agent 中有三个核心用途：
- 作为测试集：构建黄金测试集（至少两轮质检），机器跑测与人标 Diff 比对，不一致即判定”模型错”，将 Bad Case 抛给 AI 自动迭代新版 Prompt
- 作为训练集：上万条高准人标数据做 LoRA 微调，特定标签准确率飙升至 99%
- 作为安全护城河：离线→仿真（真实数据双跑，机标不出库）→小流量（10% 纯机标）→逐步扩量（20%→50%→全量）
不同素材中的观点
- 2026-05-27-woshipm-ai-data-annotation-cost-reduction（林航旗）：首次系统化提出漏斗式 Agent 概念。以数据标注场景为背景，验证了三层过滤机制在四个实战案例中的效果——纯文本处理 CPH 从 2 提升到 6（知识库 RAG 辅助归纳）、复杂 Agent 评测用漏斗式清洗+可视化降维替代数个人力、200+ 标签分类用”选品优先+多模型投票+小大模型接力”实现每天近一半数据自动化替代、短剧多模态用 ASR 时间戳精准抽帧绕过模型能力边界。核心贡献是把”100% 全自动化”的执念打破，给出可量化的”人机接力”工程范式。
实用信息
- 适用场景：内容审核（违规标签分类）、数据标注（多标签分类、意图识别）、Agent 评测（主观+客观混合规则）、任何”规则多、判断模糊、错误代价高”的企业 AI 场景
- 不适用场景：规则极简（<5 条）、全部可形式化、错误代价低的纯自动化场景
- 快速上手步骤：
- 列出所有业务规则，按”客观可形式化 / 需要一定推理 / 高度主观”三档分类
- 第一档做成机器节点，第二档做成中等难度节点，第三档留空交人工
- 节点串联：字段非空=成功，字段为空=流转到下一层
- 先用少量数据验证，再按”离线→仿真→小流量→全量”上线
- 注意事项：
- 千万不能离线跑出高分就直接全量机标，必须走四阶段上线策略
- 千万不要让大模型一次性处理所有规则——“专人专用”是准确率的生命线
- 接项目前必须先算 ROI——4 人小项目自动化价值不大，50 人大项目才值得投入
- 技术解不了的死局可以通过业务谈判破——把需求从”找出所有违规点”改为”命中任意一个致命标签就打回”