_{🧠 图解记忆：业务结果：处理时间、一次解决率、人工接管量或其他相对当前基线的变化；点击图片可查看原图。}

💡 答案要点

成功标准至少包含四层：

• 业务结果：处理时间、一次解决率、人工接管量或其他相对当前基线的变化；
• 任务质量：按真实任务分层后的正确性、完整性、拒答和严重错误率；
• 系统质量：端到端延迟、可用性、失败恢复、单位任务成本；
• 采用情况：目标用户覆盖、重复使用、任务完成率、反馈和绕过系统的原因。

在开始 POC 前锁定评测集、基线、观察窗口、不可接受失败和 go/no-go 决策人。不要只用“用户觉得不错”或离线平均分验收，也不要事后挑选有利样本。

📚 参考：Anthropic：Building Effective Agents（评估驱动开发）