Caddi：先让人演示，再让 AI 把例外变成规则
Caddi 用真实屏幕演示和及时追问提取隐性业务规则，再把需要判断的环节交给 AI、需要一致的动作交给确定性代码。
Caddi 是一款面向专业服务机构的 AI 工作流自动化产品，目标用户包括财富管理公司、律师事务所和保险公司。Caddi 连接企业已经在用的 Outlook、Salesforce、DocuSign、NetDocuments 等系统，寻找反复出现的后台流程，再把流程训练成可以跨工具运行的 agent。Caddi 在 2026 年 8 月 24 日发布了 Loop Studio：用户可以用聊天和屏幕共享讲解工作，系统据此建立自动化流程，并在运行中留下记录。1
Caddi 面对的是一类很难靠传统流程工具处理的工作：把已签署的合同归档、把客户来信录入 CRM、核对付款、检查缺失文件。每件事的主流程看起来只有几步，真正决定结果的却常常是例外：两方只签了一方怎么办，文件夹里已有旧版本怎么办，收到的是草稿还是最终件。Caddi 的产品页把自己的方法概括成一句话：“像带新人一样训练后台专家。”2
先找哪件事值得自动化
传统自动化项目往往从一个人的愿望开始：“把这个流程搭出来。”Caddi 把起点换成了企业已经发生的工作。系统读取已连接的业务工具，列出重复出现的流程，并显示每个流程跨过哪些系统、处理了多少次、适合优先处理的程度。产品页展示的候选项包括“整理早晨收件箱”“核对信托付款”和“打开新客户事项”。3
这个设计解决的是自动化项目的第一道选择题：团队通常知道哪里有抱怨，却未必知道哪条流程重复最多、跨系统最复杂、最值得先投入。Caddi 先把候选流程列出来，再让负责人选择要训练的对象。自动化因此从“能不能做”转向“先做哪一件”。
这个入口也带来一个边界：Caddi 需要读取已有系统中的活动，发现结果取决于系统里留下了什么。它能看见重复动作，却未必能单独判断某个动作背后的业务责任。优先级仍需要熟悉业务的人确认。
把屏幕共享当成工作说明书
选定流程之后，Caddi 没有要求用户先画流程图、写字段映射，再逐个配置触发器。用户打开 Caddi Recorder，分享屏幕，一边完成工作一边解释判断依据。Loop Studio 把屏幕路径、使用的工具和用户说出的说明放到同一场训练里。2
“录一次操作”本身并不稀奇。关键在于 Caddi 把演示过程设计成一场带追问的培训。系统会在它看不清规则时停下来问：如果只有一方签字，文件要怎样处理？如果同一事项已经有一个版本，应该覆盖旧版本，还是创建新版本？官方发布文把这些答案定义为 agent 内部的规则，而不是留在录屏旁边的备注。1
这个交互的巧妙之处，在于它把“专家脑中的例外”变成了训练时必须回答的问题。传统流程图擅长记录已经被想起的步骤，屏幕演示能带出实际操作，而追问专门补上演示里没有发生的分支。用户刚做完一遍工作，判断依据还在手边，回答的成本也最低。
产品页展示的训练面板里，Caddi 会列出使用到的工具、当前捕捉到的步骤，以及等待用户回答的边界问题。这个界面把训练对象从“录屏文件”变成了“可继续补充的流程规则”。2
这套方法适合例外密集、知识集中在少数资深员工手里的后台流程。它的代价同样明确：训练必须让真正做这件事的人在场，屏幕共享也需要获得录制对象的同意。Caddi 的使用条款要求用户在录制前取得适用法律要求的通知和同意，并由用户负责确认自己有权连接相关账户、授权自动读写。4
AI 负责判断，确定性代码负责照做
Caddi 生成的 agent 采用混合方式：读取非结构化文件、理解来信、判断类别等环节交给 AI；需要精确执行的读取、创建和发送动作交给确定性代码。每次流程改动先形成提案，由人批准后再进入后续运行。1
这是一项执行层面的取舍。让模型决定长流程中的每一步，路径会随着上下文和模型输出改变；把所有步骤写成固定规则，又会失去处理文档和语言的能力。Caddi 把两类工作拆开：模型在需要理解的地方提供判断，代码在需要一致的地方锁住路径。产品页用“AI only where it needs judgment. Code everywhere it has to be exact”描述这条边界。3
这条边界还延伸到维护。Caddi 的产品页把流程改动呈现为版本变化，并给出将要新增的步骤，用户可以预览后再应用。运行历史则记录每次运行的状态、版本、耗时、进度和触发方式。2
Caddi 还把每次运行做成可以回放的记录：记录 agent 做了什么决定、为什么这样决定，以及使用了哪一项权限。产品方把这一点和“每个系统分别授予权限”放在同一组治理设计里。1
对产品团队来说，这里有一个容易被忽略的顺序：先确定哪些步骤值得让模型判断，再为精确动作设置固定执行路径，最后让版本、权限和运行记录都能被人查看。审批按钮本身只能暂停一次动作；可回放的运行记录，才让团队知道流程为何变了、哪一次运行需要复核。
可以迁移的设计原则
Caddi 的设计巧思集中在三个相互咬合的动作里：
- 从真实活动中寻找自动化对象。 先看已有系统里哪些工作重复，再决定从哪里开始，避免把自动化资源花在声音最大却价值不高的请求上。
- 让用户用演示表达流程，用追问补齐例外。 演示降低了写规格的门槛，追问把隐性判断转成可确认的规则；两者缺一，流程都容易停留在“看起来能跑”的状态。
- 把理解和执行分给不同机制。 AI 处理语言和判断，确定性代码处理必须一致的动作；改动经过人工确认，运行留下可回放记录。
Caddi 值得借鉴的地方，落在“教会系统之后如何让它受控”。对复杂业务自动化来说，最有价值的输入往往不是一段更长的提示词，而是一次真实演示、几个及时追问，以及一条能在下一次运行前被人检查的变更记录。
Fuentes de referencia
- 1
- 2AI Workflow Automation Platform | Caddi
trycaddi.com
- 3
- 4Terms of Use | Caddi
trycaddi.com
Este contenido lo produjo un canal automáticamente. Con una sola frase, Neodrop puede seguir produciendo para ti.