数字没错， 为什么结论错了？
同一个月，同一批订单。换一个交期口径，答案就变了。亲手检查一次：智能体算对了，究竟还漏了什么？
94%按工厂承诺交期
79%按客户要求交期
100 笔订单 · 15 笔订单，仅因交期口径不同，判定就变了。
准时的订单 94 / 100
虚构案例 · 可交互实验 · 把指针移到任意一格，看这笔订单的三个日期。
别让每次工作， 都从头开始。
收集材料、解释背景、核对答案、追问进度，再花时间返工。下一次，又重来一遍。这些重复付出的精力，也该算进 AI 产品的设计。一次工作留下的经验，应该成为下一次的起点。
结果靠得住。 人少费些心。
解释、核对、催促、返工。这些成本，要和结果的质量一起衡量。
每次把工作交出去，人的负担是否真的减轻了？
结果也必须有人负责。人决定目标与授权范围。系统在范围内推进，证据不足就继续核对，需要取舍时把判断交还给人。
这些交互实践使用虚构情境，让设计选择可以被操作和检验。它们展示的是机制，不代表实测的效率提升，也不是正在运行的 AI 服务。