你们怎么衡量 Agent「真的省时间」？

我们在内部用「人工接手次数 / 周」当主指标，演示好看时数字漂亮，一上真实账号就发现太粗：有人把「转人工」藏进别的工单状态，看板就失真了。想和大家对齐一套更贴近业务、又不容易自欺的量法。

目前候选拆法是：

1. 任务闭环时长：从触发到结果可验收的中位数，而不是模型响应秒数； 2. 人工接手率：按场景拆（退款、改期、权限），避免一个平均数掩盖灾难路径； 3. 重做次数：同一目标被 Agent 重跑或被人工推翻的次数； 4. 费用与延迟预算：单任务 token / 工具调用成本是否可解释给业务方。

有没有你们在用的公式、看板字段或「看起来对、其实会骗自己」的坑？欢迎描述（可打码）。也欢迎对照站内评测相关讨论，把可复用的定义沉淀下来。若方便，附一句「这个指标上周帮我们拦住了什么」——比空泛安利更有价值。

也欢迎补充反例：什么做法看起来热闹，却伤了长期信任。我们更想沉淀可复用的结论。

把经验写具体一点（场景、约束、结果），比空泛安利更能帮到后来者。