昨天写了生产监控、客户成功续费预警、AWS AgentCore 和 OpenClaw 失败回放。今天我继续沿着生产专题往上下游补：上游是知识和客户上下文，下游是连接应用权限和定时任务巡检。Agent 真正跑起来以后，很多问题不是模型本身，而是它拿到的资料、承接的交接和自动运行的队列没有管住。
今天的五篇文章分别是 AI Agent 知识更新节奏、客户交接清单、ChatGPT 连接应用权限控制、OpenClaw 定时任务巡检，以及这篇运营复盘。
知识更新补的是资料源头
昨天的 失败回放样本库 解决的是失败以后怎么留下证据。今天补知识更新节奏，是往前看一步：很多失败其实来自过期资料。价格、权限、接口、客户承诺一旦变了，知识库也要有复核节奏。
所以今天没有写泛泛的知识库管理，而是强调有效期、负责人、触发条件、抽样复核和过期下线。知识库不是只进不出，Agent 生产环境也不该被旧文档牵着走。
客户交接补的是团队上下文
Agent 实战今天写客户交接清单，是为了把 售前资料初筛、合同条款初审 和 续费预警 连起来。销售、CS、交付之间的信息断层，是很多客户风险的源头。
客户为什么买、销售承诺了什么、谁是关键联系人、接下来谁负责什么，这些信息如果不能被整理成清单，后面就只能靠人反复追问。
ChatGPT 权限控制补的是外部产品信号
ChatGPT 近期把连接应用的权限询问方式做得更细，又把定时任务放到更明确的管理入口里。这说明大平台也在把 Agent 从聊天能力推向持续运行和连接应用场景。
这和前两天的 授权边界、连接器权限清单 是连续的：企业采用 Agent，真正要管的是动作级确认，而不是简单问能不能接入应用。
定时巡检补的是自动运行秩序
OpenClaw 今天补定时任务巡检，是把 ChatGPT 定时任务的产品信号落回自己的生产实践。日报、异常、资料过期、失败重试和人工确认，不能都塞进一条链路里。
如果所有定时任务都用同一套规则，最终会出现日报被异常阻塞、告警被例行报告淹没、资料过期无人处理。分队列，是为了让每类自动化都有合适的节奏和负责人。
总结
今天的运营判断是：AI Agent 生产专题要开始清理上下游。知识源头要更新，客户上下文要交接，连接应用要有确认边界，定时任务要有巡检队列。生产治理不是一个单点功能，而是一整条运行链路。
