某小学：四个 Agent 接管重复问答，危机场景强制转人工
本案例按客户要求脱敏，不涉及具体名称与可定位信息。文中效果均为定性描述，未做对照测量。
这是一所教师规模在百人量级的小学。他们的诉求很朴素：老师被重复问题占用了太多时间。
部署形态先说清楚
这个项目采用的是我们托管 + 在线大模型的形态，不是内网私有化部署。
之所以把这件事放在最前面说：如果你的场景要求数据不出内网，这个案例的技术路径并不适用于你——那需要本地部署开源模型，硬件投入和实现方式都不一样。两种形态的区别我们写在系统集成商方案里。
落地了四个 Agent
一、内部办事规章问答
原来是这样：老师要办事，得去问专门管行政的老师。行政老师每天在回答同样的问题——报销怎么走、请假找谁、某项手续需要哪些材料。
改成什么样：基于学校的规章制度和办事指南做知识库问答。老师自己问，不用再去打断别人。
二、招生助手
原来是这样：招生期要安排很多老师应答家长咨询，问的大多是同一批问题。
改成什么样：家长直接问 AI 就能拿到答案，而且是 24 小时应答，不受上下班时间限制。老师不再被重复咨询绑住，招生期能按时下班。
三、实验助手
辅助实验教学，并在涉及危险化学品的环节给出操作提醒。这个场景的价值不在于回答得多聪明，而在于该提醒的时候不会漏。
四、心理倾诉（支持语音对话）
这所学校原本没有专职心理老师，学生日常的情绪困扰缺少一个可以说出口的地方。这个 Agent 补充的就是这个原本不存在的日常倾诉渠道，支持直接语音对话，对小学生来说比打字更自然。
必须说明的边界：它不替代专业心理干预。AI 能做的是日常情绪的倾听与陪伴，不是诊断，也不是治疗。
所以我们做了危机识别与转人工——这也是整个项目里定制开发占比最重的部分：
- 关键词识别：识别到高风险表述时不再由 AI 自行应对
- 转人工机制：强制转交给真人处理
- 人工后台管理：后台有人能看到、能接手、有留痕
这套机制是写进代码的，不是靠提示词叮嘱 AI「注意安全」。提示词层面的约束在关键时刻不可靠，而这个场景恰恰是最不能出事的地方。
这也正是低代码平台做不了的事：可视化编排能搭出对话流程，但搭不出这种需要与后台系统联动、需要留痕告警的安全兜底机制。我们把这类判断标准整理在什么时候必须从低代码转向原生开发。
效果
- 行政老师不再重复回答同类问题
- 招生期老师能按时下班
- 咨询响应不受上下班时间限制，24 小时可应答
- 补充了学校原本没有的日常倾诉渠道
这里不给量化数字。我们没有做严格的对照测量，编一个「效率提升百分之多少」出来对你没有参考价值。
这个案例说明了什么
能力上：知识库问答在答案有明确出处的场景里是成熟的，落地阻力主要在文档整理而不是技术。
边界上：真正需要定制开发的，往往不是「让 AI 更聪明」，而是「让 AI 在该停下的时候停下」。安全兜底、转人工、留痕——这些不显眼的部分才是决定一个项目敢不敢上线的关键。