今天留两篇一手文章。它们谈的都不是“让 AI 更聪明”，而是怎样把 AI 放进会出错、也要有人负责的流程里。

先让 AI 写出第一份事故判断

Anthropic 介绍了团队如何让 Claude Tag 参与 CI/CD 故障响应。它接到告警后先收集上下文、梳理证据、写出初步分析；文中称，首份基于证据的分析中位数在 14 分钟内发出，最快案例在 3 分钟内验证修复并确认错误率回到基线。

这些数据是 Anthropic 对自家流程的复盘，不该直接当成别的团队的效率承诺。但这个安排很值得借：把智能体放在“先看、先查、先写”的位置。故障发生时，工程师最先缺的往往不是一句结论，而是散在日志、变更和监控里的线索。AI 先把线索归拢，值班的人再决定是否改动、如何回滚，流程就不会把最后一道权限交给一个会猜的模型。

安全别只压在提示词上

Google Developers Blog 发布了一套用 Agent Development Kit 构建零信任智能体的示例，场景是客服和退货处理。文章把防提示注入的关键控制放在模型上下文之外：用加密签名约束写入、用 gVisor 隔离动态代码执行，再用确定性的校验层检查输入输出。

这套样例也未必能原样搬进每个业务系统，不过它把分工说得很清楚。模型负责理解用户话语、提出下一步；权限、写入和校验交给能稳定复现的机制。要是 AI 被一句恶意指令带偏，最重要的不是让它“更听话”，而是让它没有机会直接把错误写进生产数据。

今天可以带走什么

如果你正准备把 AI 接进团队流程，先挑一段只读、可复核的脏活：汇总故障信息、整理工单、给出排查清单，或者写一份待人工确认的初报。然后把三件事写进规则：它能读什么、它绝不能改什么、谁来确认最后一步。

让 AI 先承担信息归拢和候选判断，人留住高风险动作的决策权。这不花哨，但比一上来追求“全自动”更像能长期跑下去的工作流。