01 · 一句话讲清
这是一个什么产品
产品简介
懂规矩、会干活的数字稽查员
它住在系统与系统的缝隙里，持续把「应该是什么」和「实际是什么」对上。每一条结论，都指得到制度第几条、凭证第几张。
| 给谁用 | 企业里做报销审核的财务。装在自己电脑上用。 |
| 交给它 | 发票（PDF、OFD、图片）＋ 报销 Excel 表 ＋ 公司报销制度 ＋ 一句话说明要做什么 |
| 它交回 | 整理好的发票台账；一份最多 20 张的「建议重点复核」清单；每张票的结论（违规 / 存疑 / 通过）和依据 |
| 和 ChatGPT 的区别 | 它守一条铁规矩：拿不出依据，只能说「存疑」，不能说「通过」。对财务来说，最怕的不是误报，而是把有问题的票悄悄放过去。 |
我的角色
我一个人既是产品经理也是技术负责人：做什么、不做什么、怎么才算合格，关键决定都是我定的。代码主要由两个 AI 编程助手（Claude Code 和 Codex）按我的要求写。所以这个项目同时是两件事：做一个 AI 产品，以及用 AI 来做产品。
02 · 选方向
为什么做这个方向
财务的麻烦：活多、靠人眼、只能抽查
财务每个月要处理大量报销：发票要登记，要查有没有人重复报销，要对照公司制度看这笔钱能不能报。这些细活现有的系统管不到，全靠人看。人手有限，只能抽查大约 10%；月底才对账；不同的人标准不一样；出了问题，也说不清当初为什么放过。
为什么现在用 AI 能做
这些活都卡在系统和系统之间：邮箱里的发票要手工录进报销系统，两张导出的表要人来对，制度要人拿着去比每一张发票。以前的自动化脚本处理不了五花八门的发票图片，也做不了需要判断的事；直接给财务开个 ChatGPT，它又不懂这家公司自己的规矩。现在的大模型看得懂发票、读得懂制度，正好能补上这块。
为什么一个人也做得了
不需要公司系统的接口权限。财务用自己的账号把数据导出来交给它就行，跟现在手工干活拿数据的方式一模一样。
为什么先做查重，最后做合规审查
查重（找重复报销）最容易出成果：不依赖制度写得好不好，财务也不用改变工作习惯，直接给出一个财务最认的数字——「人工原本会漏掉多少张」。对照制度审发票最难，因为制度是写给人看的，到处是「按职级」「视情况而定」，所以放在最后。
03 · 产品判断
产品价值是怎么想的
价值落在三类人身上
| 财务 | 不用再抽查，进来的每张票都被看过；自己只细看最多 20 张最值得看的；每条结论都写着依据，被问到「当初为什么放过」「为什么拦下」时答得上来 |
| 报销的同事 | 不按人排名，不和绩效挂钩；报告用「提醒 + 建议」的语气说话。它是帮手，不是监视器 |
| 公司 IT | 装在财务自己电脑上，没有超级账号；发票图片不出这台电脑；往外发的每一笔数据都有记录 |
价值从哪来：从「抽查 10%」变成「每张都看过，人只看最值得看的」
原来财务人手有限，只能抽查，月底才对账。拾遗把读票、登记、查重、对照制度这些费时间的活全包了，最后只交回一份最多 20 张的复核清单，按「证据最硬、金额最大」排好，还附上能直接粘到税局网站去查验的信息。
上限定成 20 张是刻意的：一个下午看得完。没有上限的话，「全部拿去税局查一遍」会变成默认动作，而税局会记下每张票被查过几次，财务正是靠这个数判断异常的，查多了就把这个判断依据弄乱了。
在财务这件事上，可信本身就是价值
财务 AI 只要放过一张问题票，财务就不会再信它。所以我先把「它对用户承诺什么」定下来，再谈好不好用：
- 每条结论都有依据。写清制度第几条、哪张凭证；拿不出依据，只能说「存疑」。
- 它看不到你看不到的数据。没有超级账号，数据都是你自己导出来交给它的。
- 不当监视器。记录里只记「错在哪一类」，不记「谁错了」。
- 判不了的明说。这一版判不了的票，单独列出张数和金额，不会混进「没问题」里。
这几条都写在程序里，不靠 AI 自觉：写在提示词里，AI 大多数时候会照做，但不是每次都照做，而且它没照做时你根本不知道。怎么做到的，见下一节「规矩层」。
名字也是这个意思：「拾遗」是古代的谏官，只负责把漏掉的事捡起来提醒，不负责问罪。
人和 AI 怎么分工
目标不是把人去掉，而是把不值得人做的活去掉。AI 做费时间、做错能改回来、能核对的活：读票、登记、比对、排清单、预填税局查验表。人做不能反悔、需要有人负责的事：敲验证码、决定这一批要不要提交、最终怎么处理一张票。让人来确认，不是因为 AI 不够好，而是有意留下的把关点。
越用越懂这家公司
一个财务 AI 专不专业，不取决于提示词里写一句「你是财务专家」，而取决于它在这家公司攒下的东西：制度库、被人纠正过的案例、每个数据该去哪张表取的说明。我给自己的检验标准是：换一家公司，这些东西能直接搬走吗？答案应该是不能。
04 · 架构
AI 架构是怎么做的
一句话
聪明交给模型，规矩写进程序。不给每个任务画固定流程图，而是给 AI 几个通用能力和一个准备好的工作环境，让它自己决定先做什么、怎么做；程序只管守住边界、核对结果。
核心思路：不画流程图，让 AI 自己想办法
做了什么：只给 AI 几个最基本的能力——读文件、写文件、运行程序——再把它的工作环境准备好：公司制度、历史台账、纠错记录、操作手册。
为什么：很多 AI 产品会先画一张固定流程图，每一步调一次 AI。这样好控制，但来一种新发票、一份新制度、一种新表格，就得改流程、发新版本，AI 只是流程里的一个零件。我参考的是 Claude Code（一个 AI 编程助手）：它没有什么「修 bug 流程」，只有读、写、运行这几个基础动作，专业能力来自它所在的代码仓库。财务没有现成的「仓库」，我要做的就是把这个环境造出来。
带来什么：第一周就验证了这条路：合并 5 个门店共 3.6 万行 Excel，没写任何专门的工具，AI 自己写程序完成，两个系统上结果一分不差。以后加新票种、新场景，理想情况是补一本手册，不改代码。
分层看一遍
从用户看得到的界面，到最底下的数据，一共五层，外加一条 AI 碰不到的通道。
界面层 · 人怎么用它
做了什么桌面程序（双击打开，右下角有小图标，任务做完弹通知），也能在浏览器里聊天或用命令行。交付的是一个 657 MB 的压缩包，解压就能用。
为什么财务电脑归公司 IT 管，平时没有安装软件的权限；界面里不放任何业务逻辑，只负责展示。
带来什么财务不用装任何东西就能用；以后换界面、加界面，功能不用重写。
AI 内核 · 脑子
做了什么用 Claude 官方提供的 AI 助手开发框架，不自己从头写。模型用通义千问、Kimi、DeepSeek 等国产模型，换一个只改一行配置。整个产品只留一个让 AI 进出的入口，给 AI 的工具总数控制在 25 个以内。
为什么「AI 怎么一步步把活干完」，成熟框架已经做好了，没必要重造。只留一个入口，是因为多一个入口，下面那层规矩就可能被绕过去。控制工具数量，是因为国产模型每一轮都要把所有工具说明重看一遍，工具多了既费钱又容易分心。
带来什么精力都花在财务业务上；AI 的每个动作都要过同一道关，没有漏网的。
规矩层 · 7 条写死在程序里的规定
做了什么每月花钱超预算自动停；往外发的每一笔数据都留记录（只记数据长什么样，不记内容）；大文件不许整个塞给 AI，只告诉它文件在哪；命令按白名单分级执行，密钥对命令不可见；写文件要先过检查；每条命令都留痕；访问税局只允许一个网址，全程留记录。
为什么这些都是「错一次就收不回来」的事，不能指望 AI 每次都记得。
带来什么不管 AI 怎么想，越界的事都做不成；这也是跟公司 IT 谈安全时最有说服力的部分。
工具层 · 手
做了什么保留读文件、写文件、运行程序这几个通用能力，另外做了 17 个只读的辅助工具（下面单独列）。
为什么没有因为「运行程序看起来危险」就把它禁掉。禁了，AI 就没法自己写小程序处理数据，而这正是它最强的地方。危险交给上面那层规矩去管。
带来什么碰到没见过的表格、没见过的任务，AI 能自己写个小程序解决，不用等我们开发新功能。
数据层 · 记忆
做了什么9 份统一的数据格式，任何数据写进去之前都先检查格式；一个本地数据库；Excel 台账（一张票一行）；在本机运行的图片文字识别。
为什么格式统一，各部分之间才不会对不上；文字识别放在本机，发票图片就不用传到外面。
带来什么数据可靠、查得到来源；发票不出这台电脑，财务和 IT 都放心。
AI 碰不到的通道
做了什么结果存进台账、纠错记录入库、制度导入，这几件高风险的事不让 AI 做。AI 只交「候选结果」，程序检查无误后再写进去。
为什么这几件事不需要 AI 的聪明，只需要绝对不出错。
带来什么最关键的数据永远是程序按规矩写的，不会因为 AI 一时出错被写坏。
17 个工具分别干什么
除了通用能力，我另外做了 17 个辅助工具，全部只读，不会改动任何数据。每个工具做之前都要先回答一个问题：这件事 AI 自己写个小程序能不能做好？能做好的，一律不做成工具。
| 一组 | 干什么 | 为什么要做、带来什么 |
|---|
| 识别图片里的字（1 个） | 把图片里的文字和位置读出来。PDF、OFD 先转成图片再用它 | AI 自己看不清图片里的每个字，所以需要它。但只做「读字」，不做「识别发票」：哪个是发票号、哪个是金额，AI 自己就认得出来。这样以后加火车票、出租车票，程序一行都不用改，这一点有自动测试盯着 |
| 查历史台账（5 个） | 查本地历史记录；给每张票算一个「指纹」（用发票号码、日期、金额等算出来）；拿指纹查历史上有没有同一张票；看数据多久没更新 | 这是查重的核心。指纹分三档宽严，能分出「完全一样」「内容一样但号码不同」「大致相似」。超过 90 天没更新的数据，不能拿来判「违规」，免得用过期数据冤枉人 |
| 拿出依据（4 个） | 查制度条款；引用制度原文；标出是哪张凭证；按固定语气写报告 | 引用制度必须照抄原文，不许改写，AI 就没法「编」一条制度出来。先查公司制度，查不到再查国家规定，还要记下「用什么词搜的、搜到几条」，所以「公司确实没规定」这件事也能被复查 |
| 自我检查（4 个） | 检查每条结论有没有依据；结论和依据有没有矛盾；抽一部分给人复核；同一批跑两次结果是否一致 | 写代码出错有编译器报错，财务没有。要让 AI 自己干活，就得给它能发现自己错误的「检查器」，否则它只会自信地犯错 |
| 知道自己会什么（3 个） | 列出自己能做的事；查「缺某个数据该去哪张表找」；声明「这类我判不了」 | AI 说「判不了」时，必须对得上一条登记过的原因，由程序核对。一个总说「判不了」的 AI 看起来很谨慎，其实比判错更难发现 |
4 本工作手册
工具解决「能做什么」，手册解决「该怎么做」。手册是用文字写下的业务经验，AI 用到时才翻开，平时不占它的注意力。
| 手册 | 写了什么 | 为什么要有它 |
|---|
| 费用合规审查 | 拿到发票后按什么顺序查、什么情况给什么结论、报告长什么样 | 这是审发票的业务经验本身。写成文字，财务专家看得懂，也能自己改 |
| PDF / OFD 取字 | 先用文件自带的文字；取不到才转成图片去识别；明确写着「不许另做发票专用工具」 | 自带的文字又快又准，优先用；同时守住「不为单个场景造工具」的规矩 |
| 缺数据怎么办 | 不绕过、不瞎猜：查「数据该去哪找」的说明，生成一份待办，把取数步骤交给人 | 落实「AI 看不到你看不到的数据」：缺数据时，它不会自己想办法去拿 |
| 报告怎么说话 | 给人看的报告用「提醒 + 建议」的语气，不出现「责任人」这类指向个人的词（有自动检查） | 报告怎么说话，决定了同事把它当帮手还是当监视器 |
以后要加新能力，按这个顺序考虑：
- 能用文字写清楚的 → 写进手册，不改代码
- 需要精确计算的 → 做一个通用工具
- 必须强制执行的规矩 → 写进程序里的规定
- 觉得需要画固定流程 → 停下来，说明前三步没想清楚
怎么知道它做对了：先出考卷、锁住答案，再考试
做了什么：30 张真发票，先逐张标好正确答案并锁住；答案改一个字，之前的成绩全部作废；考试时 AI 读不到答案。
为什么：AI 产品最容易自欺欺人的地方是测试。事后改答案、调标准，都能让数字变好看。这套规矩防的不是 AI 作弊，而是防我自己。
带来什么：每次改动后都重考一遍，好看不好看都如实记下来，拿去跟财务、IT 谈也站得住。
05 · 效果
效果怎么样
| 做了什么 | 结果 |
|---|
| 合并 Excel | 5 个门店共 3.6 万行、合计 ¥14,736,038.18，在两个操作系统上各跑一遍，结果一模一样；没写任何专门的 Excel 工具。3.6 万行里只有 8 KB 的摘要被 AI 看到——它是写程序去处理数据，不是把数据全读进去 |
| 读发票 | 30 张真发票：发票号码、开票日期、价税合计 30 张全对；完全读不出来的从 4 张降到 0 |
| 税局查验 | 20 张真发票全部查完并写回台账（19 张一致，1 张不一致，单独列出）；按用户反馈，一批的人工时间从约 30 分钟降到 3～4 分钟 |
| 安装 | 从「装一套 Linux 系统 + 重启 + 导入 1 GB 文件」变成一个 657 MB 的压缩包，解压就能用，断网也能装 |
| 对照制度审发票 | 公司制度 81 条 + 国家规定 6 条入库；20 张考题从头到尾跑通，每条结论都带依据 |
| 选模型 | 同一套 30 张考卷：DeepSeek 对 29 张，通义千问对 28 张，但千问费用只要约 14%，选了千问 |
| 49 张发票整理成表 | 之前有 7 行填错；把工具改好用之后，第三次 49 行全对 |
06 · 落地案例
5 个落地案例
每个都按同一个顺序讲：遇到什么问题 → 我怎么做 → 效果。
案例 1 · 哪些该自动、哪些留给人
不让 AI 全自动查税局，人只敲验证码
问题
查重挑出的可疑发票，要去税局网站查一下真假。大家的第一反应都是「让 AI 全自动查」。我算了算，发现不行：
- 会弄坏财务的判断依据。税局会记下每张发票被查过几次，全国共享、清不掉。财务靠这个数判断异常（一般超过 2 次就要警惕），AI 每查一次就永久 +1。
- 验证码根本不是大头。人工查一张：抄信息约 60 秒、敲验证码约 10 秒、记结果约 20 秒。验证码只占约 11%，真正费时间的是抄信息。
- 税局的批量接口用不了。它要专门的实名账号，不是每个财务都有。
我怎么做
AI 负责抄信息、填表，人只敲验证码。AI 只能访问税局这一个网站，每一批都要人点头才提交，全程留记录。
效果
20 张真发票全部查完并写回台账：19 张一致，1 张不一致，单独列了出来。按用户自己的说法，一批的人工时间从约 30 分钟降到 3～4 分钟。
案例 2 · 规矩怎么落地
光跟 AI 说「要守规矩」没用，得写进程序
问题
- 测试全过，规矩却没人执行。「拿不出依据只能说存疑」这条规矩，我做了专门的检查模块，30 条测试全通过。但一查发现，真实运行时这个模块根本没被调用。
- 出错了也不吭声。第一次花真钱完整跑一遍，Windows 上少了一项配置，AI 写文件全被拒。它没报错，而是换着法子重试了 29 次，把当天的额度用光了。还有两处类似的：某一步跳过了不提示；公司制度一条都没导进去，却显示「导入成功」。
我怎么做
每条规矩都改成程序强制执行；存结论这类重要的写入不交给 AI，由程序来做；每个检查都配一个「故意弄坏它，看它报不报警」的测试；所有跳过和失败都必须明确提示。一句话：提示词管偏好，程序管规矩。
效果
关键规矩全部改成程序强制；三处「出错不吭声」全部修好，并新增 10 条测试专门盯着它们。
案例 3 · 先让用户装得上
4 台电脑只有 1 台装得上，我推翻了底层设计
问题
拿 4 台真实的财务电脑试装，只有 1 台装得上：一台还是 Win7，一台内存不到 4 GB，一台系统版本不够。而且这些电脑都归公司 IT 管，平时没有管理员权限。
原因是原来的设计要先在 Windows 里额外装一套 Linux 系统，用来把 AI 运行的命令关在一个隔离环境里，保证安全。这要 2,669 行安装脚本、重启电脑、导入 1 GB 文件。难点是：去掉它，就要动当初跟 IT 承诺的安全方案，而 Windows 自带的隔离功能我实测连启动都启动不了。
我怎么做
装得上比技术漂亮重要，决定去掉。动手前先留好随时能退回去的备份点，把改动计划写成文档，再让 4 个 AI 助手分别对照代码逐条核实，纠正了 4 处想当然的地方。安全上说实话：如实告诉 IT「Windows 上暂时没有系统级隔离」，其他系统上的安全措施一点不降。
效果
一个通宵加一个上午改完，删掉 3,200 行安装代码，变成一个 657 MB 的压缩包，解压就能用；发布前的 6 项检查全部通过，包括断网安装。
案例 4 · 改工具，而不是反复叮嘱
AI 总把结果格式写错，那就让它写不错
问题
AI 能看懂发票，但最后交出来的结果文件经常格式不对，系统用不了。有一次真实运行：9 轮对话、花了 ¥1.15，两次提交都因为格式错误被退回，最后一份结果都没交出来。最省事的修法是给发票写一套固定步骤，但那又回到了「画流程图」的老路。
我怎么做
不再反复叮嘱 AI「注意格式」，而是改它手里的工具：
- 做一个统一的「提交」工具：AI 只填业务内容，格式、编号、校验都由程序自动补上；
- 格式要求直接写进工具的填写说明里，填错当场就知道；
- 「到底交没交成功」以存到硬盘上的回执为准，不以 AI 嘴上说的「完成了」为准。
效果
改之前，平均每张票约 43 轮对话、¥6.1；改之后，一张票 8 轮、¥0.95，第一次提交就成功。两次条件不完全一样，只能说明方向，不算严格对比。
顺带选了模型：同一套 30 张考卷，DeepSeek 对 29 张，通义千问对 28 张，但千问的费用只有 DeepSeek 的约 14%（¥2.75 对 ¥20.18）。我在知道差 1 张的情况下选了千问，并写明「便宜但略差」，没有说成「一样好」。
案例 5 · 出了事故，不急着收紧
AI 不用我给的工具，原来是我的工具不好用
问题
安装包给出去试用，用 49 张真发票一跑，出了两次事故：
- 交白卷：27 秒就结束，界面显示「已完成」，但什么都没交出来。AI 最后一句话是「正在看三个 Excel 文件的结构，稍等片刻」。
- 错表照交：49 张票整理成表，有 7 行填错（比如买方、卖方的税号整列填反），AI 自己只发现了 3 行。
最省事的修法有好几种：禁掉 AI 的某个功能、给「处理一堆 PDF」写死一套步骤、强行拦住 AI 自己写脚本。我都没用。这些都是靠收走 AI 的自由让症状消失，下一个没拦到的地方还会出同样的事。
我怎么做
一个个查真正的原因：
- 交白卷：AI 其实派了个「帮手」在后台干活，自己在等结果。是我们的程序不会等，以为它停下来就是干完了。→ 让程序学会等：后台还有动静就一直等，4 分钟没动静才放弃；没干完，绝不显示「已完成」。
- 不用我的工具：我做的 PDF 工具一次只能处理一个文件，49 张要调 49 次，还不如 AI 自己写个脚本一次搞定——它选写脚本其实很合理。→ 把工具改成一次处理整个文件夹（49 张 1.86 秒），并把「这种活用这个工具」直接写进工具说明。
- 查出了错，却被 AI 解释掉了：AI 主动做了自查，自查工具也正确报了错，但 AI 认定「这是正常的」，还把那几行从核对清单里删了。→ 自查发现的问题，原文直接显示在界面上，和 AI 的说法并排放，由人来判断。不拦 AI，只是不让问题消失。
07 · 体会
我的体会
- 先定标准，再测。
- 重要的规矩写进程序，别指望 AI 自觉。
- 没有依据的『通过』最危险，因为它悄无声息地放过了问题。
- 自动化不是把人去掉，是把人的时间留给只有人能做的判断。
- 装不上的产品，价值等于零。
- AI 做错了，先看是不是我给它的工具和环境有问题，再考虑加限制。
- 永远不要束缚 Agent。给它自由，相信它——智能留在模型里，代码只守边界。
- 坚持使用、研究、学习『最好的 AI』。先把好的产品抄到位，再考虑超车。
- 不要吝啬 token。花出去的 token 会以另一种方式回馈。