4D框架的四个维度是什么，它们如何帮助构建AI工作流？	四个维度是问题意识(Problem Awareness)、任务委派(Task Delegation)、描述(Description)和尽职调查(Diligence)。它们一起帮助分析工作负荷、决定哪些任务适合AI、清晰定义系统行为，并规划安全部署。
在任务委派中，应该如何区分"AI能做"和"AI应该做"？	不仅要问"AI能做这个吗？"，还要问"AI应该做这个吗？"。标准化的常见问题解答适合AI处理，但投诉和需要判断力的任务应保持人工处理。
哪些类型的任务最适合AI自动化处理？	标准化响应、有文档记录的信息、清晰可重复的流程最适合AI处理，例如回答关于营业时间、退货政策或服务内容的常见问题。
在自动化中，"AI可协助，人工决策"类别包括哪些任务？	这类任务包括AI可以起草、准备或组织，但人工在发送前审查的工作，例如起草个性化跟进邮件或总结客户反馈。
产品描述(Product Description)应该包含哪三个关键要素？	最终结果是什么、系统将接收什么输入、系统应该产生什么输出。
流程描述(Process Description)中的关键决策点应该如何定义？	应该明确说明系统首先做什么、存在哪些决策点(例如"如果问题涉及定价，使用价格表")、何时升级给人工处理。
性能描述(Performance Description)应该规定系统的哪些行为规则？	应该规定语气风格、如何处理不确定情况(不要猜测)、禁止做的事情(如承诺具体时间、分享他人信息、未经批准提供折扣)。
创建尽职调查(Creation Diligence)的目的是什么？	在部署前诚实评估自动化的适当性、列出至少三个潜在失败模式、确定如何捕捉错误以及制定防护措施。
部署尽职调查(Deployment Diligence)中应该计划什么？	计划审查流程(是否审查所有输出或定期抽样)、何时可以减少监督、如何持续监控问题、什么情况下应暂停或关闭自动化。
透明度尽职调查(Transparency Diligence)要求做什么？	决定谁需要知道AI参与其中、如何披露AI角色(如邮件页脚、网站说明)、提供联系真人的选项、研究行业或当地关于AI披露的具体要求。