VirtueZ · 2025.10.06
Agent Builder 从发布到计划下线:可视化搭 Agent 为什么仍要考虑迁移?
把几个方框拖到画布上,接上箭头,一个“能工作的智能体”就出现了。演示时,这确实令人兴奋;但如果几个月后画布本身要关掉,流程里的客服记录、提示词、工具权限和线上用户怎么办?可视化能降低做出第一版的门槛,却没法替团队承担后续维护。
OpenAI 的开发者更新记录写明,2025 年 10 月 6 日推出 Agent Builder 和 ChatKit。前者提供可视化工作流编辑,后者用于把智能体对话嵌入产品。到了 2026 年 6 月 3 日,官方弃用说明宣布 Agent Builder 将停止服务,计划在 11 月 30 日关闭;ChatKit 文档明确说 ChatKit 仍可使用,已有用户需要迁出 Agent Builder 托管的工作流。时间线很清楚:这是一篇应该写“产品如何从试验走向可维护系统”的文章,而不是继续教读者在旧画布上点哪一个按钮。
一、画布让人看懂流程,但流程不等于业务
先拿一个具体任务说话:商家希望有个售后助手,能读取订单与用户描述,判断是少送、质量问题还是配送延迟,再给人工客服整理建议。在画布上,可以很快把“读取信息—分类—查询规则—生成回复”串起来。这个流程很适合开会讨论,因为不同角色终于能看着同一张图说话。产品经理可以指出分类缺一项,客服主管可以指出转人工太晚,研发能看到需要哪些接口。
可用户真实发来的消息不会按方框排列。“少了一份饭,而且上一单也送错了,我已经申请退款但商家说没有看到。”这句话里有两笔订单、一个正在进行的申请和一段未核实的商家反馈。流程图上每个节点都能执行,不代表系统知道当前该处理哪笔订单。输入数据不完整怎么办?订单接口超时怎么办?用户要求立即退款,但规则需要人工核对怎么办?这些例外如果没设计,画布再整齐,也只是正常路径的示意图。
可视化工具的价值,是让试验和协作更容易,尤其适合把模糊想法变成能讨论的流程。它的危险,则是让完成一个演示变得过于顺手。第一次看见流程跑通,团队会以为最难的部分已经过去。实际上,真正难的工作刚开始:把不一致的输入、权限、失败、日志、人工接管和版本更新安排好。
二、把“谁能调用什么工具”写在界面之外
很多 Agent 产品在演示里都有工具:查订单、读知识库、发邮件、改表格。展示时只需点击允许,任务便能继续;进入真实业务,权限要细得多。售后助手可以读取订单的哪些字段?能查看用户联系方式吗?能发送草稿,还是可以直接发给用户?谁批准退款,退款上限多少?模型若把一笔订单认错,是否还会碰到另一道系统校验?
这些问题不应只靠提示词里的“请谨慎操作”。提示词可以告诉模型期望,系统权限才决定它事实上能做什么。比较稳妥的分工是:模型负责理解描述、整理证据和提出下一步;确定性的规则由业务系统检查;对用户作出重要承诺或执行资金动作,由有权限的人确认。这样即使模型判断有误,损失也有机会被挡在外面。
此外,要保留可读的操作轨迹。客服主管复核时,最好能看到模型引用了哪份售后规则、查询的是哪笔订单、哪个字段缺失,以及为什么建议转人工。只给一个流畅答案,会让错误更难发现。可视化画布可以帮助设计这些节点,但真正上线以后,轨迹记录要随业务数据一起可靠保存,不应只存在于某个编辑器的调试面板里。
三、产品下线不是意外,无法迁移才是问题
Agent Builder 计划关闭,并不意味着当年使用它的团队都做错了。试验工具本来就可能更换方向。问题在于,试验进入生产时,有没有把关键资产握在自己手中:提示词、工具定义、输入输出字段、测试样本、历史错误和人工处理规则。如果这些东西只以一种平台内部格式存在,迁移的成本会比原来的搭建成本高很多。
OpenAI 提供了迁移指引,建议已有用户转向可自行运行的服务端 Agent 实现;ChatKit 继续承担前端对话界面。对产品经理来说,这个变化揭示了一条结构性边界:用户看到的聊天窗口、业务编排、模型调用和外部系统动作,是可以分别管理的部分。它们在早期被装进一套产品里,方便搭建;要长期运营,就得知道哪一部分能更换,哪一部分属于自己的业务资产。
迁移时别急着照着旧方框逐个复刻。先问每个节点是否还必要。过去为了适应编辑器而拆出来的步骤,可能在新系统里可以合并;过去没有明确表达的人工审核和异常状态,正好趁迁移补上。真正需要保留的是用户任务与业务规则,而不是每一个方框的原样摆放。若团队只追求“新流程看起来和旧流程一样”,很容易把旧问题搬过去。
四、什么情况下值得用可视化工具
可视化工具不是因为有生命周期风险就没有价值。拿一个模糊需求,和业务负责人一起排出数据来源、判断节点、人工接管位置,比先写上千行代码再争论流程,通常更省沟通时间。内部试验、概念验证、规则尚未稳定的场景,都适合用画布快速暴露问题。它还能让不写代码的人参与讨论,不必等研发翻译一遍才看懂系统将如何工作。
但用途要说清。若只是两周的概念验证,团队可以接受未来重做;若要承接每天上万条用户请求,就必须在开始时讨论监控、异常处理、版本回退和供应商变化。可视化只是设计与试验的入口,生产系统需要另一套要求。越早区分,越不容易在试点成功后仓促把演示直接当上线版本。
做试点时,我会建议给每个画布节点加一个问题:“这一格失败了,用户和客服会看到什么?”如果没有答案,它还不能进入线上流程。读取订单失败,不能假装用户没有下单;规则检索失败,不能用模型常识猜赔付;回复生成失败,也不能无限重试到同一条消息发送两次。小小一张画布,只要把失败状态补齐,就会立刻变得不像广告演示那么漂亮,但更像真正能用的产品。
五、迁移前先盘点“用户会失去什么”
收到弃用通知时,技术团队的第一反应常是问接口怎么替换。产品经理应该先问另一个问题:用户现在依赖它完成哪些事?同一个后台可能连着多个入口,有人在网页聊天,有人在移动端提交售后,有人把 Agent 当作内部资料检索工具。迁移期间,只要其中一条链路不能用,影响都不一样。盘点时先按用户任务列清单,再映射到旧工作流、工具和数据,不要只按项目名称或节点数量排。
接着找出人工暂时能顶上的部分。内部知识问答出问题,可以先回到搜索与人工整理;售后建议停止生成,可以让客服直接查看订单和规则;如果一个流程已经自动修改订单状态,就要更谨慎,暂停自动动作,避免迁移中出现重复处理。让用户明确知道服务处于什么状态,比在界面上维持“智能助手在线”但给出不完整结果更诚实。
迁移完成的标准也要事先约定。研发能调用新服务,不等于客服觉得建议可用;用户能收到消息,不等于回复依据正确。至少要跑一批旧案例,核对正常处理、材料缺失、接口失败、重复提交以及人工接管;随后在小范围真实任务里观察退回人工的比例和原因。若迁移后人工修正量显著上升,不能因为接口 200 便宣布成功。技术通了只是第一步,业务重新稳定才算结束。
给用户沟通时,尽量只说他们需要知道的事:某段功能会暂停多久,已有工单是否受影响,期间怎么寻求人工帮助,什么时候能恢复。技术上的供应商名字和画布节点数通常不帮助用户决策。产品经理要把内部复杂性转成外部清楚的预期,而不是把“正在迁移”当成一张万能说明。
六、日常维护里,哪几个数比“调用量”更重要
上线后的 Agent 容易用总调用量或自动解决率证明自己有价值。数字可以看,但离开具体任务会误导。一个聊天窗口收到一万条问候,调用量很高,不代表用户的问题真的解决;一个用户连续问了五轮仍转人工,统计上可能算成五次互动,体验却是一次失败。更有用的是按意图分组:物流查询、退款规则、资料填写各有多少任务,哪类任务最常失败,失败以后用户是否知道下一步怎么做。
还应把“看上去解决了”和“业务实际上结束了”分开。模型给了退款说明,但用户没找到申请入口;客服收到漂亮的工单摘要,却仍要重新打开三份材料核对,节省的时间可能有限。可以抽样跟踪一段完整任务:从用户开始提问,到状态变更、人工确认或明确停止,记录总耗时和人工参与位置。这种抽样不一定有漂亮的增长曲线,却能指出下一轮最值得改的节点。
另一项不能只靠平均数看的是关键错误。Agent 多数时候把发票规则解释正确,偶尔把“付款后可申请”说成“申请后再付款”,平均表现可能仍好看,财务团队却不会接受。给严重错误单独建一列,明确它出现在哪个规则版本、由什么材料触发、系统是否提前拦住。团队应能把一次错误变成一条回归样本,而不是改几句提示词后就忘了它。
这些指标最好和工作流版本一起保存。否则某月人工转接率下降,可能是模型能力提高,也可能是产品偷偷把转人工入口藏深了。只有把规则、权限、界面和模型版本都记下来,团队才知道究竟是什么改变了结果。可视化画布让流程容易展示,可维护的记录让流程容易改进。
七、方法论:从一张演示图走向可迁移的服务
第一步,把目标写成一个可以验收的用户任务,例如“客服在两分钟内看到一份有依据的工单整理”,不要写“用 AI 提升服务体验”。第二步,用可视化方式列出输入、外部工具、人工节点和输出,同时在每个节点旁写明失败时的去向。第三步,明确哪些规则来自业务系统,哪些判断交给模型,哪些动作必须由人授权。第四步,准备一批脱敏历史样本,包含材料缺失和规则冲突,记录模型版本与人工认可的处理结果。
第五步,把可复用资产导出或整理到团队维护的文档与代码中:提示词、接口字段、规则版本、测试案例和日志结构。第六步,选定实际运行方式,在预览环境验证正常路径和失败路径,再开放有限流量。最后,定期检查服务商公告和依赖版本,保留迁移负责人与回退方案。若使用的是计划下线的旧服务,先盘点受影响流程和截止日期,不要继续在它上面加新的关键业务。
对已经把 ChatKit 接进前端的团队,尤其要分清哪部分需要改。根据 OpenAI 当前文档,ChatKit 仍可用,计划退出的是 Agent Builder 托管工作流;已有应用可以把后端 Agent 转到自行维护的实现,再让前端对接新的服务端。产品经理不必亲自写这段迁移代码,但应要求团队给出清楚的影响说明:用户界面会不会变,历史会话能否继续,文件附件会怎样处理,原有权限是否被保留。不能因为“聊天框还在”,就假设它背后的业务行为和数据连续性不受影响。
如果团队还在决定是否做第一版试点,不妨先用纸画一张最简单的流程图,再拿真实案例问业务同事:信息从哪里来,什么时候要停,哪一步必须人签字。画不清这些问题,换一套更新的搭建工具也不会让它们自动消失。相反,只要规则够清楚,即便暂时用人工加简单脚本跑通第一版,也能帮助团队更准确地判断后续该买哪种能力。
Agent Builder 的经历并不证明“拖拽搭 Agent 没用”。它证明的是,拖拽能帮团队更早看见系统,却不能替团队拥有系统。一个真正进入业务的 Agent,应该在工具变动、模型换代和接口故障时仍知道自己该怎样处理用户的事。那时留下来的,不是一张画布,而是一套清楚的规则、可检查的证据,以及需要时能换路走的能力。
回头看这段生命周期,最值得学的不是记住某个产品什么时候发布、什么时候结束,而是在试点刚跑顺时就问:如果这个工具明天换了,用户任务还能不能完成?这个问题不扫兴。它把试点从一次演示,推向一项真正值得交给用户的服务。
如果你的团队曾用画布搭过客服流程,迁移前先让客服主管从用户视角走三笔历史工单:一笔正常查询、一笔材料缺失、一笔需要转人工。保留每一步看到的规则与结果,再看新实现能否复现。照着节点搬迁会漏业务语义,照着用户任务迁移才能知道哪些旧步骤值得留下、哪些一直在制造多余劳动。
信息来源与事实边界
- OpenAI API 更新记录:2025 年 10 月 6 日 Agent Builder 与 ChatKit 发布。
- OpenAI API 弃用记录:2026 年 6 月 3 日宣布弃用 Agent Builder,计划 11 月 30 日关闭;ChatKit 当前文档。售后流程为解释产品方法的假设案例,不是作者对该工具的独立测试。