它是什么
它是任务内的智能辅助层：了解当前用户、业务对象、所处步骤、阅读对象、可用知识和输出格式，而不是要求用户在新聊天中重述一切。
它是可修改建议系统：应允许用户局部采纳、比较前后差异、追问依据、标记错误和回退，不用“全部接受”作为唯一入口。
它是岗位能力增强而非责任替代：人仍要核对事实、做出专业判断、审批正式结果和处理异常，系统应让这些责任节点更清楚。
ROLE COPILOT CANVAS / PROTOTYPE
工具原型｜方案样板｜暂不提交索引
Copilot辅助人完成岗位任务，不冒充岗位责任
Copilot的核心不是另造一个对话入口，而是在用户正在使用的文档、表单、工单、研究或项目工作台中，基于当前业务上下文给出可理解、可修改、可追溯的建议，由人保留最终判断与责任。
01 / DEFINITION
定义、边界与选型前提
AI Copilot是嵌入岗位软件或工作台的人机协同应用。它利用用户当前查看的业务对象、授权知识、结构化数据和规则产生建议，并通过可编辑界面、依据回看、差异对比和人工确认与原有流程协同。
它不是什么
- 不是将通用聊天机器人改名为某岗位Copilot。
- 不是一次生成长文即完成业务；必须经过结构、数据、规则与人工修改。
- 不是用自然语言掩盖公式、权限、数值、有效期和业务状态；这些应由确定性系统提供。
- 不是默认替代专家、审批人或业务负责人。
- 不是一个完整AIOS；Copilot是面向人的应用入口，其背后可调用RAG、Agent、数据和工作流。
| 相邻概念 | 核心差别 | 何时选择 |
|---|---|---|
| 普通对话助手 | 对话助手主要依赖用户描述上下文；Copilot嵌入当前业务界面和对象 | 需使用当前文档、表单、工单和岗位规则时选Copilot |
| Agent | Copilot以人为主导，每步可见可修改；Agent可在后台持续完成受控多步任务 | 用户需持续判断时选Copilot，任务长时间编排才考虑Agent |
| 流程自动化 | 确定性流程引擎按规则执行；Copilot主要理解非结构化内容、生成建议与支持判断 | 可穷举且稳定的步骤优先流程自动化，非结构化认知环节再引入Copilot |
| 决策系统 | 决策系统强调规则、数据和方案比较；Copilot是将这些结果带到岗位交互中 | 两者可组合，但不应由大模型自由替代确定性决策逻辑 |
02 / PROBLEMS
客户问题不是“缺一个聊天框”
很多Copilot用例只测试“能否生成一段内容”，却没有观察建议是否在正确时机出现、是否容易修改、人是否能识别不确定性，以及最终业务任务是否更好完成。
P01
岗位任务没有分解
把整个岗位当成一个提示词，没有区分资料搜集、检查、起草、计算、审批和归档等不同性质的子任务。
P02
上下文过多或过少
把整个系统数据交给模型产生泄漏与噪声，或只给一个文本框导致用户重复复制业务信息。
P03
AI建议难以修改
只提供全量覆盖按钮，没有差异对比、局部采纳、依据回看、撤销与错误反馈，用户不得不重新起草。
P04
把人变成审稿机器
生成大量似是而非的内容，把认知负担转移到复核人，实际延长任务时间并弱化专业判断。
P05
过度依赖与自动化偏见
界面用确定语气、默认接受和不显示来源的方式诱导用户信任建议，即使模型未见过必要条件。
P06
无法证明业务价值
只记录使用次数和生成长度，没有任务成功、完成时间、修改率、返工率、有效拦截和用户信心的基线。
03 / ARCHITECTURE
从业务对象到可编辑建议的六层设计
Copilot设计应先问“人在哪个任务步骤中需要什么支持”，再决定对话、内联建议、检查面板、差异视图或一键起草等交互。
- 01
岗位与任务地图
记录用户目标、子任务、当前方式、耗时、错误、责任节点和交付物，区分适合生成、检索、计算和确定性自动化的环节。
- 02
业务上下文契约
只取得当前任务必需的文档、表单字段、工单状态、角色权限和输出要求，保留来源和数据时间。
- 03
知识、数据与规则分工
专业解释调用可信RAG，当前状态从结构化系统查询，公式与必填校验由确定性程序执行，模型负责理解和组织。
- 04
建议、依据与不确定性
建议对象同时包含内容、证据、假设、限制、风险和建议操作，由界面根据任务展示。
- 05
人工编辑与差异留痕
支持局部采纳、差异比较、撤销、补充依据和错误标记；区分AI生成、人工修改和最终确认版本。
- 06
任务结果与持续评测
记录任务是否完成、用户修改量、主动拒绝、人工发现的错误、审核与业务返工，将失败转为回归用例。
04 / DELIVERY
从场景判断到可持续运营
先建岗位任务基线，再选一个高频、可复核、有明确输出的子任务。若不知道当前任务耗时、返工和审核成本，上线后也无法证明价值。
- 01
G0：绘制岗位任务地图
跟随用户观察真实工作，记录触发、输入、切换系统、判断、输出、审核、异常和完成时间。
- 02
M0：选定并约束首个场景
确认当前基线、输出模板、需要的上下文、不可自动的判断、风险和用户可见的错误处理。
- 03
M1：在原工作台嵌入建议
优先使用内联检查、局部建议、差异视图和草稿区，提供依据回看和撤销，不要求用户离开任务去聊天。
- 04
M2：用真实用户进行对照
比较任务成功、完成时间、修改率、审核负担和错误类型，观察用户是否理解能力边界。
- 05
M3：运营知识、交互与反馈
将高频修改归因到知识、规则、提示、界面或任务定义，只在有授权且经评测后更新。
最低可核验交付物
| 交付域 | 必须交付 | 验收关注 |
|---|---|---|
| 岗位任务地图 | 任务、子任务、角色、上下文、交付物、异常、基线时间与返工 | 由真实用户工作观察和记录支持 |
| 人机分工契约 | 检索、生成、计算、人工判断、审批和禁止自动项 | 关键责任与接管节点清楚 |
| 上下文与权限 | 当前业务对象、必需字段、证据、身份、数据最小化与外发边界 | 模型未获取不必要数据 |
| 交互原型 | 建议、依据、差异、编辑、撤销、错误反馈、降级和无障碍交互 | 目标岗位用户能理解和控制 |
| 评测与对照 | 任务成功、耗时、修改、返工、复核、有效拦截和用户理解 | 与未使用Copilot的同口径基线比较 |
| 运营与回退 | 反馈归因、版本、灰度、回滚、告警、成本与知识更新责任 | 更新前有回归测试，失败后可回到已验证版本 |
05 / EVALUATION
评测业务结果，不只看模型语感
Copilot的价值在用户任务中发生，不应以生成字数和调用量作为主指标。评测应同时覆盖建议质量、人的理解、修改成本、业务结果和安全边界。
| 评测面 | 建议信号 | 失败时如何处理 |
|---|---|---|
| 任务成功 | 用户在正确流程中产出满足要求的业务结果 | 重新分解任务，检查缺失上下文与人机分工 |
| 建议可采用性 | 局部采纳、修改幅度、主动拒绝与重新生成分布 | 将失败归因为证据、结构、风格、数据或规则问题 |
| 认知负担 | 复核时间、反复对照次数、用户对依据与限制的理解 | 改用局部建议、差异视图和明确的不确定性展示 |
| 效率变化 | 与基线同口径比较的完成时间、等待和返工 | 检查是否把时间从起草转移到更困难的审稿 |
| 质量与风险 | 事实、数据、规则和格式错误，以及有效风险拦截 | 调整确定性校验、证据约束和强制审核触发器 |
| 用户信任校准 | 用户能区分AI建议、业务状态、正式证据和人工结论 | 改善来源、状态、时间和责任边界提示 |
| 公平与可用性 | 不同专业程度、设备、网络和无障碍用户的任务表现 | 提供不依赖Copilot的原始工作流、简明模式与无障碍调整 |
不可被平均分抵消的红线
- 未经确认的AI建议自动成为正式业务结果为零。
- 越权读取非当前任务或用户无权的上下文为零。
- 在没有证据的情况下伪造来源、数据或引用为零。
- 结果界面隐藏不确定性或不可逆后果为零。
- 用户无法拒绝、修改或退回到原始工作流的强制采用为零。
- 法定、审批、工程或重大决策责任被AI界面模糊化为零。
06 / SAFETY
安全、权限与人的责任
Copilot的安全不只是不泄漏数据，还包括不诱导用户过度信任、不隐藏错误与责任、不用默认操作替代审慎判断。
C1
上下文最小化
只传递当前子任务必需字段，在检索、模型、界面和导出层分别执行权限与脱敏。
C2
信心与证据分开
不将模型自评信心当成事实可靠性；依据充足性由可校验引用和业务规则判断。
C3
无默认高风险采纳
影响财务、审批、权益、安全或对外发布的建议不默认选中，并明确显示影响。
C4
反馈不自动学习
用户修改和上传内容不自动进入公共知识或模型训练，需明确授权、审核与去识别。
C5
AI内容标识
对适用的网络生成合成服务评估显式、隐式标识和日志要求，不用一个通用页脚代替场景判断。
C6
随时可接管
用户可停止生成、撤销、恢复原文、切换手工流程，并知道发生故障时谁处理。
07 / INTERACTIVE TOOL
岗位Copilot任务匹配度画布
选择一个具体子任务评估，不要把“专员”、“研究”或“项目管理”等整个岗位作为输入。分数只表示Copilot介入适配度，不代表可无人审核。
方法说明：方法将频率作为潜在价值信号，将歧义、后果和敏感度作为实施约束，并考虑人工复核的可用性。该公式只用于筛选试点优先级，不是投资回报测算或自动化授权。
08 / SCENARIOS
面向不同岗位任务的Copilot样板
下列样板强调人留在任务环路中，每个场景都应在客户现有软件、权限、模板和验收口径上实例化。
以下为方案样板，不是已交付客户案例。
SAMPLE 01
研究人员Copilot
在研究工作台中辅助拆解问题、检索证据、比较方法和生成研究结构，不伪造试验结果或正式学术结论。
SAMPLE 02
项目经理Copilot
在项目页面对里程碑、风险、材料和待办做一致性检查，生成会议材料草稿，不替代进度和责任认定。
SAMPLE 03
客服Copilot
根据当前工单、授权客户信息和产品版本提供排查清单与回复草稿，由客服修改并发送。
SAMPLE 04
标准与制度编写Copilot
对文件结构、术语一致性、交叉引用和待核实主张给出局部建议，不自动冒充已审查或已发布状态。
SAMPLE 05
运营分析Copilot
将指标变化、日志、工单和历史事件组织为可验证的异常解释和下一步调查建议。
09 / FAQ
常见问题
Copilot和聊天机器人有什么不同？
Copilot嵌入当前岗位软件，了解用户正在处理的对象与步骤，并以可编辑建议支持任务。聊天机器人通常要求用户自己提供上下文。
Copilot是否可以自动提交成果？
只有在低风险、可逆、规则清楚且经过评测的场景才可探索自动提交。正式发布、审批、重大决策等应保留人工责任与审计。
怎么选第一个Copilot场景？
选择高频、输入和输出相对清楚、人员可复核、错误可恢复且已有基线的子任务，而不是直接尝试替代整个岗位。
生成内容是否都需要标识？
需根据中国现行规则和具体服务形态判断。面向公众的生成合成服务要重点评估显式、隐式标识与日志；内部工具也应明确AI参与与人工确认状态。
如何避免用户过度依赖？
展示依据、限制、结果状态和数据时间，支持修改、拒绝与回退，对高风险结果强制复核，并定期测试用户是否正确理解系统能力。
用户修改能否直接用来训练？
不能默认使用。需确认数据归属、授权、敏感性、脱敏、保留期和审核。反馈可先转化为不含私有内容的错误类型和回归用例。
为什么Copilot需要RAG和业务系统？
RAG提供已发布专业证据，业务系统提供当前状态，规则工具执行确定性校验。如果只用模型内部知识，建议容易过时且无法与当前任务对齐。
Copilot的价值怎么验收？
先建未使用Copilot的同口径基线，再比较任务成功、完成时间、修改、返工、复核负担、错误和有效风险拦截，不以生成字数代替业务价值。
10 / SOURCES
参考来源与阅读路径
以下均为官方网站、标准发布页或原始论文；链接可见且可访问。本页于2026年8月10日整理，项目实施前仍应核对最新版本及适用范围。
- Guidelines for Human-AI Interaction经同行研究验证的18条人机交互指南，包括能力预期、更正、质疑与反馈。https://www.microsoft.com/en-us/research/publication/guidelines-for-human-ai-interaction/
- OECD对AI系统定义的解释备忘录说明AI系统的自主性、适应性以及人的主体性和监督在全生命周期中的意义。https://oecd.ai/en/wonk/definition
- NIST AI Risk Management Framework将治理、场景映射、测量和管理用于AI系统全生命周期风险。https://www.nist.gov/itl/ai-risk-management-framework
- 《人工智能生成合成内容标识办法》官方公布的标识管理办法，2025年9月1日起施行；具体Copilot服务需结合适用范围评估。https://www.nrta.gov.cn/art/2025/3/14/art_113_70340.html
- GB 45438-2025 网络安全技术 人工智能生成合成内容标识方法国家标准信息页，说明标准号、现行状态、发布与实施日期。https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=F32EA2A561F1886CD8D606513512D547&refer=outter
GCPI / CAPABILITY
从岗位任务出发，而不是从聊天界面出发
绿色碳汇规划院可协助客户绘制岗位任务地图，选择首个可验证场景，将可信知识、业务数据、确定性规则和AI建议嵌入客户现有工作台。
交付边界包括人机分工、建议对象、差异留痕、复核与风险触发器，以及与未使用Copilot基线的业务对照。
本站是工具原型与方案样板，不表示通用Copilot产品已全部开发完成或已交付给未具名客户。具体价值、功能和开放边界以真实项目评测为准。