自动化

传统自动化只能处理确定性规则，而智能体可以处理更模糊、更依赖上下文理解的任务

低价模型若推理能力不足会导致更多重试轮次，累计失败重试的隐性成本可能反超高价高效方案（「便宜模型反而更贵」悖论）

评估AI编程Agent的成本必须以完整任务为单位进行端到端测算

有观点认为技术（尤其是AI与自动化）大幅降低创作成本后，人类社会可能迎来一场审美复兴

自动化背后依赖定时任务机制，常见实现方式包括基于cron表达式的时间调度和事件触发的任务流。

业界常说的“先标准化、再自动化、后智能化”是递进表达：标准化解决“做什么、按什么规则做”，自动化解决“由系统执行”，智能化解决“系统能处理一定程度的非结构化输入”。

流程标准化是自动化生效的前置条件。

大模型使自动化从规则驱动扩展到意图驱动，能够处理非结构化输入（如自然语言邮件、模糊描述的需求），并具备一定的推理与生成能力。

现代软件通过自动化、抽象层和默认配置将复杂度封装在内部以降低使用门槛。

创作者给出判断标准：如果一项工作每次都是同样的五步，需要的是自动化而非 Agent；Agent 适用于需要判断力的场景。

自动化指按预设规则执行固定流程，路径由人提前写好；自主性指系统在运行时自行决定路径与下一步动作。

自动化的总成本不仅包括购买设备的价格，还包括安装、维护、电力消耗以及围绕机器人重新设计工作场所的费用。

对于中大型组织，自动化实施应先识别信息产生和丢失的点，将每个丢失点映射为独立工作流，并保持最小结构。

自动化的价值在于接管高情绪场景前后的行政工作，让经纪人有时间亲自处理需要共情的沟通。

自动化系统中的某一环节自动化后，会在别处制造新的摩擦，并把瓶颈推到新的位置，因此自动化不是终点而是瓶颈的迁移。

自动化能解决生产端的边际成本，却解决不了关系端的冷启动；信任的建立依然需要真实的交换，而交换需要双方都在场。

ROI在自动化语境下通常按“节省的人工时间 × 时薪 − 构建与维护成本”粗略估算

AI和自动化被宣扬为新的造富浪潮。

小型制造商的自动化破局路径包括借用与租赁模式、外包集成、内部能力升级和选型务实。

可复用工作流需要具备输入输出明确、失败时能报警、关键节点有人工审查入口等特征。