今日判断
今天最值得抓住的不是"模型又变强了"，而是企业 AI 开始分化为两条线：高不确定性任务交给 Agent 并用证据、权限和人工审查约束；确定性任务回归规则脚本，直接嵌入原工作表。
一家连锁企业每月要逐人核对 150-160 多人的考勤，先前用 AI 输出异常清单后还需切回原表核实，实际被一线放弃。新方案改用 Python 确定性规则，在原表逐日标注正常/异常——不是 AI 做不到，而是确定性判定用确定性工具更可靠、更可审计、更容易被一线接受。
与此同时，Anthropic 披露 Claude 已连续数月作为内部 CI/CD 故障的一线响应者——这是真正适合 Agent 的场景：多源数据、不确定根因、需要推理和调查。FDE 的价值，正是先判断"该不该用 AI"，再把对的工具接进真实现场。
重点信号
150 人考勤从"AI 分析"改为原表规则标注：确定性任务用确定性工具
- 来源：FDE 企业现场实践
- 某连锁餐饮集团每月逐人核对 150-160 多人考勤。先前方案让 AI 助手输出异常清单，但一线员工需要切回原表逐条核实——多了一步反而更慢，实际被放弃。新方案改用 Python 确定性规则，直接在原表逐日标注正常/异常，只让人工复核异常人员。
- 为什么重要：这是企业 AI 落地中最容易犯的错误——不是所有问题都该用大模型。考勤判定规则清晰、无歧义、可穷举，天然适合脚本处理。用 AI 反而引入了不必要的不确定性和额外的核实步骤。更关键的是结果放回原表，减少了一线员工的上下文切换——比"另生成一张 AI 报告"更可用。FDE 应该在项目立项前增加"AI 不做门"：任务量级不足、规则可穷举、平台风控高于收益，就该暂停 Agent 开发，改用确定性工具。
- 注意边界：节省 30%（约 1-2 小时）是开发前的预估目标，不是已实现结果。验收需保留同一份原表，同时记录全量人工基线、脚本用时、异常数、漏放率和最终复核工时。
智谱发布 GLM-5.3：底座持续进化，但企业验收仍不能只看排名与 Token 价
- 来源：智谱官方 ｜ 原文链接
- 智谱于 8 月 19 日宣布 GLM-5.3 API 上线，定价与 GLM-5.2 持平；模型权重计划下周五开源。官方称其在 AA 综合智能指数为 60 分，并宣称单任务成本在旗舰模型中最低。
- 为什么重要：国产旗舰模型持续迭代降价，企业选型的底座候选越来越多——但这恰恰说明，真正的采购依据不应是厂商排名或 token 单价，而是"单位合格任务成本"：首次成功率 × 重跑次数 × 工具调用成功率 × 人工复核率 → 最终合格一条任务花了多少钱。排名和 token 价格只是其中一个分项。
Anthropic 披露 CI/CD 一线响应 Agent：首份证据分析中位数 14 分钟
- 来源：Anthropic 官方 ｜ 原文链接
- Anthropic 于 8 月 18 日披露 Claude Tag 已连续数月作为内部 CI/CD 故障的一线响应者。近期每次有情况报告的事故都由它先起草，首份有证据分析的中位数为 14 分钟，最快 4 分钟在首报指出根因。
- 实施结构：独立服务账号，连接 Grafana、日志、PagerDuty、GitHub、Kubernetes 和 Slack；站立指令以 Git 管理的 Markdown Skills 维护，事故教训回写到 lessons.md。修复 PR 仍由人工审查、合并和部署。
- 为什么重要：这是"专用服务账号 + 多源连接 + 版本化 Skill + 事故记忆 + 人工放行"的可复制生产结构，比单次聊天或自动生成代码更接近真实企业 Agent。它恰好印证了今天的主线——CI/CD 故障排查是典型的高不确定性任务：多源数据、不确定根因、需要推理调查，正好适合 Agent。而考勤规则判定是典型的确定性任务，应该用脚本。FDE 的价值是在两者之间画出正确的线。
- 注意边界：数字为 Anthropic 内部团队口径，未公开事故总样本数、对照组 MTTR、误报率或单事故成本；修复权限仍由人工控制。
对 FDE 从业者的启发
- 项目立项前增加"AI 不做门"：先检查四个条件——任务量级是否足够、规则是否可穷举、平台风控是否高于收益、嵌入成本是否划算。"不做"也是 FDE 的交付结论，避免为了体现 AI 而制造额外步骤。
- 确定性结果放回原表：一线员工的工具迁移成本远高于想象。与其让他们学一个新系统，不如把结果直接写回他们已经在用的 Excel——减少上下文切换，采用率才可能上来。
- 高不确定性任务学"一线响应 Agent 六件套"：专用服务账号 → 多源连接 → 版本化 Skill → 证据情况报告 → 事故教训库 → 人工审批/交接。分列首报时间、根因命中率、人工接管率和单事故成本。
