企业评估智能体平台，不能只看演示中能否“自动完成任务”。真正的可控性，是指平台在信息不完整、工具失败、权限受限和流程较长时，仍能稳定完成可验收工作，并让企业清楚知道它做了什么、依据是什么、出了问题谁能接管。核心判断应从“功能有多少”转向三个问题：任务是否完成，结果是否正确，过程是否可控。
先把可控性拆开
第一层是任务控制。智能体能否主动拆分目标，识别资料缺失，提出澄清问题，并区分已确认事实与推测结果。面对多步骤流程时，不能只看最终文本是否通顺，还要检查字段来源、遗漏情况和错误情况。
第二层是工具控制。企业可模拟“查询客户信息—检查库存—生成报价—提交审批”等流程，并设置超时、空结果和权限不足等异常。重点观察工具参数是否准确、调用顺序是否合理、失败后能否有限重试，以及是否会把工具未返回的信息当成事实。涉及写入、删除、付款等不可逆操作时，必须存在人工确认节点。
第三层是数据与权限控制。知识库测试不能停留在“能否上传文档”，还应验证新旧版本冲突、过期文件、出处引用和文档删除后的残留检索。长期记忆则要区分当前会话、用户偏好、组织知识和正式业务状态，并具备查看、修改、删除与追溯机制。个人资料、客户信息和组织知识不能混在无边界的记忆池中。
用可复现测试替代产品演示
企业应准备与自身业务接近的标准任务，让不同平台使用相同资料、工具接口和评分规则，并至少重复测试三次。评分不宜只统计成功率，而应同时考察结果质量、过程质量、生产能力和经济性：包括事实准确性、规划合理性、权限隔离、操作审计、人工接管、异常告警、单任务总成本和人工复核负担。
上线前可先选择一个低风险、频次较高且结果容易验收的流程试运行。初期限定智能体只能读取资料或生成草稿，禁止直接执行不可逆操作；再逐步引入异常数据、权限变化和工具失败，观察系统能否稳定降级。
企业最终采购的不是“最聪明”的平台，而是与任务风险、组织能力和预算匹配的平台。模型能力决定上限，权限、审计、回滚和人工接管机制，才决定它是否敢被放进真实业务。