AI流程执行记录要能回答三个问题：这次执行由什么触发、AI做了什么、人如何确认。围绕可追溯、可复核、可交接，建议保留六类信息：执行标识与时间、触发来源与输入、AI参与环节与模型版本、决策与动作结果、人工干预与审批、证据与关联对象。字段深度按风险分级确定，高风险执行保留完整输入和审批链，低风险执行保留标识、结果与关联对象即可。
要点总览（TL;DR）
- AI流程执行记录围绕可追溯、可复核、可交接保留六类信息：执行标识与时间、触发来源与输入、AI参与环节与模型版本、决策与动作结果、人工干预与审批、证据与关联对象。
- 字段深度按风险分级确定：涉及对外发布、生产变更、资金或合规的执行保留完整输入、模型版本与审批链，内部草稿类执行保留标识、结果与关联对象即可。
- 记录写入绑定流程节点：触发时写标识与输入，AI动作完成时写结果与证据，人工干预发生时即时补录，流程结束时归档并设定留存期限。
- 职责分四类角色：流程负责人定规则与期限，执行者补录判断依据，审核者复核并记录干预，平台管理员配置自动采集与权限。
- 验收以三条阻断项把关：高风险执行缺输入版本、缺人工审批记录、未关联业务对象，任一条不满足不得归档。
一份合格的AI流程执行记录应包含哪些字段
字段设计的目标是能还原一次执行的全过程，让未参与执行的同事在需要时看懂“输入是什么、AI做了什么、人改了什么、最后落到哪里”。下面按六类信息给出字段清单，并标注必填建议。必填与选填的判断依据是风险等级：涉及对外发布、生产变更、资金或合规动作的执行，按高风险处理，六类字段全部保留；内部草稿、信息汇总类执行可按低风险处理，保留标识、结果和关联对象。
| 信息类别 | 建议字段 | 用途 | 填写建议 |
|---|---|---|---|
| 执行标识与时间 | 执行记录编号、流程名称、执行开始与结束时间、执行状态 | 唯一标识一次执行，支持按时间检索和状态统计 | 必填，由系统自动生成 |
| 触发来源与输入 | 触发方式（人工发起、定时、事件触发）、触发人、输入内容或输入对象链接、输入版本 | 说明这次执行为什么发生、基于什么材料 | 高风险必填输入快照；低风险可只保留输入对象链接 |
| AI参与环节与模型信息 | AI参与的流程节点、使用的模型或助手名称、提示词或指令要点、模型版本 | 区分哪些环节由AI完成，便于问题复现和效果评估 | 高风险必填模型版本与指令要点；低风险至少记录参与节点 |
| 决策与动作结果 | AI给出的判断或建议、实际执行的动作、动作结果（成功、失败、部分完成）、失败原因 | 记录AI输出与系统动作的对应关系 | 必填，结果字段需可枚举 |
| 人工干预与审批 | 干预人、干预时间、修改内容、审批人、审批结论、审批意见 | 体现人在回路中的确认与修正，支撑责任界定 | 发生干预或审批时必填，未发生时记录“无干预” |
| 证据与关联对象 | 输出物链接、日志或截图、关联需求/任务/缺陷编号、关联文档页面 | 把执行记录挂到业务对象上，支持追溯和交接 | 必填关联对象；高风险补充证据附件 |
字段数量不必一次求全。团队可以先按上表建立基础字段，再根据实际复盘中出现的问题补充。例如某类执行反复出现“结果对但依据错”的情况，就应把输入快照和指令要点从选填提升为必填。风险分级建议写成明确规则，例如按执行影响的业务对象划分等级，避免每次靠个人判断。
从触发到归档：记录生成的操作步骤
字段确定后，需要把写入动作绑定到流程节点上，让记录随执行自然产生，减少事后补记。以下步骤以一个AI辅助的流程为例，说明每个阶段的输入、动作、输出和完成标志。
- 确定记录范围与触发点。输入是流程清单和风险分级规则；动作是标出哪些节点由AI参与、哪些节点需要留痕；输出是记录范围说明；完成标志是每个AI参与节点都有对应的记录字段和责任人。
- 触发时写入标识与输入。流程被发起时，系统自动生成执行记录编号，写入触发方式、触发人、开始时间和输入对象链接。人工发起的执行由发起人确认输入版本。完成标志是记录状态变为“已触发”。
- AI动作完成时写入结果与证据。AI节点输出判断或执行动作后，系统写入参与节点、模型信息、动作结果和输出物链接。自动采集优先覆盖时间、状态、对象链接这类结构化信息；判断依据、指令要点等难以自动获取的内容由执行者补录。完成标志是结果字段和关联对象均不为空。
- 人工干预发生时即时补录。审核者修改AI输出或驳回时，记录干预人、时间、修改前后内容和原因。完成标志是干预记录与对应的动作结果建立关联。
- 流程结束时归档并设定留存期限。流程完成后，记录状态置为“已归档”，按风险等级设定留存期限。高风险执行建议覆盖完整的审计周期，低风险执行可按团队内部复盘周期设定。期限规则应写入流程说明，避免归档后无人维护。
自动采集与人工补录的分工原则是：系统能稳定获取的结构化信息交给系统，涉及判断和意图的信息由人补充。这样既保证记录及时，也避免执行者为填表而填表。
谁负责写、谁负责审：角色与交付物分工
记录质量取决于职责是否清晰。常见角色包括流程负责人、执行者、审核者和平台管理员，各自承担不同的记录任务。
| 角色 | 记录职责 | 主要交付物 |
|---|---|---|
| 流程负责人 | 定义记录范围、字段要求和风险分级规则，确定留存期限 | 记录字段说明、风险分级规则、归档与留存策略 |
| 执行者 | 确认输入版本，补录AI判断依据和指令要点，处理失败结果 | 完整的单次执行记录、异常说明 |
| 审核者 | 复核AI输出与证据，记录干预内容和审批结论 | 审批意见、干预记录 |
| 平台管理员 | 配置自动采集字段，维护记录模板和权限，执行归档 | 记录模板配置、权限设置、归档记录 |
审核与抽查机制建议分两层：单次执行由审核者在流程内完成复核，重点看结果与证据是否对应；流程负责人按周期抽查已归档记录，重点看字段完整率和干预记录质量。抽查发现的高频缺失字段，应回到字段设计环节调整，而不是只提醒执行者补填。
当记录需要承载在具体工具中时，可以把执行记录建成工作项或文档页面，让字段成为工作项属性，让输入、输出和证据以关联对象和附件形式挂接。ONES Assistant 能理解项目、工作项、迭代和 Wiki 页面等工作上下文，并将执行结果保存为工作项、Wiki 页面等内容，适合把上述字段落到可追踪的对象上；其AI能力基于ONES权限体系运行，输出过程可追踪、结果可审计。具体审计字段和留存期限配置仍需团队按自身规则确定。
示例：一次AI辅助需求评审的执行记录
以下为演示情景，用于说明字段如何填写，不代表真实项目数据。
场景与输入：某研发团队在需求评审前，由AI助手对需求文档做完整性检查，标出缺少验收标准、边界条件不清的条目，评审人据此确认是否进入评审。
| 字段 | 填写内容 |
|---|---|
| 执行记录编号 | AI-REV-20240612-003 |
| 流程名称与状态 | 需求评审前检查；已完成 |
| 开始与结束时间 | 2024-06-12 10:02 至 10:09 |
| 触发方式与触发人 | 人工发起；需求负责人李某 |
| 输入对象与版本 | 需求文档《订单导出功能》V1.2，链接已关联 |
| AI参与节点与模型信息 | 需求完整性检查节点；使用团队配置的AI助手；指令要点为“检查验收标准与边界条件” |
| AI判断与动作结果 | 标出3条问题：缺少导出失败提示、未定义大数据量上限、验收标准缺失；检查动作成功 |
| 人工干预 | 评审人王某补充“大数据量上限按5万条确认”，驳回其中1条误报 |
| 审批结论 | 修改后通过，进入正式评审 |
| 证据与关联对象 | 检查结果页面链接、需求工作项编号、评审会议记录页面 |
这个示例的可迁移规律有三点：输入要带版本，否则无法判断AI基于哪一版材料工作；AI输出要区分“判断”和“动作结果”，前者可能被人工修正，后者是系统事实；人工干预要记录修改内容和原因，而不只是记录“已处理”。
完成检查：记录是否可追溯、可复核
记录填写完成后，可用以下清单逐项检查。清单分为字段完整性、可追溯性、留存与权限三组，每项给出通过标准。
| 检查组 | 检查项 | 通过标准 |
|---|---|---|
| 字段完整性 | 六类信息是否均有对应字段 | 高风险执行六类齐全；低风险执行至少包含标识、结果、关联对象 |
| 字段完整性 | 结果字段是否为可枚举值 | 成功、失败、部分完成三类明确，失败附原因 |
| 可追溯性 | 输入是否可定位到具体版本 | 输入对象链接有效，版本号可查 |
| 可追溯性 | AI输出与人工修改是否可区分 | 干预记录能看出修改前后差异 |
| 可追溯性 | 执行记录是否挂接到业务对象 | 关联需求、任务或文档编号存在且可打开 |
| 留存与权限 | 归档状态与留存期限是否明确 | 记录状态为已归档，期限符合团队规则 |
| 留存与权限 | 访问权限是否与业务对象一致 | 无权限人员无法查看记录内容 |
阻断项建议设为三条：高风险执行缺少输入版本、缺少人工审批记录、执行记录未关联任何业务对象。任一条不满足，记录不得归档，需退回补充。其余检查项可作为质量评分项，按周期统计完整率，用于改进字段设计和记录流程。留存期限没有统一口径，团队应结合所在行业的合规要求和内部审计周期自行确定，并写入流程说明。
常见问题
低风险流程也要按六类字段完整记录吗？
不必。六类字段是完整版清单，实际留存深度按风险分级裁剪。内部草稿、信息汇总这类低风险执行，保留执行标识、动作结果和关联对象三项即可满足追溯；涉及对外发布、生产变更、资金或合规动作的执行，才需要补齐输入快照、模型版本与审批链。判断标准建议提前写成规则，按执行影响的业务对象划分等级，避免每次临时决定。
AI输出被人改过，记录里怎么体现才不算事后说不清？
把“AI判断”和“人工修改”分成两个字段记录，并保留修改前后差异。审核者驳回或修改时，即时写入干预人、干预时间、修改内容与原因，再与对应的动作结果建立关联。这样复核时能看出哪些结论来自AI、哪些由人修正。若只写“已处理”，事后无法判断责任归属，也无法用于评估AI输出质量。
记录留存期限应该定多长？
没有统一口径，需要结合所在行业的合规要求和团队内部审计周期确定。高风险执行的留存期限建议覆盖完整审计周期，低风险执行可按团队复盘周期设定。期限规则要写入流程说明，并在归档时明确记录状态，避免归档后无人维护。行业监管有明确要求的，以监管要求为下限。
自动采集能覆盖哪些字段，哪些必须人工补？
系统能稳定获取的结构化信息交给系统自动采集，包括执行记录编号、开始与结束时间、执行状态、触发方式、输入对象链接、动作结果和关联对象编号。涉及判断和意图的内容由人补录，包括AI判断依据、指令要点、人工干预的修改原因。分工原则是让记录随执行自然产生，减少事后集中补记带来的遗漏和失真。
把执行记录放在项目工具里，需要注意什么？
可以把执行记录建成工作项或文档页面，让字段成为工作项属性，输入、输出和证据以关联对象与附件形式挂接。ONES Assistant 能理解项目、工作项、迭代和 Wiki 页面等工作上下文，并将执行结果保存为工作项、Wiki 页面等内容，其AI能力基于ONES权限体系运行，输出过程可追踪、结果可审计。具体审计字段和留存期限配置仍需团队按自身规则确定，并在上线前验证权限边界是否与业务对象一致。
