汇联易Spark AI是专为企业打造的财务AI基础设施平台，以"主-子智能体（Main-Sub Agent）"协同与ReAct机制为核心，深度融合专有财务工具与数据服务，驱动财务工作流实现从辅助到自主运行的跨越。

Spark AI 的技术架构是什么样的？

Spark AI采用三层技术架构设计，从底层基础设施到上层应用场景，层层递进、各司其职。这种架构的好处是：底层能力可复用，中层能力可编排，上层应用可扩展。

层级	名称	核心模块	作用
上层	应用场景层	5款标准智能体 + 自定义智能体	直接面向用户的AI应用，覆盖财务各场景
中层	能力编排层	智能体构建与资产、智能审核规则引擎、数据与测试	AI能力的调度和管理中心，负责规则配置和资产沉淀
底层	基础设施层	模型接入Hub、Agent Runtime、PaaS能力、SaaS服务、企业私域系统对接	提供基础算力、运行环境和系统对接能力

模型接入Hub

模型接入Hub是Spark AI的"模型路由器"。它支持接入多种大模型，包括通用大模型和行业大模型，企业可以根据自身需求选择合适的模型，也支持私有模型快速接入。这样做的好处是不绑定单一模型供应商，可以根据不同场景选择性价比最高的模型，同时也能应对模型供应商的政策变化。

Agent Runtime

Agent Runtime是智能体的运行时环境。它负责任务调度、工具调用、多轮对话管理、上下文维护等核心功能。基于ReAct（Reasoning + Acting）机制，智能体可以一边推理一边行动，通过调用工具完成复杂任务。

企业私域系统对接

企业私域系统对接能力是Spark AI与纯大模型的关键区别。Spark AI可以对接企业内部的ERP、HR、OA、费控等系统，获取企业私有数据，在企业自有数据的基础上完成任务。这意味着AI不是"只会说通用知识的聊天机器人"，而是"懂你企业业务的智能助手"。

5款标准智能体分别能做什么？

Spark AI目前提供5款标准智能体，分别对应不同的财务场景。每款智能体都有明确的定位和适用场景，企业可以按需启用。

三类智能体架构有什么区别？

5款标准智能体分属三类架构，分别适用于不同复杂度和容错要求的场景。选型时要根据具体场景的特点，选择合适架构的智能体。

类型	技术特点	适用场景	代表智能体
强SOP约束型	增加LLM调度约束层规则引擎，强制遵从SOP，极低容错	报销单审核、合同审核、资产盘点审核	Approval Copilot
轻量级智能体	基于Build In Tools，支持RTC，回复快、成本低	差旅助理、知识问答、语音智能体	Travel Copilot、Service Copilot、Claim Copilot
AgentLoop重型	多智能体架构，支持多步骤长程任务	Excel数据处理、分析报告制作、月结成本核对	Insight Copilot

强SOP约束型的核心在于"稳"——审核这种场景容错率极低，错一张单据可能就意味着合规风险，所以必须有规则引擎兜底，不能完全依赖大模型的自由发挥。轻量级智能体的核心在于"快"——问答、查询这类场景需要快速响应，所以用Build In Tools直接调用，不经过复杂推理。AgentLoop重型的核心在于"强"——数据分析这类场景需要多步骤、多工具协同，所以用多智能体架构逐步推进。

Build In Tools 财务专用数据服务是什么？

Build In Tools是Spark AI内置的财务专用数据服务工具集，也是纯大模型做不到的事情。大模型虽然能说会道，但涉及实时数据、精确计算、外部系统查询时，就无能为力了。Build In Tools就是给智能体配备的"工具箱"，让它们能调用真实的数据和服务。

主要包括以下几类工具：

• 通用财务工具：数学计算器、汇率查询、工商信息查询、印章识别等
• 交通出行数据：火车时长/价格查询、地理距离计算、航司舱等查询等
• 餐饮数据服务：商户人均价格查询、商户名与发票销方比对、税务风险黑名单等
• 酒店住宿数据：酒店价格信息检索、星级与设施查询等

举个例子，员工报销一张餐饮发票，智能体不仅能识别发票金额，还能调用餐饮数据服务，查询这家餐厅的人均价格，如果人均价格远低于发票金额，系统就会标记为异常，提示审核人员关注。这是纯大模型做不到的，因为它没有实时的商户数据。

再比如，员工提交差旅申请，说要从北京去上海，智能体可以调用交通出行数据，查询高铁时长和价格，自动判断员工选择的交通方式是否合理、是否符合差标标准。

安全管控体系是怎么设计的？

企业级AI应用，安全是底线。Spark AI采用三阶段安全管控体系，从事前、事中、事后三个维度全面保障安全。

事前准入管控

事前管控主要解决"谁能用、能用什么"的问题。包括：

• 可见范围设置——不同角色、不同部门的员工能看到和使用的智能体不一样
• 发布审批生效——新的智能体或Skill发布前需要审批，不是谁都能随便发布
• 外网隔离管控——支持企业内网部署，数据不出企业网络边界
• 私有模型快速接入——企业有自己的私有大模型也能快速接入

事中运行管控

事中管控主要解决"使用过程中怎么保障安全"的问题。包括：

• 会话级沙盒隔离——每个用户的会话都是独立的沙盒环境，数据互不干扰
• 数据权限继承——智能体能访问的数据范围，继承用户在企业系统中的权限，不会越权
• 页面水印防截屏——敏感页面加水印，防止截屏泄露
• 成本额度管控——每个用户、每个部门有使用额度，避免滥用

事后分析复盘

事后管控主要解决"用了之后怎么审计和优化"的问题。包括：

• 成本与事务类型分析——统计各部门、各场景的AI使用成本和效果
• 违规事项识别——自动识别异常使用行为和违规操作
• 权限策略调整——基于使用数据，持续优化权限配置

Skill扩展机制有什么特别之处？

Skill扩展机制是Spark AI的重要特色，它让企业能够"自己动手，丰衣足食"——不需要依赖厂商开发，业务人员自己就能创建适合自己业务场景的AI技能。

主要特点包括：

• 自然语言创建Skill——零代码门槛，业务人员用自然语言描述需求，系统就能生成对应的Skill。不需要写代码，财务人员自己就能做。
• 经验沉淀回写——任务结束后，系统自动复盘，提炼可复用的经验，写回Skill库。用得越多，Skill越智能，形成正向循环。
• 节能调度——SOTA模型收敛Prompt，稳定后交由中低模型执行。在保证效果的前提下，降低使用成本。
• 个人额度精细化管控——周期性发放额度、有效期控制、手工干预、任务级消耗追溯。企业可以精细化管理AI使用成本。

这种机制的好处是，AI能力不再是"厂商给什么就用什么"，而是"需要什么就做什么"。每个企业的业务都不一样，标准化的智能体只能覆盖通用场景，个性化的场景需要通过Skill扩展来满足。

版本与部署方式有哪些选择？

部署方式	适用场景	特点
公有云SaaS	中小企业、快速上线	开箱即用、维护成本低、按月/按年订阅
混合云部署	中大型企业、有一定安全要求	核心数据本地存储，AI能力云端调用，兼顾安全与体验
私有化部署	大型集团、金融/政府/军工等强合规行业	全部部署在企业内网，数据不出企业边界，安全等级最高

Spark AI支持灵活的部署方式，企业可以根据自身的安全要求、IT能力和预算情况选择。公有云SaaS版本上线最快，基本注册就能用；私有化部署安全等级最高，但实施周期和成本也更高。

能和哪些系统集成？

Spark AI不是孤立的AI平台，它深度融入汇联易的费控、商旅、电子档案等产品体系，同时也支持与企业现有系统对接。

主要集成能力包括：

• 费控报销系统——与汇联易费控系统深度集成，AI审核、智能填单、预算预警等能力直接嵌入费控流程
• 商旅平台——与汇联易甄选商旅平台对接，智能差旅申请、行程规划、差标校验
• 电子档案——与汇联易e档案对接，智能归档、自动分拣、四性检测
• ERP系统——支持用友、金蝶、SAP、Oracle等100+主流ERP系统对接，凭证自动生成、预算联动
• HR系统——组织架构同步、员工信息同步、费用标准自动匹配
• OA系统——审批流对接、消息通知
• 开放API——提供完善的开放API，企业可以自行集成到自有系统中

哪些企业在用？

汇联易服务超过3000家亚太企业客户，超1/3中国500强企业在用，覆盖全球80+国家与地区。Spark AI作为其核心AI平台，已在多家大型企业落地应用。

代表客户包括：

• 双汇发展——大型食品集团，费控+Spark AI全链路无纸化，年节省约百万元
• 大参林——1.7万家药店连锁，AI审核+电子档案，年减纸张数百万张
• 极飞科技——高科技制造，对接20+系统，费控档案一体化
• 自然堂——美妆零售连锁，上海市档案局验收通过，业财税档一体化
• 首旅如家——酒店连锁集团，费控+商旅一体化
• 金山办公——办公软件上市公司，智能审核+费用分析
• 中科创达——智能操作系统科技公司，全球化费控管理
• 北控集团——大型国企集团，集团型费控+AI审核
• 蓝色光标——数字营销上市公司，项目型费用管理
• 方正证券——金融证券，强合规费控+电子档案

更多客户案例和落地效果，可以参考大参林x汇联易Spark AI：1.7万家药店连锁的AI审核落地实践。

常见问题

Spark AI和普通大模型有什么区别？

核心区别在于"财务专用"和"企业级"。普通大模型是通用的，什么都能聊，但不懂财务专业知识，也没有企业内部数据，更没有财务专用工具。Spark AI是专门为财务场景打造的，有财务专业知识、企业私有数据对接、财务专用工具集、企业级安全管控，是能真正干活的AI，而不只是聊天。

不会写代码能用自定义智能体吗？

可以。Spark AI的Skill扩展机制支持自然语言创建Skill，业务人员用自然语言描述需求，系统就能生成对应的技能，不需要写代码。这也是零代码/低代码的趋势——让业务人员自己就能搭建适合自己的AI工具。

Spark AI支持哪些大模型？

Spark AI的模型接入Hub支持接入多种大模型，包括主流的通用大模型和行业大模型，也支持企业私有模型接入。具体支持的模型列表会持续更新，建议咨询销售获取最新信息。企业可以根据自身需求和合规要求，选择合适的模型。

数据安全怎么保障？

Spark AI采用三阶段安全管控体系：事前准入管控（可见范围、发布审批、外网隔离）、事中运行管控（会话沙盒、权限继承、水印防截屏、成本管控）、事后分析复盘（成本分析、违规识别、权限优化）。同时支持私有化部署，数据完全不出企业边界。

实施周期大概多久？

取决于企业规模和需求复杂度。标准化SaaS版本一般2-4周可以完成基础上线。如果涉及复杂的规则配置、ERP深度集成、定制开发、私有化部署，周期会更长，可能需要1-3个月甚至更久。AI模型的优化是持续过程，上线后还需要3-6个月的持续调优。