人机协同：智能体系统的第三层架构

很多人觉得人机协同（Human-in-the-Loop）限制了 AI 智能体的能力，其实恰恰相反。

HITL 实际上大大扩展了你能部署的应用场景。什么叫扩展？

• 需要 99.9% 准确率的用例？
• 需要合规签字的用例？
• 输出前需要人工润色的用例？
• 需要人类随时介入或退出的用例？

现在都能部署了。

没有 HITL，这些用例很可能永远停留在试点阶段。但加上一层设计得当的人机协同层，它们就能上线。

这不是空谈，我们自己内部和客户都在实践：

• 全球最大啤酒商百威英博（CrewAI 客户）每年通过 HITL 架构处理 2000 万张工单。
• 另一家全球教育公司通过自动化材料生成，在提升质量的同时，预计今年能节省数百万美元。
• 我们 CrewAI 自己也在用：每次销售通话后，一个工作流会自动生成个性化材料，并路由给销售代表审核。整个过程只需四分钟，而且以前我们根本做不到这种规模。

我们称之为 90/10 法则：90% 自动化，10% 人工增强。

具体比例会变，有些系统可能从 30/70 开始，再逐步调整。重点不是数字，而是要有支持两者的架构，让你能根据用例需求调整比例。

核心在于认识到某些决策需要人类判断，并从一开始就把它设计进架构里。

三层架构

我之前分享过我们从 20 亿次智能体执行中学到的东西：

• 确定性主干（Flows），提供结构和控制
• 关键处的智能（LLM / Agent / Crews），负责推理和适应

但我认为 HITL 是一个可选但相关的第三层，为人类引入了判断和问责的能力。

这里需要区分两种模式：

• 人机协同（Human-in-the-loop）：智能体暂停，人类审核或编辑，工作流继续。在特定检查点直接干预。
• 人在回路（Human-on-the-loop）：人类监控、调整参数，并在需要时介入。监督但不阻塞每一步。

第一种关乎精度，某些步骤需要人类判断；第二种更关乎信心，有人看着，可以介入。但归根结底，两者都扩展了你能上线的范围。

规模化实践

百威英博的首席技术与战略官 David Almeida 在我们的 Signal 大会上分享了他们对智能体 AI 的思考。

有趣的事实：百威英博全球每三瓶啤酒就有一瓶是他们卖的（包括我很多最爱），旗下平台拥有数百万客户。

他们是 CrewAI 的主要采用者，目前每年有 300 亿美元决策受 AI 影响。这说明他们不是在实验，而是在规模化运营。

David 分享的一个模式：他们的联系模型每年处理 2000 万张工单。在智能体 AI 之前，全是手动的。现在 30% 完全自主处理。另外 70% 呢？人机协同，智能体与员工并肩工作，路由请求、拉取信息、起草回复供人工审核。

他有一句话让我印象深刻：

AI 不会独立存在。AI 将存在于我们的技术平台中，创造价值。

这就是我们不断看到的架构模式。智能体和人类一起，各司其职。仅这一个用例，他们的目标价值就达 2800 万美元。

这就是财富 500 强规模的生产级智能体系统。

CrewAI 的实现方式

在开源侧，CrewAI Flows 现已通过 @human_feedback 装饰器原生支持 HITL。一行代码添加检查点。

@human_feedback(
    message="Review this before sending:",
    emit=["approved", "rejected", "needs_revision"]
)
def review_content(self, content):
    # your logic in here
    return content

使用这个简单的注解，流程会暂停，展示输出供审核，收集反馈，并根据响应路由到不同路径。支持跨异步人工交互的完整状态持久化，内置审计历史。

在企业侧，通过 AMP，我们增加了让这一切生产就绪的基础设施。你只需部署同样的代码，我们的客户就能获得：

• 邮件优先通知 — 任何人都可以通过回复邮件来响应，无需平台账户。
• 智能路由 — 按方法模式路由，或从流程状态动态拉取负责人。你的 CRM 显示 Alice 负责这个账户？审核就交给 Alice。
• SLA 追踪 — 设置响应时间目标。查看谁在响应，瓶颈在哪里。
• 自动响应后备方案 — 配置无人响应时的处理方式，流程不会挂起。
• Webhooks — 推送到 Slack、Jira、ServiceNow 等任何你使用的工具。
• 完整审计追踪 — 每个请求、响应和决策都带有时间戳记录。

开源装饰器给你检查点，AMP 给你规模化运行的控制平面。

为何现在重要

HITL 被更多采用和强调，这个时机并非偶然。

欧盟 AI 法案正在积极执行。FDA 要求高风险 AI 有人类监督。SOC2 审计在询问 AI 决策追踪。监管世界的步伐比大多数团队预期的要快。

但合规只是原因之一，归根结底还是商业成果。

企业发现，完全自主的智能体很棒，但加上第三层人类协同，你能覆盖更广泛的应用场景。百威英博的 David 说得很清楚：他们想在智能体领域领先，不是通过移除人类，而是通过构建智能体与人类协同工作的系统。

那些正在上线生产的团队，不是在把人类移出流程，而是在花时间设计流程本身。

关于人类参与 AI，有两种思考方式： 一些人视其为限制，想要最小化。 另一些人视其为架构，需要设计进去。 我更喜欢后者！

该功能现已上线。文档在此。 试试看，告诉我们你构建了什么。