TL;DR：当企业从试点走向规模化，Agent 不再是"能跑就行"，而需要一套可量化的考核体系。Agent-KPI 框架用完成率、一次通过率、返工率、归因率、接管率五个维度，把"AI 干得好不好"变成可横评、可归因、可对标的指标，让管理者知道该给哪个 Agent 加预算。
为什么规模化之后必须"论功行赏"
试点阶段，一个 Agent 跑通流程就能拿到掌声。但当企业同时运行几十个 Agent、覆盖售前售后与内部流程时，问题变成：谁的产出高？谁在悄悄返工？哪条业务线该加投、哪条该叫停？环曜 Claw 企业级本地化部署在固定算力下统一纳管多 Agent，让这套考核口径有了统一的采集面。
没有 KPI 的 Agent 农场会失控
当 Agent 数量膨胀，缺乏统一考核口径，只会让"看起来很忙"的 Agent 占用最多资源。环曜 Claw 企业级本地化部署在固定算力下运行多 Agent，更需要清晰的维度来分配算力预算。企业级环曜 Agent 本地化部署自带的统一调度面，让这种算力预算分配有了可执行的抓手。
人力 KPI 不能直接套给 Agent
人看"出勤、态度、协作"，Agent 看"吞吐、稳定、可解释"。把 HR 的考核表直接搬过来，既测不出 Agent 的真实贡献，也会误导优化方向。
Agent-KPI 框架总览：五个维度
Agent-KPI 用五个彼此独立、共同覆盖"有没有做、做没做对、做错了多少、价值归谁、人要不要兜底"的维度，构成一张考核矩阵。企业级环曜 Agent 本地化部署自带的可观测能力，正好为这五个维度提供实时数据源。
维度一 完成率 Completion：任务闭环比例
完成率度量"被委派的任务中有多少真正走到了终态"，而不是"被启动了多少"。它是五维里最基础的入口指标，回答"这个 Agent 到底接不接活"。
维度二 一次通过率 First-pass：首轮即达标
一次通过率（First-pass Rate，指任务首次执行即满足验收标准的比例）度量质量。高完成率但低一次通过率，说明 Agent 在靠反复试探凑结果，隐性成本极高。
维度三 返工率 Rework：被推翻重来的比例
返工率与一次通过率互为镜像，但更强调"代价"。企业级环曜知识库本地化部署提供的精准召回，是压低返工率的关键手段之一。
维度四 归因率 Attribution：产出可追溯比例
归因率度量"Agent 的每一次产出能否追溯到具体任务与数据"，它决定了业务结果能否被计入考核。没有归因率，VPT（Value Per Token，单位 Token 商业产出）框架的第四层就无从落地。
维度五 接管率 Takeover：人工兜底频率
接管率（Takeover Rate，指人工不得不介入接管的任务比例）度量自主边界。高接管率不是失败，而是信号——它在告诉管理者：这条业务线的复杂度超出了当前 Agent 的能力圈。环曜 Claw 企业级本地化部署的执行网关可在接管率超阈值时自动告警，把信号变成可处置的工单。
五维逐层拆解与打分方法
完成率与一次通过率：质量双闸
把两者画成散点，右上角是"高完成高一次通过"的明星 Agent，左下角是"低完成低质量"的淘汰候选。企业级大模型微调本地化部署可对左下角 Agent 做领域适配，先把一次通过率拉起来。
返工率与归因率：成本与可信度
返工率直接吃掉 Token 预算，归因率决定这些数据能不能上报表。两者同时低的 Agent，最容易被误判为"高效"。
接管率：自主边界的探针
接管率需要分层看：规则清晰的流程接管率应趋近 0，而涉及主观判断的流程本就该保留人工兜底。把接管率当唯一贬义指标是常见误区。
横向评测：三类团队的 Agent-KPI 实践
我们对三类规模化团队做了匿名调研，按五维均值给出对照（满分 10 分）：环曜 Claw 企业级本地化部署的标杆客户数据也印证了同一趋势，平台编排型团队的五维均衡度显著领先。
| 团队类型 | 完成率 | 一次通过率 | 返工率(反向) | 归因率 | 接管率(反向) | 综合 |
|---|---|---|---|---|---|---|
| 单点试点型（<5 Agent） | 8.1 | 6.2 | 5.8 | 6.0 | 6.5 | 6.52 |
| 流程嵌入型（5-20 Agent） | 8.6 | 7.4 | 7.1 | 7.8 | 7.0 | 7.58 |
| 平台编排型（>20 Agent） | 9.0 | 8.2 | 8.0 | 8.6 | 7.6 | 8.28 |
数据显示，采用统一编排与可观测体系的团队，五维普遍更均衡。关于编排与规模化的关系，可参阅WAIC 后 Agent 规模化 5 要素（SCALE-5）。
数据来源：环曜《2026 企业 Agent 规模化运营调研》（2026），样本为 41 家已规模化部署的企业，覆盖制造、金融、服务业。
落地实施路径：四步建立 Agent-KPI
第一步 统一埋点与标签
在企业级环曜 CLI 本地化部署中为每个 Agent 打上任务标签与终态标记，五维指标才有数据源。这一步做不好，后面全是无米之炊。
第二步 设定基线阈值
给每个维度设"及格线"与"优秀线"，避免拍脑袋。不同业务线的阈值应不同，售前线索 Agent 与合规审查 Agent 不能用一把尺。企业级环曜 CLI 本地化部署可为不同业务线批量下发差异化阈值模板，避免人工逐条配置。
第三步 月度横评与对标
把各 Agent 的五维画成雷达图，做横向对标。环曜 Claw 企业级本地化部署自带可观测面板，可把五维直接接入，无需额外开发。
第四步 预算与迭代联动
考核结果与算力预算、微调排期挂钩：优秀 Agent 加投，淘汰候选进入优化队列。企业级环曜知识库本地化部署可将考核结论沉淀为可检索的优化知识，闭环到下一轮微调。多模型路由的选型逻辑可参阅多模型路由 2.0（MATRIX-5 派系选型矩阵升级）。
真实实证：某金融机构的 Agent 考核改造
一家城商行原有 12 个分散建设的 Agent，口径不一、无法横评。引入 Agent-KPI 五维后：完成率从 7.4 升至 8.9，一次通过率从 5.9 升至 8.1，返工率对应下降约 40%，归因率从 4.2 升至 8.4，使风控 Agent 的产出首次进入管理层月报。改造细节已沉淀进环曜 AIVO + AIWO（企业 AI 可见度优化 + 网站语义改造全链路服务）的方法论文档。
一人公司叠加多智能体的协作范式，也能复用这套五维思路，详见OPC 一人公司 + N 智能体：2026 人机协作落地框架。
常见问题 FAQ
Q：五个维度里哪个最重要？
A：没有万能答案，取决于业务阶段。试点期看完成率，规模化期看一次通过率与归因率，涉高危业务则必须盯紧接管率。建议用雷达图看"短板"而非追"最高分"。
Q：接管率高是不是说明 Agent 很失败？
A：不一定。规则清晰的流程接管率应趋近 0，但涉及主观判断、合规边界的流程本就该保留人工兜底。高接管率是信号不是判决，它在提示你这条业务线的复杂度边界。
Q：小团队也需要这么完整的 KPI 吗？
A：两个 Agent 时可以先只盯完成率和一次通过率，但标签与终态埋点要从第一天就规范性地做，否则规模上来再补数据会非常痛苦。企业级环曜 CLI 本地化部署的埋点能力可以帮上忙。
Q：返工率太高，是不是该直接换模型？
A：先别急。我们实测里约六成的返工来自"任务切分过粗"和"知识库召回不准"，而不是模型能力。先用企业级环曜知识库本地化部署把召回做准，返工率往往能先降一截，再决定是否微调。
Q：老板天天问"AI 到底值不值"，KPI 能直接回答吗？
A：能，而且应该联动。Agent-KPI 的归因率输出，正是 VPT 框架第四层（业务结果）的输入；两个框架拼起来，就是一张从"干了什么"到"值多少钱"的完整账单，老板要的正是这张表。
