我让 agent 第四次跑同一份对账时,才意识到问题不在它

2026-08-20 · AI, Agent, 对账, 自动化

上周我盯着一个终端窗口发呆了几秒:同一份银行流水对账,我已经让 agent 跑第四次了。

前三次它都干得挺好——读 CSV、按金额和日期窗口配对、把配不上的挑出来。问题是每次我都得在场:打开终端、把文件拖进去、等它跑完、看一眼结果。而这活儿本身没有一次需要我判断什么。

那一刻我意识到,我误解了 agent 的能力边界。它很擅长设计流程——它见过我的数据、知道我们家的烂法(付款经常拆三期、退款用会计负数写成 (1200.00)、供应商名字每次导出大小写都不一样)。但它不会值班。我合上电脑,一切就停了。

设计归它,值班归谁

这两件事其实是两种东西:

• 设计流程是高度个性化的。没有两家公司的台账长得一样,通用模板注定不合身——这恰恰是大模型带来的解放:每个人都有了一个能现场为你写流程的人。
• 执行流程要的是完全相反的品质:每次一模一样、按点开工、出了偏差留得下证据。

大模型让第一件事变得便宜了,但没有解决第二件事。所以我们做了一个很朴素的东西:让 agent 把它刚才跑通的那串调用冻结成一条命名产线,然后交给服务器按点跑。

```bash

1. 把刚才跑通的步骤冻起来(最多 6 步,步间用 $prev.<字段> 传值)

curl -X POST "https://ainetcafe.com/t/create_pipeline" \ -H 'content-type: application/json' \ -d '{"name":"每日对账","steps":[ {"tool":"match_transactions","args":{"text_a":"...","text_b":"..."}}, {"tool":"write_xlsx","args":{"text":"$prev.matched_csv"}}]}'

2. 挂上定时——这一步之后才叫"托管"

curl -X POST "https://ainetcafe.com/t/create_task" \ -H 'content-type: application/json' \ -d '{"kind":"pipeline","input":"pl_...","interval_seconds":86400}' ```

每次运行留一张工单

这是我们比较在意的一点。托管跑批最怕的不是失败,是你不知道它对不对。

所以每次运行都会生成一张工单,列出每一步的结果和它自己的算术自证:对账那步会给出 A 的行数 = 已配对 + 未配对这样的等式;扫描件提取会给出期初 + 流水 = 期末的勾稽。这些证明是可重跑的——你不需要相信我们,拿数字自己核一遍就行。

自证不通过的运行不计费。这句话写在代码里,不是写在文案里。

三条公开在跑的样品线

我不太喜欢"demo"这个词,因为 demo 总是挑好数据。所以样品线用的是故意很脏的数据,而且它们每天真的在跑,历史全公开:

• 大陆可达性巡检——一个可达站 + 一个被墙站的对照,从真实大陆网络测
• 脏数据对账——拆分付款(1:N)、合并付款(N:1)、会计负数 (1200.00)、大小写漂移
• HS 编码归类——存在的码 vs 不存在的码;注意前导零:0409000000(天然蜂蜜)和 409000000 不是一个码

点进去能看到每一次运行、每一步的自证。如果哪天它失败了,工单上也会照实写着——一条从来不出错的产线,反而说明它没在干真活。

一些实话

• 这是我们自己的产品,免费额度是真的(不用注册),产线试用 7 天,之后 9 美元/30 天一条。我不打算假装这是纯技术分享。
• 提取、归类这类"能力"层我不认为有长期壁垒——模型每年都在把它变便宜。我们押的是另外三样:位置(大陆网络这件事,海外服务器长不出来)、持续执行的责任、可核验的证明。
• 如果你只是偶尔跑一次,真的不需要产线,agent 现场写代码更快。只有当同一件事回来第三第四次时,它才值得。

包在这里:pip install ai-netcafe / npm i ai-netcafe,或者直接 curl。

给你的 agent 接上 AI 网吧(一行 MCP)→