上线验收通过不等于有人在用。判断智能体是否真的进入日常工作，只需四个指标加三个停用信号：周活跃占比、任务完成率、人工接管率、单任务耗时。本文给出每个指标的口径、阈值、观察窗口与对应动作。
不算。验收只能证明功能跑通，证明不了有人在用。真正的判断点是第三周还有一批目标用户每周主动打开，并且任务能一次做完；只在上线首周出现访问峰、随后掉到个位数的，属于演示成功、使用失败，和产品能力无关。
场景本身有周期性时，第三周没有使用是正常的。只发生在月末结账、季度盘点、年度招标这类低频节点上的任务，要改看一个完整业务周期内的覆盖次数，按周频判断会得出错误结论。
四个就够：周活跃用户占比、任务完成率、人工接管率、单任务耗时。前两个回答「有没有人用、能不能一次做成」，后两个回答「用得顺不顺、比手工快不快」。指标再多，只要没人每周看一次，等于没有。
| 指标 | 怎么算 | 什么情况算异常 |
|---|---|---|
| 周活跃占比 | 当周使用过的人数 ÷ 目标用户数 | 低于 20%，且连续两周下降 |
| 任务完成率 | 一次跑完不接人工的次数 ÷ 总调用次数 | 低于 60%，先查知识与提示词 |
| 人工接管率 | 转人工或改结果的次数 ÷ 总调用次数 | 高于 30%，按原因分类后再动手 |
| 单任务耗时 | 从发起到拿到可用结果的中位时间 | 比手工做还慢，用户会退回原流程 |
这套指标对任务边界清晰的场景有效，对开放型任务会失真。写方案、做行业分析这类任务，一次成型率天然偏低，用同一个 60% 阈值会把正常情况判成故障，应按任务类型分组设线。
先看接管发生在哪一步。接管集中在找不到资料、口径答错上，是知识问题；集中在点了没反应、结果格式不对上，是配置与权限问题。两类问题修法完全不同，混在一起改，通常两边都改不好，还拖长周期。
接管率不可能降到零，也不必追到零。涉及金额支付、对外发布、合同条款的动作，应保留人工复核，这类接管属于设计内的安全边界，不计入异常，否则会为了指标好看而撤掉必要的把关。
前两周看能不能用，第三到四周看顺不顺，第五到六周看能不能复制。三个阶段各有动作，顺序做反——先推广、后修问题——通常会把第一批种子用户赶走，之后再想拉回来要花两倍时间。
| 时间 | 看什么 | 做什么 |
|---|---|---|
| 第 1 周 | 访问人数、首次任务是否跑通 | 每天跟一次，现场解决卡点 |
| 第 2 至 3 周 | 周活跃占比、接管率 | 补知识、调提示词、加一次答疑 |
| 第 4 周 | 完成率、单任务耗时 | 定下是否扩到第二个部门 |
| 第 5 至 6 周 | 复用情况、新场景需求 | 整理可复用配置，评估扩场景 |
六周适用于单场景、单部门的落地。跨部门或需要对接多个业务系统的场景，仅接口联调就可能占去两到三周，按六周考核会把正常进度判成失败，此时应把观察窗口按周顺延，而不是压缩动作。
两种情况该停：目标用户的实际任务每周少于三次，场景本身频率不够；或者修了两轮之后完成率仍在五成以下，说明数据与系统条件不满足。继续投人只是把沉没成本抬高，不会改变结果。
停不等于废。多数失败场景的资产是可迁移的：知识切片规则、提示词、连接器配置、评测问题集，换到高频场景上通常能省掉一半重复工作，真正浪费的是没人整理就悄悄下线。
三份：使用与效果报告、问题清单与优化计划、可复用资产清单。这三份材料在深云的 FDE 服务页面里是对「持续采用」阶段约定的交付内容，也可以直接拿来当内部立项材料，省掉重新设计汇报框架的时间。
材料齐不等于该续约。如果使用集中在少数人、业务方也没有第二个场景的真实需求，先把现有场景做稳比扩场景更划算；为了摊薄单价而扩场景，往往会同时拖垮两个场景的使用率。
由业务方指定一名采用负责人，服务方提供口径与模板。这个人每周花三十分钟更新一次即可，不需要专职。如果内部没人愿意接这个角色，项目多数会在三个月内自然停摆，与工具好坏关系不大。
小团队可以把采用负责人和服务对接人合并成一人，但不要让服务方替自己打分。由交付方统计交付效果，问题通常会被延后暴露，等到发现时往往已过最佳修正窗口。
本文的判断依据来自腾讯云智能体开发平台的产品与文档说明，以及官网公开的 FDE 服务与 WorkBuddy 交付服务页面；文中指标阈值为经验区间，非效果承诺。
深云做企业 AI 生产化交付，可以先一起把这四个指标的口径与基线拉出来，再判断是继续优化还是换场景。
看深云的交付阶段与判断口径