用 Busabase 搭建自我改进的智能体：观察、决策与行动
从聊天中确认方案，到数据表、报告表和任务落地：用 Busabase 搭建观察、决策、行动闭环。结合 SEO、邮件营销与客服、GA4 和 Clarity 产品改进，讲清每个节点的用途与关联。
智能体完成了一项工作，下一轮却仍可能从头开始：为什么写这篇文章，客户后来怎么回复，修复是否真的上线，以及你对质量提出了哪些要求，都散在聊天记录里。
用 Busabase 搭建自我改进的智能体，可以从三个阶段开始：观察 → 决策 → 行动（Observe → Decide → Act）。先收集数据和反馈，AI 分析并汇报，人加入判断、品味与取舍，再由智能体执行。实际结果回到下一次观察。
下面用三个场景说明怎么做：SEO 内容运营、邮件营销与邮件客服，以及从 Google Analytics、微软 Clarity 的行为数据出发改进产品。每个场景都会给出 Busabase 的节点组合、数据表字段和关联方式。除 SEO 工作流的结构依据外，邮件和产品运营均为可搭建的示例，不代表已经验收的客户部署。
一个目标，三个阶段
先明确希望改善什么，以及用什么证据判断。例如，帮助用户找到答案、及时处理有效的邮件回复，或者修复某个让用户无法完成操作的问题。
| 阶段 | 要回答的问题 | 具体工作 |
|---|---|---|
| 观察 | 发生了什么，哪些值得关注？ | 读取数据、需求、用户吐槽、邮件回复和上轮执行结果。 |
| 决策 | 什么值得做，怎样才算做好？ | AI 整理证据、生成报告和建议，人确定方向、优先级与质量标准。 |
| 行动 | 怎样把决定落实？ | 创建任务，更新数据或文档，完成回复、写作、修复与发布，记录实际结果。 |
报告是决策阶段的产物，审阅是其中的活动。 人可以纠正假设、修改建议、提高标准、否决一项工作，也可以决定等待。阶段的产出应当是可以执行的行动指南。
反馈连接两轮工作。 数据变化、客户回复、新需求和执行结果都能进入下一次观察。第一次运行也可以直接从已有需求或历史数据开始。
人的品味怎样留下来
人参与的价值体现在取舍上：什么问题重要，文章是否足够具体，客户该收到怎样的解释，修复应该达到什么效果。
把这些判断保存下来。一次性的决定留在对应报告和任务中；经常适用的要求，写进工作区的文档或技能节点。下一轮智能体同时读取实际结果和人的标准，才有条件持续改进。
日常工作可以依据已有授权和明确规则执行。需要新判断的方向或重要变更，保留给人审阅。执行范围仍由负责人的指令与实际权限决定。
日常入口是智能体聊天窗口
你可以继续在平时使用的聊天窗口里操作。定时智能体读取最新数据、回顾历史任务，生成报告并带回聊天；聊天智能体展示方案，询问“这个方案怎么样”；你回复“同意”、提出修改、否决，或者要求补充证据。
智能体把这次确认关联到讨论过的具体方案，保存你的意见与行动指南，再创建任务交给执行智能体。执行结果写回后，下一轮定时观察继续读取。
这里是三种角色，可以由同一个智能体分阶段承担，也可以分开运行。生成报告是在为决策准备依据；人的判断确定方向；行动阶段负责把方向落实。
在 Busabase 里，先把这些节点分工清楚
每个场景先用一个文件夹节点归拢相关资源，再按职责组合：
| 节点 | 适合保存什么 | 在循环中的作用 |
|---|---|---|
| 数据表节点（Base） | 带类型字段的观察、报告、任务和结果记录 | 用状态、日期和关联字段，把每轮工作连接起来。 |
| 文档节点（Doc） | 业务目标、服务口径、质量要求、验收与发布标准 | 保存人提供的判断依据。 |
| 技能节点（Skill） | 智能体应当怎样读数据、汇报、执行和写回 | 保存可以重复运行的工作方法。 |
报告表也使用数据表节点。 每期一条记录，报告正文放在 Markdown 字段中，同时保留周期、证据关联、人工意见、决策状态和聊天确认记录。这样既能阅读长文，也能按时间、状态和来源查询。
不同表之间用关联字段连接。来源时间用日期字段，进度用单选字段，指标用数字字段，原始证据和外部产出用网址字段。审阅意见可以保存在报告的文字字段和评论中；业务状态说明进度，实际写入和执行仍按权限处理。
外部数据由已经接好的接口、采集脚本或导出文件提供，具体工作由连接的智能体及相应工具执行。Busabase 保存共享记录和变更历史，定时启动由调度器或自动化工具完成。节点本身不会自动接通邮箱、分析平台或生产发布系统。
场景一：从 SEO 周报到下一篇文章
Busabase 的 SEO 工作流把分析快照、周报、目标、内容任务和 CMS 文章连接起来。这里用简化示意说明结构，不使用内部截图或真实经营数据。
观察。 智能体读取 Google Search Console 的查询和页面数据、相关站内流量、内容需求、已有文章，以及上轮任务结果。发现一个相关问题缺少清楚答案时，先检查现有覆盖，避免重复写作。数据带上来源和截止日期，缺失就保留为缺失。
决策。 AI 在周报中解释：问题是什么，有哪些证据，为什么值得优先处理，适合新写文章还是更新旧页。你在聊天里进一步确定角度和质量要求，例如“只讲一个实际流程”“用线框图表达”“步骤要能照着做”。你说“同意，按这个角度写”后，聊天智能体把这些意见保存为关联方案的决定，并形成内容任务的写作说明。
行动。 智能体据此研究和写作，通过 CMS 流程产出文章，并在发布后检查正式网址。任务记录保存文章地址和实际发布状态。下一轮再读取可比窗口中的收录、展示与点击等反馈。文章已上线和文章带来效果，是两个需要分别记录的事实。
在 Busabase 中怎么搭建
在一个“SEO 内容运营”文件夹中组合以下节点。下面的名称和字段是起步方案，可以按业务调整。
| 节点类型 | 名称 | 建议字段或内容，以及用途 |
|---|---|---|
| 数据表 | 搜索观察表 | 统计周期、查询词、页面网址、展示、点击、数据截止日期、来源；保存选题依据。 |
| 数据表 | SEO 周报与决定表 | 周期、报告正文、关联观察、人工意见、决策状态；保存聊天中确定的下一步选择，并保留会话引用。 |
| 数据表 | 内容任务表 | 来源周报、目标读者问题、写作说明、状态、验收条件、产出网址；跟踪实际交付。 |
| 数据表 | CMS 文章表 | 标题、语言、正文、封面、发布状态、正式网址；承接内容产出。使用已有 CMS 时直接关联或记录网址，无需再建一份副本。 |
| 文档 | 目标与内容标准 | 目标读者、关注的问题、内容边界、质量要求；保存编辑判断。 |
| 技能 | SEO 内容工作方法 | 读取观察和历史周报、提出建议、生成任务、写作、回填结果的顺序。 |
**关联方式：**周报表关联搜索观察表；内容任务表关联来源周报；任务关联 CMS 文章记录或正式网址。下一期观察用页面网址和统计窗口读取文章表现，再关联回相关任务。
报告每期一条，任务按稳定的选题标识复用。相同机会再次出现时，补充已有任务的证据，而不是反复创建新任务。你在聊天里查看周报摘要、讨论选题和追踪交付，需要时沿链接打开记录核对，智能体始终知道结果该写回哪里。
场景二：收到营销或客服邮件后，怎样继续处理
一封邮件发出后，对方可能表示有兴趣、提出问题、报告故障、要求停止联系，或者只是自动回复“暂时不在办公室”。这些回复应当形成不同的后续行动。
观察。 已连接的邮箱或邮件平台把新消息写入往来邮件表，保留原始邮件标识、会话标识、联系人、关联营销活动、时间和原文。智能体读取上下文、历史处理和订阅状态，区分真人回复、自动回复和退信。
决策。 AI 把回复意图、证据和建议整理成可供人审阅的记录。你在聊天里确定语气、服务口径、能承诺什么，以及是否需要转给其他负责人；聊天智能体把决定写回来源记录。
- 营销回复：“想了解某项功能”可以变成补充资料或安排沟通的任务；明确要求停止联系时，应同步实际邮件平台的停止营销状态，而不只在表里打一个标签。
- **邮件客服：**操作问题可以生成答复任务；故障反馈可以关联缺陷任务。需要补充事实时先追问，涉及尚未确认的服务承诺时交给相应负责人判断。
行动。 智能体按已有授权和确定的口径准备、发送答复，或创建跟进与转交任务。把实际发送状态、发件标识、回复内容和客户状态写回。下一次收到回复时，继续同一会话的处理。用原始邮件标识去重，重试前核对发送结果，避免重复答复或把自动回复当成新的商机。
在 Busabase 中怎么搭建
把相关资源放在一个“邮件运营”文件夹中：
| 节点类型 | 名称 | 建议字段或内容，以及用途 |
|---|---|---|
| 数据表 | 往来邮件表 | 邮件标识、会话标识、方向、联系人关联、时间、原文、关联活动、处理状态；保存一封封真实消息与上下文。 |
| 数据表 | 联系人与订阅状态表 | 联系人、邮箱、客户阶段、营销联系状态、最近联系时间；让后续处理尊重最新客户状态。 |
| 数据表 | 回复判断表 | 来源邮件、联系人、意图分类、依据、建议答复、人工意见、处理决定、聊天引用；承接 AI 汇报与人的判断。 |
| 数据表 | 回复与跟进任务表 | 来源判断、会话关联、负责人、动作、草稿、状态、实际发送标识、结果；落实答复、跟进或转交。 |
| 文档 | 回复口径与服务政策 | 产品事实、服务边界、语气示例、交接方式；提供可引用的答复依据。 |
| 技能 | 邮件处理方法 | 读取会话、分类、生成建议、按授权执行、同步订阅状态、去重和写回结果。 |
**关联方式：**每封邮件关联联系人；每条回复判断关联原始邮件和联系人；任务关联判断和会话。发出的答复回写往来邮件表，订阅变化同步到联系人记录及实际邮件平台。人可以从判断记录一路打开原文，再查看对应任务是否真正完成。
按单封或单会话判断后，还可以生成每日汇总：哪些问题反复出现，哪些线索值得跟进，哪些答复口径需要补充。这样一封邮件的处理会反过来改进下一批邮件。
场景三：从 GA4、Clarity 的行为数据到修复与上线
产品运营的循环可以走到实际代码修改。Google Analytics 4 的漏斗探索帮助观察用户在哪一步没有继续；微软 Clarity 的行为指标提供连续快速点击、点击后无响应，以及相关错误等线索。
观察。 把 GA4 的事件与漏斗摘要、Clarity 热力图和会话录屏中整理出的行为证据，以及用户投诉，写入观察表并保留证据链接。按照实际可用的接口、导出或采集工具接入；不要假定两个平台的用户、时间范围和会话可以天然一一对应。
例如，某个关键流程在特定浏览器中流失增加，同时有用户反复点击提交按钮却没有继续。它们提示了值得检查的问题，具体原因仍要复现验证。
决策。 AI 汇总异常、影响范围、证据和可能解释，提出调查或修复建议。负责人在聊天里判断业务影响、优先级和期望体验，确认这次应当调查或执行的范围。行动指南写清楚：“在这个环境复现问题，确认原因，修复后按钮应当怎样反馈，原流程如何回归验证”。
行动。 编码智能体读取任务和证据，复现、定位、修改代码，完成针对性验证，再按已有发布流程上线。把代码变更链接、验证结果、部署版本和生产复测记录写回任务。已获授权的缺陷修复可以连续推进；需要人工判断的范围按团队规则处理。
上线后再检查原来的操作是否恢复正常，以及事件采集是否仍然准确。随后在可比较的数据窗口中回看漏斗、同类行为和用户反馈。代码已合并、版本已部署、用户问题已解决，应当分别有证据；不能把一份合并记录直接当作修复成功。
在 Busabase 中怎么搭建
在“产品体验改进”文件夹中组合：
| 节点类型 | 名称 | 建议字段或内容，以及用途 |
|---|---|---|
| 数据表 | 行为观察表 | 数据来源、时间窗口、事件或漏斗步骤、页面、设备与浏览器、异常、证据链接；归集待解释的事实。 |
| 数据表 | 体验分析报告表 | 周期或事件、关联观察、AI 判断、影响范围、人工意见、优先级、行动指南、聊天引用；保存讨论过的调查与修复决定。 |
| 数据表 | 问题与修复任务表 | 来源报告、复现步骤、预期与实际表现、负责人、状态、验收条件、代码变更链接；驱动缺陷处理。 |
| 数据表 | 发布与复测表 | 关联任务、部署版本、上线时间、生产复测结果、后续观察窗口、效果判断；区分交付、上线和实际改善。 |
| 文档 | 产品目标与验收标准 | 关键用户流程、期望体验、测试与发布要求；保存人的质量判断。 |
| 技能 | 产品改进方法 | 分析数据、汇报、创建任务、交给编码智能体、复现与验证、发布、回填复测的工作方法。 |
**关联方式：**报告关联原始观察；修复任务关联来源报告；每次发布与复测关联相应任务和版本。后续观察也带上版本与时间范围，下一轮才能分辨：工作没有交付、已经上线但尚未验证，还是证据已经支持问题得到改善。
从一个文件夹开始跑通
按智能体入门指南连接已有智能体。选一个场景，先建文件夹，再按上面的起步结构准备数据表、文档和技能节点。已有资源可以复用，不必复制。
先手动跑一轮：写入一条真实观察，生成一条报告或判断记录，加入人的意见，跟踪一个任务到实际结果。在聊天里讨论方案并保存决定，检查原始证据、决定、任务和产出能否相互追溯，再在智能体平台或外部自动化工具中设置定时运行或新数据触发。
技能节点中的方法可以从下面这段指令开始改写：工作方法文档介绍了智能体怎样发现保存的技能和提示词。
观察
读取本期数据、新需求、用户反馈，以及上轮行动的实际结果。
检查来源、日期、数据口径和重复记录。
同时读取目标文档、服务或质量标准，以及已保存的人工纠正。
决策
生成包含证据、解释、不确定性和下一步建议的报告。
关联原始观察，把方案带回我们的聊天。
记录我对具体方案的同意、修改、否决或补充证据要求。
保存形成的决定、优先级与行动指南，尊重暂停和已确认的范围。
行动
创建或复用任务，明确交付物、负责人和验收条件。
在授权范围内调用相应工具，完成具体工作。
把产出链接、真实执行状态、验证或回复结果写回关联记录。
下一轮先读取这些结果和人的指导，再提出新行动。
下一轮重点看一件事：智能体能否说明，上次的结果和人的指导怎样改变了这次建议？如果证据还不足，就记录需要等待或补充什么。
Busabase 的写入通过变更请求留下说明、差异和历史，依实际权限决定直接合并还是等待审阅。工作区把数据和人的判断保存下来，智能体与外部工具把决定落实到邮件、内容和产品。
在 Busabase 中，从一个目标、一个文件夹和一轮真实交付开始。让 AI 帮人看清问题，人确定什么值得做、怎样才算好，再把执行结果带回下一轮。