Pydantic 团队推出的类型安全智能体框架——这是 Pydantic AI 最主要的用途，也是本文讨论的前提。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
成功率一批测试任务中完全正确完成的比例明显不合格无需修改即可使用
稳定性同样输入多次运行结果是否一致明显不合格无需修改即可使用
安全性是否有越权操作或数据外泄风险明显不合格无需修改即可使用
成本单次运行的调用次数与费用明显不合格无需修改即可使用
可排查性失败时能否快速定位到具体步骤明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

知识库问答机器人

输入：一批产品文档和 FAQ。

用这些文档搭建问答机器人：回答只基于文档，找不到答案时回复「这个问题我需要转给同事」，并记录未解决问题供每周补充文档。

交付前确认：答不出时不编造。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Pydantic AI 的结果与人工完成或 LangGraph 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

线索整理流程

适用情况：手头有每天从表单收到的客户咨询时。

搭建一个流程：新表单提交后，AI 判断咨询类型（报价 / 售后 / 合作 / 其他），提取联系人和需求摘要写入表格，报价类自动通知销售群。分类不确定时标记为「待人工」。

交付前确认：不确定的情况进入人工。

竞品信息周报

准备材料：5 个竞品的公开网站或博客。

每周一自动抓取这些竞品页面的更新，让 AI 对比上周内容，输出「新增功能 / 价格页面变化 / 新发布文章」三段摘要，并附原始链接。

检查点：每条变化都附链接。

发票与单据提取

适用情况：手头有一批 PDF 发票或收据时。

从这些单据中提取开票日期、金额、销售方名称和税号，输出为表格；任何字段识别置信度低时留空并标红，不要猜测。

验收标准：低置信度字段留空。

常见问题：智能体陷入循环

设置最大步数和超时，关键步骤改为固定工作流。

常见问题：误发消息给客户

对外发送前加人工审批节点，测试环境与正式环境分开。

常见问题：调用外部系统失败

增加重试和失败通知，记录请求参数便于排查。

概念补充：可观测性

记录每一步输入输出与耗时，便于排查和评估。

概念补充：工作流（Workflow）

按固定步骤执行的流程，可预测、易排错。

适合人群：数据分析师

数据分析师可以用 Pydantic AI 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

使用提醒

本文基于 Pydantic AI 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

涉及个人信息、商业机密或受监管数据时，先确认 Pydantic AI 的数据处理条款，再决定能否使用。

延伸阅读