有效上岗模型：ONBOARD 从陌生到胜任

ONBOARD 模型—从陌生到胜任

进入新的岗位和角色，任何新成员——碳基（人）或硅基（AI）——从陌生到胜任的七阶段。

先装载 (O·N·B) → 再带教 (O·A·R) → 后进化 (D)。

确立身份、职责、边界、关系——“我是谁、向谁负责、与谁合作、能碰什么”。

人：岗位说明书、汇报线、团队角色与归属感

AI： 身份注册 (IAM) + RBAC / ABAC 权限作用域

清晰规则、流程与工具用法，尤其”雷区 / 负面清单”。

人：员工手册、作业流程SOP、禁忌与失败教训

AI： System Prompt 约束 + 负面案例库 + 六动词 API 契约 + Policy-as-Code

** 专业知识底座 + 历史经验与案例 + 判断及洞见 + 标准**。

人：产品资料、案例库、KPI/OKR

AI： GraphRAG 知识图谱 + 黄金数据集 (Golden Dataset)

上岗前在封闭环境演练、暴露盲点、校准”虚假自信”。

人：情景演练、角色扮演、笔试、模拟客户

AI： 置信度校准 (ECE) + Agent GPA 评测 + 一致性门禁 (κ ≥ 0.85)

真实业务中在监督下练习，导师纠偏，逐步放权，捕获偏好。

人：试手、复盘、渐进授权

AI： 置信度门禁 HITL 分流 + 偏好学习 (DPO / GRPO)

独立承担与开展工作，必要时异常上报与熔断兜底。

人：独立负责 + 求助 / 上报机制

AI： 高直通 HOTL + 三态断路器 + Kill Switch

把纠偏与异常沉淀为持续改进，反哺规则与知识。

人：复盘固化 SOP、经验内化

AI： 硬样例 → 黄金集 → CI 回归 → 规则版本化（灰度 + 会签）

IAM (Identity & Access Management，身份与访问管理)：给每个 Agent 分配唯一”工作负载身份”、绑定人类责任人的系统。
•RBAC (Role-Based Access Control)：先定义”角色能做什么”，再把 Agent 绑到角色。
ABAC / FGA (Attribute-Based Access Control / Fine-Grained Authorization)：按”谁·碰什么·什么条件”动态授权，实现作用领域限制。

System Prompt (系统提示词)：对话最前端、每轮都生效的最高指令层，注入角色、约束与禁区。
负面案例库 (negative examples)：收录”错误做法 + 为何错”的样例教模型避坑。
六动词 API 契约：Agent 可预检、可自愈的六动作——semantic_search(检索)/resolve_candidates(消歧)/preview_action(Dry-Run 空跑预检)/execute_action(幂等写入，重复执行结果不变)/verify_result(反读校验)/recover_from_error(结构化纠错)。
Policy-as-Code (策略即代码)：业务规则写成机器可执行代码，由独立的 PDP(策略决策点，判”能不能”)+ PEP(策略执行点，负责拦截)把关；高风险动作靠它硬约束，而非靠提示词”劝阻”。

GraphRAG (Graph-based Retrieval-Augmented Generation，图谱增强检索)：把知识拆成”实体 + 关系”建成知识图谱再检索的 RAG 变体。
黄金数据集 (Golden Dataset)：人工精挑、答案权威的”标准考卷”，离线评测 Agent 是否达标，覆盖典型 + 边缘 + 踩坑用例。
Trace (执行轨迹)：一次完整任务里每一步（思考 / 工具调用 / 结果）的全程记录，是评测与复盘的基本单位。

ECE (Expected Calibration Error，期望校准误差)：衡量模型”自报把握”与”实际正确率”的偏差；用来治虚假自信。越低越可信。
Agent GPA (Goal-Plan-Action)：Agent 评测范式，沿目标达成 / 计划质量 / 计划遵从 / 执行效率 / 逻辑一致拆解打分。
κ / α (Cohen’s Kappa / Krippendorff’s Alpha)：量化”Agent 判断 vs 人类专家判断”的一致度，且已扣除随机蒙对。κ ≥ 0.85 约等于”原始一致率 92%“。

HITL (Human-in-the-Loop，人在环内)：关键动作前逐笔由人审批，Agent 不能自动放行。
置信度门禁 (Confidence-Gated Approval)：按”置信度 × 风险”自动分流——高可信低风险自主执行；低置信或高风险自动挂起转人工。
DPO (Direct Preference Optimization，直接偏好优化)：用”人更喜欢 A 不喜欢 B”的成对数据直接微调模型，绕开传统 RLHF 的独立奖励模型，简单稳定。
GRPO (Group Relative Policy Optimization，组相对策略优化)：用”一组候选答案的相对好坏”算优势、省去价值网络；把反馈的批准 / 驳回转成训练信号。

HOTL (Human-on-the-Loop，人在环上)：Agent 自主直通，人”看仪表盘、随时可介入”，处于监督位——区别于 HITL 的逐笔审批。
STP Rate (Straight-Through Processing，直通率)：无人工介入即自动办结的比例。
三态断路器 (Circuit Breaker)：——CLOSED 正常放行 / OPEN 故障熔断切人工 / HALF-OPEN 放少量流量试探恢复；防止连锁故障。
Kill Switch (紧急停机开关)：一键剥夺 Agent 写权限。