关于 human-in-the-loop
human-in-the-loop 是用于设计自动化工作流中人工介入方式的 Agent 技能,说明介入类型、决策条件及设计要点。它也提供减少不必要人工瓶颈的方法。
主要功能
- 01定义五种人工介入类型
- 02列出需要人工审核的条件
- 03说明介入点的设计要素
- 04提出减少人工瓶颈的方法
- 05列出设计与分析产物
适用场景
- 01为高风险操作添加审批关卡
- 02规划不确定或新颖情境的审核
- 03追踪介入频率与决策结果
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ owl-listener/ ai-design-skills --skill human-in-the-loop安装后在 Claude Code 中输入/human-in-the-loop确认已加载。
详细介绍
人机协同
人机协同设计定义了人类何时、何地以及如何介入自动化工作流。人类参与过少,系统就会犯下危险的错误;参与过多,你打造的就只是一个昂贵的通知系统。
介入类型
- 审批关卡:系统暂停并等待人类批准后再继续
- 审核检查点:系统呈现结果供人类审核;如果没有异议,系统可以继续
- 修正机会:系统展示其处理过程,人类可以在最终确定前进行编辑
- 覆盖控制:人类可以随时停止、重定向或撤销系统的操作
- 监控面板:人类被动观察系统,只在需要时介入
何时需要人类介入
- 高风险:成本高、不可逆或影响很多人的操作
- 置信度低:系统不确定该采取什么正确操作
- 新颖情境:输入或上下文超出系统的训练分布
- 伦理判断:需要道德推理或权衡价值的决策
- 法律要求:法规或合规要求规定必须进行人工审核
- 用户请求:用户明确要求由人类参与
设计介入点
对于每个介入点:
- 触发条件:什么会触发介入?(置信度阈值、风险等级、用户请求、政策要求)
- 呈现内容:人类会看到什么?(摘要、完整上下文、建议、选项)
- 时间限制:人类必须多快响应?如果没有响应会怎样?
- 决策选项:人类可以做什么?(批准、拒绝、编辑、升级处理、暂缓)
- 反馈整合:如何将人类的决定反馈到系统中?
避免人为瓶颈
人类介入成本高且速度慢。应设计流程,尽量减少不必要的介入:
- 渐进式自主:一开始加强人工监督,随着系统证明自身可靠性,再逐步减少监督
- 批量审核:将相似的决策归组,以便人类高效处理
- 智能路由:根据专业知识和可用性,将介入请求发送给合适的人
- 默认操作:如果人类在规定时间内没有响应,则采取安全的默认操作
- 从介入中学习:利用人类的决策改进系统,从而随着时间推移减少介入需求
设计产物
- 介入点地图(介入发生在工作流中的什么位置,以及各介入点的触发条件)
- 介入界面设计(人类可以看到什么并进行哪些操作)
- 时间限制规范
- 渐进式自主计划
- 介入分析规范(追踪介入频率、原因以及人类的决策)
评论
支持 Markdown