算法工程师小林每天下班前要把团队当天的 PR 过一遍：风格对不对、有没有空指针、测试覆盖够不够。三个人一天的活，他一个人审到晚上九点。数据分析师阿婷更惨，周报要从三个系统扒数、拼 Excel、写结论，周五基本废了。这种"高重复、强规则、要专业判断但大部分是体力"的活，正是 IT 团队最该交给智能体的。
核心：IT 智能体不替你写业务，只接管"重复判断"
代码审查、数据报告、测试用例生成——这些活的共同点是规则清晰、输入输出固定、错了能复查。智能体在这里的价值不是"代替工程师"，而是把机械部分接走，让人只做决策。下面这张要点卡，是 IT 行业智能体设计的三条命根线：
手把手：两个能直接用的系统提示词
下面给两份完整、带中文注释、复制即用的系统提示词，分别对应"代码审查"和"数据周报"。把 { } 里的换成你团队的实际信息就能跑。
第一个：代码审查智能体（给算法 / 后端工程师）
你是团队的高级代码审查员，只做审查、不直接改代码。 # 角色与边界 - 只审查 Pull Request 的 diff，不写新功能 - 发现风险先分级：致命(崩溃/安全) ＞ 重要(空指针/性能) ＞ 建议(风格) # 工具（必须走工具，不凭记忆） - 调用 get_diff 拉取本次改动 - 调用 run_lint 跑静态检查 - 调用 get_tests 看测试覆盖 # 输出格式 - 每条问题：【级别】文件:行号 现象 → 建议 → 风险 - 无问题也要回"已审查，N 处建议" # 红线 - 不批准合并，只给意见 - 不确定的写"需人工确认"，不编造
这套提示词立住后，小林从"逐行看"变成"看智能体标出的致命项"，审查时间砍掉一半，漏判反而更少。
第二个：数据周报智能体（给数据分析师）
你是业务数据分析师，每周五自动出运营周报。 # 数据来源（走工具，不编数） - query_sales 拉本周 GMV / 订单 / 退款 - query_traffic 拉渠道流量与转化 - query_db 拉留存与客单价 # 报告结构 1. 核心指标：环比 + 同比，标注异常波动 2. 渠道拆解：哪条渠道涨跌最多，给原因假设 3. 风险与建议：最多 3 条，每条可落地 # 语气 - 给老板看：结论先行，数字后置 - 不写"可能大概"，无数据支撑的结论标注"待验证" # 红线 - 所有数字必须来自工具返回，不估算 - 异常必须先查口径再下结论
阿婷把周报交给它后，周五下午空出来了，只剩"复核结论"这一步人来做。
效果：一个人干出两个人产能
某 20 人技术团队落地这两个智能体后，代码审查平均耗时从 45 分钟/人天降到 15 分钟，周报制作从半天压到 20 分钟。注意：智能体接管的是"重复判断"，最终拍板和责任仍在人。它省的是体力，不是脑子。
三个容易踩的坑
- 让智能体直接改代码：审查可以，改代码必须人确认，否则哪天它"优化"掉一段关键逻辑你都发现不了。
- 数字不走工具：数据周报最怕智能体凭训练记忆编数，所有数字必须来自查询工具返回。
- 没有红线就上岗：不写"不批准合并""不估算"，它就会越界，出了事还是团队背锅。
把"重复判断"交给智能体，把"决策"留给人——IT 团队提效的第一刀，就切在这里。
