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
交付的方案写死在文档里，改不动。业务一变就作废，两个月后系统已经跟不上实际流程。
"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
一个产品，装下一家公司的运转
InFlow X 是一套装在你自己机器上的 AI 公司中台：主 Agent 管部门、部门 Agent 管数字员工。 SOP 交进来，能跑的流程装出去，每一步都留痕，每一分 token 都记账到人。
以上是产品真实界面截图，在上方「在线体验」里可以自己点。
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 跟你聊几句就把企业档案填出来，组织架构实时画出来。确认后才真正写进系统，出了这个页面这些部门和员工就能直接派活。重复跑不会建出重复的组织，出错也能一键还原。
SOP → 可执行工作流
核心壁垒
系统会追问它六件事：谁触发、输入从哪来、哪一步要人判断、谁审批、结果给谁、出错怎么处理。答不上就必须问用户，六件事没答全，这个工作流不能上线。里面能确定怎么走的步骤，服务端直接跑，不花钱调用模型。
知识库
回答必须有出处，没有就说没有
文件传上去自动提取正文建索引，按类别分库、设 L1–L5 五级权限，还能按文件指定谁能看。数字员工回答制度和口径类问题时必须说明信息来自哪份文件；库里没有就如实说没有，不允许编。
数据接入
四种拿数据的办法，总有一条能用
Excel / CSV 直接导入，门槛最低；平台开放 API 自动同步；给客户系统单独写个接口，一天内能接上；企业自己的数据库只读直连。API 授权还没批下来之前，先靠导出导入把流程跑通；批下来之后同一条工作流直接切到 API，SOP 不用改一个字。
成本账本
每一分 token 花在谁身上
每次调用模型，系统都记下是哪个员工、哪个任务花的钱，按部门汇总，还能按天设预算上限。这个标记加在请求里，所以任务中途交给第三方执行引擎去跑，这笔账依然能对到人和任务。
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。
从零散使用 AI，到一套持续运行的系统
把组织、流程、知识和权限接成一套系统，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。
04 · 技术架构
七层架构，四件抄不走的事
界面谁都能仿。真正的门槛在下面这四件事上。
组织化编排层
主 Agent 派活给部门，部门再派给数字员工，权限一层层收紧。哪一层出错就自动回退，不会卡死整条链。这些规则写死在代码里，不指望模型自己拿捏分寸。
追问式 SOP 提取
系统强制它回答六个关键问题，答不上就追问用户，问题没补齐这个流程不能上线。能确定怎么走的步骤由服务端直接执行，不调用模型，不产生费用。
这笔账能对到人
每次调用模型都带着「哪个员工、哪个任务」的标记，哪怕中途交给第三方执行引擎去跑，这笔账依然能对到人和任务。
引擎可换，前端无感
换一套执行引擎，界面不用改。数字员工用自主执行模式跑任务时如果出错，会自动切回固定流程模式接着干，不会卡在半路。
七层架构
支持本地切换任意模型
DeepSeek
OpenAI
Claude
Gemini
通义千问
Kimi
豆包过程记录
执行引擎内部发生的事统一翻译成同一种格式传给前端，换引擎界面不用改。
费用记录
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。
执行引擎负责把一个数字员工的活干好；
我们负责一家公司怎么管一群数字员工：怎么分工、怎么审批、怎么算账。
真正的门槛在行业插件、给数字员工用的经验库和派活调度，不在界面。
05 · 落地与安全
装得上，跑得起来
下面六条，每条都能在产品里点开看到，包括每一分钱花在哪。
一个压缩包，双击就能跑
整个服务端打包成一个文件，前后端一体。带个 U 盘去客户现场，当场解压就能演示，不用装数据库、配环境，也不用连我们的服务器。
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。要求全程不出内网时，把模型指向客户私有部署即可。
过程记录和费用记录彼此隔离
任务执行的过程记录和费用计算是两套完全分开的机制，互不干扰。三级数据权限（全公司 / 部门 / 任务）逐级收窄，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。这些规则写在代码里，模型绕不过去。
全国产技术栈，合规又省钱
执行引擎和模型都能整套换成国产方案，不依赖国外服务，满足合规要求，单次调用成本能压到几分钱这个量级。每次调用按 token 逐笔记账，员工的产出和花费一一对应，方便考核。
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。
06 · 开放生态
数据、工具、模型、执行引擎
四层都能单独换
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
数据接入分四种：Excel / CSV 直接导入、平台开放 API 自动同步、给客户系统单独写个接口封装（一天内能接上）、企业自己的数据库只读直连。遇到接不上接口的环节，就转成一个人工填报的待办，数字员工按周期去催，不会让数据缺口被藏起来。
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
想让数字员工多会一样本事，挂个工具就行
数字员工能干什么，取决于给它挂了哪些工具。我们自己开发的能力，写一个模块就能装上；第三方能力只要支持 MCP（Model Context Protocol，AI 工具的通用协议），配一下地址就能直接用，不用我们额外开发。
自研工具插件 8 个 · 已支持接入 MCP 服务器
换模型不用停机
只要模型服务商的接口跟 OpenAI 兼容（现在大多数都是），配置里填一下就能接进来，保存马上生效，不用重启。默认用国产模型满足合规和成本要求；也可以换成客户自己的 API Key，或者接内网自部署的模型。
凭证仅落本机数据库，接口返回统一脱敏
换执行引擎，界面不用改
给某个数字员工打开一个开关，就能切到自主执行模式：它自己规划步骤、调用工具完成任务。出错时自动切回固定流程模式，不会卡住。界面显示的格式是统一的，背后是哪套引擎都一样。
固定流程模式和自主执行模式可以同时用，界面显示完全一样
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：配置一下就能用，工具自动出现在员工工具箱里
[
{
"serverName": "analytics",
"transport": "streamable-http",
"url": "https://mcp.example.com/mcp",
"headers": { "Authorization": "$ENV:MCP_ANALYTICS_TOKEN" }
}
]// harness-home/plugins/my-tool.mjs：注册一个自己写的工具
ctx.tools.register(defineTool({
name: 'store_data',
description: '取三个店铺本月真实经营数据。'
+ '涉及利润、成本、亏损的任务必须先调本工具，禁止编造数字。',
async execute(_args, exec) {
const res = await fetch(`${API}/api/store-data-context`,
{ signal: exec.signal })
return await res.text()
},
}))07 · 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。业务流程：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 | 无需新增开发 |
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
08 · 商业模式
基础 AI 中台产品 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。
基础 AI 中台产品
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
- 成本账本与费用归属
- 人机协同与需求单回流
行业插件包
行业组织架构 + 方法论技能包 + 连接器映射
- 外贸 B2B 包 · 跨境电商包
- 行业组织架构模板
- 行业 SOP 技能库
- 常用平台连接器
- 换行业，主平台不用重装
- 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； 基础产品和行业包可以复用，从第五个客户开始基本是模块化搭建。
09 · 智慧金融方案
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
- 标记加在每次请求里，任务交给第三方引擎跑也算得清
- 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？
账本能直接回答「该不该上 AI、值不值」，
不必再靠 PPT 估算。
10 · 常见问题
企业负责人最常问的七个问题
demo 是不是真在跑、和别的工具差在哪、AI 会不会自作主张、成本高不高、数据安不安全，这几件最常被追问的都在这里。
还有别的问题？直接点开产品自己试。
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。