标准回答
何处介入：按风险分级
不是所有步骤都要人审。对不可逆、高代价、对外可见的动作（资金操作、删除数据、对外发送、生产变更）在执行前插入审批；只读/可回滚动作可全自动。
如何路由：置信度驱动
结合模型自评置信度、校验器结果、关键字段缺失等信号决定是否转人工：低置信或高风险走人工，其余自动放行，避免无差别人审拖垮效率。
如何介入：可中断流程
用状态图/工作流引擎把 Agent 设计成可在节点暂停的形态（如 LangGraph 的 interrupt/checkpoint），暂停时把待办动作放入审批队列，人工 approve/reject/edit 后从断点恢复；设置审批超时与默认策略防止无限阻塞。
闭环：反馈回流
记录每次人工决策与修正（audit trail），用于离线评测、优化提示词与工具、必要时微调，逐步把可自动化的部分交还给 Agent。
常见误区
⚠️ 常见踩坑
要么对所有步骤都加人审拖垮吞吐，要么对高风险不可逆动作完全放任自动——正确做法是按风险分级、用置信度路由，只在关键节点拦截；同时别忘记审批超时与人审反馈回流。
追问
追问 1：怎么决定哪些动作需要人审？
按"可逆性 × 影响面 × 置信度"分级：不可逆且影响大的动作（转账、删数据、对外发送）默认强制审批；可回滚或只读动作自动执行。再叠加置信度信号——校验失败、关键参数缺失、模型自评低时升级为人审。规则可随线上数据动态调整。
追问 2：断点等待人工时如何保存上下文？
题库专题：多轮 Agent 的状态与会话如何管理？用支持持久化的状态图/工作流引擎，在 interrupt 处把完整状态（对话历史、scratchpad、待执行动作、会话 id）写入存储；人工处理可能延迟数分钟到数天，恢复时按 id 加载状态从断点继续。配合超时与幂等，保证长时间挂起也不丢上下文、不重复执行。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。
🛠️ AI 工具
- LangGraph
基于图的 AI Agent 编排框架，29,857+ stars。LangChain 团队出品，用有向图定义 Agent 工作流，支持循环、条件分支、多 Agent 协作。是构建复杂 Agent 系统的标准工具。