Measured, Not Estimated · 实测而非估算
¥0.045
一份分级报告全成本
20 条询盘 · 逐调用记账
4,409字
该报告产出规模
含 8 条首响话术草案
17秒
SOP → 可执行工作流
10 个节点 + 5 条主动追问
35,525字
客户知识库入索引
121KB Word 抽取正文
01 · 问题
每个岗位各用各的 AI，中间没人接上
上一环的产出靠人复制粘贴给下一环。谁用了、干了什么、花了多少钱，没有一笔账说得清。
环节没串联
散点使用 ≠ 自动化。每个岗位开着自己的对话框，上一环的产出靠人复制粘贴给下一环，AI 提效的部分被交接成本吃掉。
"哪怕公司很大，各个岗位都在独立用 AI，各环节没有串联起来。"
交付即失效
咨询交付的是一条死鱼。规则写在文档里改不动，业务一变就作废，两个月后系统跟不上实际流程。
"交付整条鱼，未必跑两个月就失效。"
口径不统一
同一个参数三个版本并存，关键知识只在员工脑子里。AI 学到的是过时口径，还理直气壮地对外说出去。
客户蓝图原文：专利数 69 / 91 / 100+ 三个数字并存
02 · 解决方案
六项核心能力，每项都有实测数字
下面每个数字都能当场跑一遍给你看。
企业 Onboard
聊几句，当场把组织建出来
主 Agent 对话式采集企业档案，组织架构实时生长。确认后真实写入系统——不是动画，出了这个页面就能派活。幂等可重复，随时一键还原。
SOP → 可执行工作流
核心壁垒
不是把 SOP 丢给模型自由发挥。系统强制它回答六个问题——谁触发、输入从哪来、哪步要判断、谁审批、输出给谁、出错怎么办——答不上就主动追问用户，缺口没补齐流程不允许上线。确定性节点由服务端直接执行，不烧 token。
知识库
让 AI 只敢说公司认可的那句话
文件上传即抽正文建索引，分一级库、分 L1–L5 权限、按文件指定生效范围。数字员工回答制度与口径类问题时必须引用出处；检索不到就如实说没有，禁止编造。
数据接入
四条通道，条条能落地
Excel/CSV 导入零门槛起步、平台 API 自动同步、DIY 封装接口一天内接任意系统、企业自有数据库只读接入。API 授权批下来之前，导出-导入照样跑通全流程；批下来后同一条工作流无缝切换，SOP 一个字不用改。
成本账本
每一分 token 花在谁身上
每次模型调用记账到「哪个员工的哪个任务」，按部门汇总、按日预算控制。归因信息编码进调用凭证，穿过第三方 agent 运行时仍能精确记账——这是把 AI 成本做成财务科目的技术前提。
人机协同与留痕
老板管得住，员工跑得动
三级数据权限（全公司 / 部门 / 任务），文件与工作区按部门物理隔离。对外发送与涉及资金的动作一律只出草案并标注「需人工确认」；AI 干不了的自动生成真人待办回流收件箱。
03 · 数据对比
同一件事，过去怎么做，现在花多少
右边三个数字都是本地跑出来的，不是估算。现场可以再跑一遍。
过去
跟单员一条条看、一条条判，写完话术再发出去。做多久取决于当天有多少条。
现在 · 实测
4,409 字报告，含分级表、优先跟进清单和 8 条首响话术草案。逐次调用记账，金额可查。
过去
找咨询公司写方案，交付一沓文档。客户原话：交付整条鱼，未必跑两个月就失效。
现在 · 实测
客户真实 SOP 直接生成 10 个节点的可执行工作流，外加 5 条系统主动追问，缺口不补齐不许上线。
过去
关键规则散在文档、群聊和老员工脑子里。同一个参数三个版本并存，谁也说不准哪个对。
现在 · 实测
121KB 的客户蓝图上传即抽正文入索引，分库分级。数字员工回答时强制引用出处，检索不到就说没有。
变的不只是速度，是整套干活的方式
把组织、流程、知识和权限接成一套持续运行的系统，而不是再多给一个 AI 工具。
岗位各自开 AI 对话框
每个人单独提问，产出散落在不同会话里。
AI 员工按组织协同
主 Agent 管部门，部门 Agent 调度岗位，职责与权限清晰。
上一环靠人工复制给下一环
信息反复搬运，流程断点多，提效被交接成本吃掉。
SOP 变成可执行工作流
任务沿节点自动流转，AI 与真人在同一条业务链上接力。
流程交付后很快失效
规则锁在文档里，业务一变就要重新做一套。
业务变化随时更新上线
SOP、工作流与数字员工持续迭代，改完就生效。
知识口径与数据版本冲突
同一问题多个答案，AI 可能引用过期信息对外回复。
统一知识库与数据源
按权限调用唯一口径，回答强制引用来源，全程可追溯。
一个跟单员的月薪，够数字员工跑一整年。
04 · 技术架构
七层架构，四件抄不走的事
界面两周能抄完。真正的门槛在下面这四件事上。
组织化编排层
三层分发、权限继承、部门隔离、跨部门同步、失败降级、会议收敛防循环——这些规则写在系统层，不交给模型自觉。业界都在做「一个更强的 agent」，我们做「一群 agent 怎么在公司里协同」。
追问式 SOP 提取
强制回答六问、答不上显式追问、缺口阻断上线。让「AI 编的流程」变成「能追责的流程」。确定性节点由服务端直接执行，不烧 token。
跨运行时成本归因
把归因信息编码进模型调用凭证，穿过第三方 agent 运行时仍能精确记账——这是能把 AI 成本做成财务科目的技术前提，也是同类产品普遍缺失的一环。
引擎可换，前端无感
前端只认统一事件协议，执行引擎可整体替换；agentic 链路失败自动回退标准链路，业务不中断。
七层架构
支持本地切换任意模型
DeepSeek
OpenAI
Claude
Gemini
通义千问
Kimi
豆包管线一 · 事件流
底座的内部事件映射成统一协议，换执行引擎前端无感。
管线二 · 模型出口
模型调用全经我们的代理，每次调用记到具体员工的具体任务。
底座负责「一个数字员工怎么把活干好」；
我们负责「一家公司怎么用一群数字员工」。
官方约 50 个包直接拿来用，我们自己写的核心胶水大概 400 行。 门槛在行业插件库、方法论技能包和调度层，不在界面。
04 · 落地与安全
装得上、跑得起来、每一笔都查得到
下面六条都能在产品里找到对应的实现，不是概念。
零散装依赖，一个 node 就跑起来
整个服务端打包成单文件，前后端一体、开箱即用。带个 U 盘到客户现场，解压双击就能演——不装数据库、不配环境、不连我们的服务器。
数据与密钥不出这台机器
业务数据、知识库、API 密钥全部落在本机数据库，接口返回一律脱敏，不经我们的服务器中转。要求全链路不出内网时，把模型指向客户私有部署即可。
Agent 内部通道独立分层
事件流与模型出口两条通道物理分离，互不穿透。三级数据权限（全公司 / 部门 / 任务）逐级收敛，每个部门的工作区与文件在磁盘上就是隔离的。
外部业务库权限分明
企业自有数据库只读接入，表名走白名单校验防注入，查询行数有硬上限。凭据只存在服务端，前端与数字员工都拿不到。
防幻觉做进产品，不靠模型自觉
知识库检索强制标注出处，检索不到必须如实说「知识库没有」；SOP 提取答不上的问题必须追问用户，不许编造；取数工具明令禁止编数字。这些是写在系统里的规则，不是提示词里的建议。
国产底座，合规与成本双解
执行引擎与模型全栈可选国产方案，不依赖国外技术栈，满足合规要求的同时把单次调用成本压到分级。每一次调用按 token 逐笔记账，数字员工的产出与单价变成可考核的数据。
一个压缩包拷过去，双击就能跑。
不用配环境、不用建数据库、数据不出这台机器。
05 · 开放生态
四层可插拔架构
每一层都可替换、可扩展
数据源、工具、模型、执行引擎四层各自定义了标准接入口。新增一项能力只需实现对应接口， 不改动核心代码，也不必等待产品发版。
异构数据源统一接入
四条通道分级落地：文件导入（Excel / CSV）、平台 API 自动同步、自定义接口封装（一天内适配任意具备 API 的系统）、企业自有数据库只读直连。对无接口可用的环节降级为人工采集节点，由数字员工按周期触发催办，把数据缺口显性化。
已验证：妙手 ERP 连接器 · 企业自有 MySQL 只读直连 · 电商平台连接器预置
能力插件化，兼容 MCP 标准协议
数字员工的能力边界由其挂载的工具集决定。自研能力以插件形式实现单个模块即可装载；第三方能力通过 MCP（Model Context Protocol）标准协议声明式接入，工具自动注册进数字员工的可调用清单，无需二次开发。
自研工具插件 8 个 · MCP 客户端链路已打通
多模型适配层，运行时热切换
网关层对上游供应商做统一适配，凡符合 OpenAI 兼容规范的服务均可注册，配置保存即运行时生效，无需重启进程。默认采用国产模型以满足数据合规与成本要求，同时支持切换至客户自有密钥或内网自部署模型。
凭证仅落本机数据库，接口返回统一脱敏
执行引擎与前端解耦
数字员工通过一项配置即可切换至 agentic 执行引擎，运行异常时自动降级回退标准链路。前端只消费统一的事件协议，与底层引擎实现无耦合，更换引擎不触发前端改动。
标准链路与 agentic 双引擎并存，共用同一事件协议
接入一项新能力的实际代码量
下面两段是真实的接入方式：左侧为第三方 MCP server 的声明式配置，右侧为自研工具插件的注册实现。
// harness-home/mcp.servers.json —— 声明式接入，工具自动注册
[
{
"serverName": "analytics",
"transport": "streamable-http",
"url": "https://mcp.example.com/mcp",
"headers": { "Authorization": "$ENV:MCP_ANALYTICS_TOKEN" }
}
]// harness-home/plugins/my-tool.mjs —— 自研工具插件注册
ctx.tools.register(defineTool({
name: 'store_data',
description: '取三个店铺本月真实经营数据。'
+ '涉及利润、成本、亏损的任务必须先调本工具，禁止编造数字。',
async execute(_args, exec) {
const res = await fetch(`${API}/api/store-data-context`,
{ signal: exec.signal })
return await res.text()
},
}))06 · 客户案例
广州某日用品出口企业（客户要求脱敏）
B2B 走阿里国际站双店，C 端自有品牌运营 Amazon 三站点。链路：询盘 → 报价 → 跟单 → 采购与物料核算 → 财务 → 工厂 → 发货。
| 客户自己提出的需求 | 平台已有能力 | 状态 |
|---|---|---|
19 个一级知识库 · 597 项文件 要求唯一口径与版本冻结 | 知识库一级库分类 + 发布状态 + 强制引用出处 | 已跑通 |
L1–L5 权限矩阵 | 文件级权限等级 + 生效范围 | 已跑通 |
各环节 SOP 落地 线索到商机、生产跟踪、询价分级 | SOP 提取 → 工作流资产 → 数字员工调用 | 已跑通 |
CRM / ERP / 电商数据接入 | 四通道 + 业务数据库连接器 | 通道就绪 |
受控业务 AI 求助 岗位隔离、日志审计、人工核验 | 三层权限 + 全程留痕 + 人工确认点 | 架构天然满足 |
客户自己出过一份知识资产蓝图：19 个一级库、597 项文件、P0 186 项 · 付费意向 2 万 / 年 · 另有跨境电商多店客户需求已验证
07 · 商业模式
底座订阅 2 万 / 年起
行业包和定制另算
目标客户：年营收 5000 万–3 亿、30–100 人的外贸 / 跨境电商 / 制造企业。 落地节奏：现场演示 → 两周试用 → 年度签约。
底座订阅
标准能力全集与版本升级，所有客户一致
- 三层组织与权限体系
- SOP → 工作流引擎
- 知识库（分库 / 分级 / 生效范围）
- 数据接入四通道
- 成本账本与归因
- 人机协同与需求单回流
行业插件包
行业编制 + 方法论技能包 + 连接器映射
- 外贸 B2B 包 · 跨境电商包
- 行业组织编制模板
- 行业 SOP 技能库
- 常用平台连接器
- 换行业零底座改动
- 首批定制含在年费内
定制化
超出首批配额的深度定制
- SOP 工作流装配 0.1–0.3 万 / 条
- API 连接器 0.3–0.8 万 / 个
- 私有化部署另议
- 专属模型接入
- 上门实施与员工培训
- 模型消耗按实际透传
模型消耗按实际用量透传，账本可查，我们不赚差价。 底座和行业包可以复用，第五个客户起基本是模块化搭建。
08 · 智慧金融赛道适配
企业的钱、AI 的钱，两本都记在账上
企业要不要上 AI，最后是一笔财务账。现在这笔账没人算得清，所以决策全靠拍脑袋。
第一本账
企业的钱流，交给数字员工算
- 报价计算：阶梯价、开模费、Incoterms、汇率假设逐项列出
- 订单级成本归集与摊销
- 定金、尾款核销与汇率损益
- 多店铺利润核算，亏损订单能下钻到单笔
- 出口退税资料清单
涉及钱的动作，AI 只出方案，人拍板才执行，全程留痕。
第二本账
AI 自己花的钱，逐笔可审计
- 每次模型调用记到「哪个员工的哪个任务」
- 按部门汇总，按日预算硬控制
- 归因编码进调用凭证，穿过第三方运行时仍算得清
- 确定性节点由服务端直接执行，不烧 token
- 前端顶栏常驻今日花费，随时可查
实测：一份 20 条询盘的完整分级报告，全成本 ¥0.045。
有了这两本账，下面三个问题第一次有了答案：
这个数字员工今年花了多少钱？替代了多少人工工时？
这条流程每跑一次成本多少？值不值得自动化？
公司的 AI 预算，该怎么分到各个部门？
把「该不该上 AI、上了值不值」从 PPT 上的估算，
变成账本里能查的两行数字。
09 · 常见问题
评委和客户最常问的七个问题
真实性、差异化、可控性、成本、安全——我们把最容易被追问的都摆在这里。
还有别的问题？直接点开产品自己试，或看两分钟演示视频。
在线试用产品现在就能点开用
不用留资料，不用等回复。产品、演示文稿和编译产物都在下面。
在线试用
Live Demo
整屏打开产品，无需安装、无需配置
打开路演演示文稿
Pitch Deck
16 页 · 方向键翻页 · 可直接投屏
打开编译产物与许可证
Release Repository
评估用途许可 · 禁止商用 · 不含服务端源码
打开AI 河套杯 · 智慧金融赛道 · 2026