AI-agent med godkendelse før handling i Make
Request → Make Agent → proposed action → godkendelse → action
Sådan hænger workflowet sammen
Se trigger, fast logik, AI-vurderinger, menneskelig kontrol og output som ét samlet forløb.
-
01
Fast logik Trigger
Ny opgave/sag der kræver vurdering og mulig handling.
-
02
Fast logik Normalisering
Saml sag, regler og de værktøjer agenten må foreslå. Del værktøjer med læseadgang og værktøjer der kan ændre data.
-
03
AI-vurdering AI
Agenten må læse og analysere frit inden for scope, men outputter en handlingsforslag med værktøj, arguments, rationale og risk.
-
04
Handling/output Routing / handling
Approval step viser præcis handling og data. Kun accepterede proposals kalder skrive-tool/scenario.
-
05
Fast logik Fejlvej
Proposal uden skema → afvis; godkendelse timeout → luk sag; tool-resultat afviger → stop og eskalér.
Implementér ai-agent med godkendelse før handling i make
Byg først den deterministiske vej fra Ny opgave/sag der kræver vurdering og mulig handling. til et kontrolleret output.
- Trigger: Ny opgave/sag der kræver vurdering og mulig handling.
- Normalisering: Saml sag, regler og de værktøjer agenten må foreslå. Del værktøjer med læseadgang og værktøjer der kan ændre data.
- AI: Agenten må læse og analysere frit inden for scope, men outputter en handlingsforslag med værktøj, arguments, rationale og risk.
- Routing / handling: Approval step viser præcis handling og data. Kun accepterede proposals kalder skrive-tool/scenario.
- Fejlvej: Proposal uden skema → afvis; godkendelse timeout → luk sag; tool-resultat afviger → stop og eskalér.
Datakontrakt for AI-agent med godkendelse før handling i Make
Input: case_id, task_context, policy_rules, allowed_read_tools, proposed_write_scope
Efter normalisering: case_id, policy_version, authorized_tools, current_target_state
AI-output: tool_name, arguments, rationale, risk, expected_effect
Endeligt output: proposal_id, approval_status, tool_result, audit_event_id
Idempotency bygger på proposal_id + target_record_version.
Driftstest før release
- Returnér en proposal uden det krævede schema og bekræft afvisning.
- Lad en approval udløbe og kontroller, at tool-kaldet ikke kan eksekveres.
- Ændr målrecord efter approval og bekræft version-check før write.
- Simulér tool-resultat, der afviger fra expected_effect, og kontroller stop + eskalering.
Mål effekten efter release
Approval-rate, antal redigerede proposals, fejl efter godkendelse og unødvendige værktøjskald.
Når normalforløbet ikke holder
Proposal uden skema → afvis; godkendelse timeout → luk sag; tool-resultat afviger → stop og eskalér.
Agent-reasoning kan gentages på teknisk fejl, men et godkendt write-tool må ikke kaldes igen uden at verificere target_record_version og tidligere tool_result.
Brug proposal_id + target_record_version som stabil idempotency-nøgle. Gem det eksterne record-id sammen med nøglen, så en retry kan afgøre, om handlingen allerede er udført.
Approval-skærmen viser tool, arguments, målrecord, forventet effekt og risikoniveau. Kun den præcise godkendte proposal må eksekveres.
Test før drift
Returnér en proposal uden det krævede schema og bekræft afvisning. Lad en approval udløbe og kontroller, at tool-kaldet ikke kan eksekveres. Ændr målrecord efter approval og bekræft version-check før write. Simulér tool-resultat, der afviger fra expected_effect, og kontroller stop + eskalering.
Mål effekten
Approval-rate, antal redigerede proposals, fejl efter godkendelse og unødvendige værktøjskald.
Data og sikkerhed
Read- og write-tools skal have forskellige scopes. Agenten ser ikke write-credentials og må ikke selv ændre den policy, der afgør, hvilke handlinger kræver approval.
Spørgsmål om emnet
Hvad er formålet med “AI-agent med godkendelse før handling i Make”?
Lad en agent foreslå handlinger, men kræv eksplicit godkendelse før den skriver til kritiske systemer.
Hvilken del bør AI håndtere?
Agenten må læse og analysere frit inden for scope, men outputter en action proposal med værktøj, arguments, rationale og risk.
Hvordan håndteres fejl?
Proposal uden skema → afvis; godkendelse timeout → luk sag; tool-resultat afviger → stop og eskalér.
Hvad bør jeg måle?
Approval-rate, antal redigerede proposals, fejl efter godkendelse og unødvendige værktøjskald.