4.3 · 角色分工
人负责方向与责任，Agent 负责执行与放大——同一责任链里的两种角色。
WCN 的关键不是「用 AI 替代人」，而是把人类节点和 AI Agent 放进同一条责任链——人负责方向、资源和最终责任，Agent 负责执行放大和流程自动化。分工的边界不是理论设定，而是基于当前 AI 能力的真实边界。
人类节点：不可替代的四个领域
在 WCN 中，人类节点不是被 AI 替代的对象，而是系统的战略控制层。以下四个领域在当前技术条件下必须由人负责：
资源引入与关系建立带项目、带资本、带服务、带区域资源进入网络。高价值的 B2B 关系建立仍然依赖人与人之间的信任、判断和声誉。AI 能辅助 Research，但不能替代「你认识谁」和「谁信任你」。
战略判断与优先级决定什么值得推进、什么需要暂停、什么该进入下一阶段。当前 LLM 在信息汇总和模式识别上很强，但在涉及商业判断、市场时机和政治敏感度时，仍然需要人类经验。
信任与责任担保当一个 $5M 的投资决策需要签字时，对方看的不是 AI 的推荐分数，而是推荐人的声誉和法律责任。Web3 的高价值交易仍然是「人对人」的信任游戏。
最终责任与合规签约、付款、法律意见、税务结论、监管申报——这些动作有明确的法律主体要求。一旦出现越权、错误或争议，责任不能落在模型上，必须落在节点主体上。
行业参考：Goldman Sachs 在 2024 年部署了内部 AI 工具辅助 IPO 尽调和合同审查，但所有最终决策仍由 MD 级别的 banker 签字。JPMorgan 的 AI 合同审查系统（COIN）处理数万份合同，但每份的法律结论都需要律师确认。这是当前行业的真实边界。
Agent：最佳发力点
Agent 的价值不是「全自动」，而是在明确边界内把人类节点的产出放大 5-10 倍：
Research Agent项目信息汇总、竞品分析、风险标记、市场数据整理。把一个 VC 分析师 3 天的工作压缩到 30 分钟。输出结构化报告，人类审核后采纳或修正。
Deal Agent项目-资本匹配推荐、初筛评分、尽调要点清单、Deal 进度追踪。不做投资决策，但把决策所需的信息准备到位。
Growth Agent内容生成（项目摘要、推荐文案、社交帖子）、分发渠道匹配、归因追踪。把一个 BD 团队的分发能力标准化。
Execution Agent会议纪要自动生成、待办追踪、催办提醒、状态汇报、材料收集提醒。消除 Deal 中 30-40% 的「协调税」。
Agent 的核心角色是把「优秀节点的方法」流程化、结构化、可复制化——让一个顶级 FA 的工作方式，被 100 个普通节点使用。
AI 能力的真实边界（2025-2026）
分工设计必须基于 AI 的真实能力，而非营销叙事：
AI 擅长的信息汇总和结构化（准确率 90%+）；模式识别和异常检测；多语言翻译和本地化；流程自动化和状态追踪；大规模数据筛选和排序。
AI 不擅长的涉及法律后果的判断；多方博弈中的策略选择；文化敏感度和政治风险评估；需要「行业直觉」的时机判断；涉及个人声誉的信任传递。
AI 在进步但尚不可靠的复杂推理链（>5 步推理准确率下降）；实时信息验证（幻觉问题未完全解决）；自主决策的一致性（同一输入不同输出）。
WCN 的设计应对所有 Agent 输出默认为「建议」而非「决定」。关键动作需要人类 approve。Agent 日志完整保留，用于审计和争议回溯。
风控框架：Agent 出错时怎么办
输出审核Agent 的所有关键输出（推荐、报告、匹配结果）在对外发送前必须经过人类审核。审核人可以 approve、修改或拒绝。
权限分级Agent 的权限按风险分级：读取类（低风险，可自动）→ 整理类（中风险，定期审查）→ 触达类（高风险，必须人类批准）→ 交易类（禁止自动执行）。
审计追踪Agent 的每一次输入、推理过程和输出都被完整记录。当结果出错时，可以回溯到具体哪一步出了问题、基于什么数据做的判断。
回滚机制Agent 推荐被采纳后如果发现问题，系统支持标记该推荐为「已修正」，并更新后续依赖该推荐的所有决策链条。
WCN 对 Agent 的设计哲学：宁可慢一步，不可错一步。在 Web3 高价值交易中，一次错误的推荐或泄露可能造成数百万美元损失。Agent 的价值必须建立在可控性之上。
边界总结
必须留在人签约、付款、法律税务结论、最终 PoB 批准、高风险合规判断、重大资源承诺、对外代表网络的发言。
可以交给 AgentResearch、筛选、匹配推荐、跟进提醒、纪要生成、信息整理、状态追踪、初步归因计算、监控预警。
必须人类审批后才能执行任何对外发送（邮件、消息）、关键材料确认、交易结构建议、涉及敏感法域的操作。
必须完整留下日志Agent 的所有读取、推荐、触达、验证、标记、催办、输出——每一个动作都有 timestamp 和 context。
WCN 不追求「AI 全自动」的叙事。它追求的是：让 Agent 成为受控的、可审计的、可结算的执行层——在人类判断的指导下，把网络的执行能力放大一个数量级。