用别人造好的智能体

用现成 Agent 之前，先拿假样例做一次边界测试

用别人造好的智能体最省事，但也最容易翻——因为你看不见它的提示词、数据处理方式和工具权限。所以拿到手第一件事不是喂真数据，是用虚拟样例做边界测试。

在扣子应用广场搜"招聘/简历/培训/员工手册"，挑一个相关的，先喂假的：「候选人 A，5 年销售经验，B2B 行业，最近两份工作均为 1 年左右。请提取面试追问点，不作录用结论。」

检查它的输出有没有这四样：事实提取、风险点、追问问题、人工复核提示。再检查它有没有做禁止动作：直接给录用/淘汰结论、编造经历、贴歧视性标签。全过了，才考虑把它当工具；只测正常样例就放心用，是最典型的误判。

评估一个现成 Agent，只看四件事

扣子、阿里云百炼、Dify 都支持从模板或低代码起步，好处是快，问题是不可控——你不知道它是否联网、是否留记忆、是否调外部工具。评估它别看演示视频，看四件事：任务是否匹配、输入是否敏感、输出能否核验、能不能改提示词和权限。

一句话分场景：公开 JD 改写、培训大纲、公开资料研究、PPT 草稿，可以直接试；简历原文评估、薪酬测算、绩效归因、员工投诉处理，别直接交给陌生 Agent。

五个翻车点

① 现成 Agent 看着专业但规则不透明——先用虚拟样例做边界测试再说。

② 直接上传真实简历——陌生 Agent 可能有不可见记忆或工具调用，只用脱敏样例，真实数据走企业批准的工具。

③ 模板默认海外语境——劳动法规、招聘习惯、称谓不适配，提示词里限定"中国大陆企业 HR"。

④ 没测反例——准备合格、不合格、信息不足、含敏感数据四类样例。

⑤ 把输出当权威——预置 Agent 照样幻觉，让它列依据和不确定项。

可复制的测评清单 prompt + 再深一层

让 AI 先帮你搭一套验收标准：「请作为 HR Agent 测评员，评估一个现成智能体是否适合中国企业 HR 场景。用途：{简历筛选/培训大纲/制度问答/招聘周报}。我用这些虚拟样例观察它：{粘贴不含真实个人信息的样例}。请给我：必须通过的能力测试、必须拒绝或转人工的高风险场景、数据安全检查点、输出质量评分标准、是否适合给同事用、如需改造系统提示应补哪些规则。限制：中国大陆语境，不用真实候选人信息，涉及录用/调薪/处罚/解除必须设人工确认。」

再深一层是 Agent 采购与验收：别只看演示，拿自己的脱敏测试集（10 条正常 + 5 条边界 + 5 条违规）过一遍，做成打分表——准确性、拒答能力、引用能力、权限透明度、日志留存、可改造性。