告别“盲批”：AI 如何成为审批人身边的“专家副手”？

分享 difymcp智能审批  收藏
0 / 192

我们经常谈论 AI 自动化，但很多时候，AI 只是替代了“流程发起”这一步，比如自动提交报销单。然而，业务流程中最耗费心力、也最容易出错的环节，其实是**“审批决策”**。

一个管理者在点击“同意”前，脑子里会闪过无数问题：

  • “这次招待费 3000 块，符合公司最新的标准吗？”
  • “这个团队上个季度的预算用了多少？有没有超支的先例？”
  • “发票上的明细看起来合理吗？有没有需要特别注意的地方？”

为了回答这些问题，审批人不得不在 OA 系统、共享文档、财务报表之间来回切换，费时费力，还可能因为信息不全而做出错误决策。

对企业（CTO/CIO）来说，真正的问题是：

  1. 怎样让 AI 在这最关键的决策环节提供实质性帮助，而不只是个摆设？
  2. 我们是该用能自主思考的“超级大脑”AI，还是用按部就班的“流程机器人”AI？它们能协同工作吗？

答案是肯定的。通过大模型“MCP” 的“万能插座”技术，我们可以让两种 AI 强强联手，为审批人打造一个**“智能分析 + 可靠执行”**的专家级辅助系统。

两种性格迥异的“AI 员工”，审批场景下的新搭档

想象一下，在审批系统中，我们为管理者配备了两位 AI 助手：
屏幕截图-2025-07-14-140549.png

核心观点来了： 在智能审批场景下，这两位 AI 是最佳拍档！

“档案管理员”（工作流 Agent）是“贴身顾问”（自主型 Agent）的专业技能库。

“顾问”负责与审批人沟通、思考和分析；“管理员”们负责提供精准、可靠的数据和事实依据。 连接它们的，就是 MCP 这个“万能插座”。

最终，我们能形成一个高效的决策辅助闭环：“审批人 - 贴身顾问(AI) - 档案管理员(AI) - 公司系统”。

实战演练：让 AI 辅助完成一笔棘手的费用审批

场景： 部门经理张总，正在审批下属提交的一笔 2112 元的“差旅费”。他觉得金额有点高，但不确定具体规定。

这时，他看到了审批界面嵌入的 AI 对话框。
智能审批界面 2.png

第一步：把“规章制度”和“数据查询”变成 AI 的技能

在过去，要让 AI 掌握一项新技能（比如查询公司制度），我们可能需要程序员去开发一个专门的接口（API）。这个过程既耗时又复杂。

而现在，情况完全不同了。借助 Dify 1.6.0 的 MCP 双向协议支持，我们可以直接在 Dify 的可视化界面（Chatflow）里，像搭积木一样“搭建”出一个智能工作流，然后一键将其发布为 AI 能用的标准工具。

让我们以图片中展示的**“财务处报销手册”**为例，看看这个“工具”是如何被制造出来的：

  1. 创建工作流：在 Dify 中，我们拖拽几个节点，搭建一个工作流。这个流程可能包含：

    • 开始节点：接收审批人提出的问题（如“招待费标准是多少？”）。
    • 知识库检索节点：自动去公司上传好的《财务报销制度.pdf》或在线文档中，搜索最相关的内容。
    • 大语言模型节点：对搜索到的、可能很长的制度原文进行智能总结，提炼出最核心的答案。
    • 结束节点：输出清晰、准确的结论。

  2. 一键发布为 MCP 服务：当这个工作流搭建好后，我们只需“发布为 MCP 服务”。Dify 就会自动为这个复杂的工作流生成一个标准的“万能插座”地址。
    dify 中启动 mcp.png

    看，整个过程完全是图形化操作，连财务、HR 这样的业务专家都能轻松上手，为 AI “量身定做”他们领域的专业工具。

这种能力是可以无限扩展的！

今天我们创建了“财务处报销手册”工具，明天我们就可以用同样的方法，创建出更多强大的“档案管理员”工具，例如：

  • 一个封装了知识库检索和智能总结的 “供应商背景调查”工作流，能根据供应商名称，快速在知识库中查找其历史合作记录和评价。
  • 一个连接了公司数据库的 “团队历史预算查询”工作流，能实时返回指定团队的预算使用情况。

这些通过 Dify 工作流发布出来的 MCP 服务，共同组成了我们“贴身顾问”AI 的强大技能库。
4. 在明道云中配置**把刚才从 Dify 复制的那个 MCP 服务链接，粘贴到配置表单里。**格式遵循 mcpServer 标准的 JSON
MCP 配置界面.png

  1. 启用对应的 MCP 插件
    启动对应 MCP 插件.png

第二步：AI“顾问”与“管理员”的无缝协作

接下来，神奇的事情在几秒钟内发生：

  1. “贴身顾问”AI（大脑）开始分析： 它立刻将张总的复杂问题拆解成两个独立的任务：
    • 任务 A：查询当前审批单及关联表信息。
    • 任务 B：查询对应的报销制度。
  2. “贴身顾问”AI（大脑）调用工具： 它通过 MCP 这个“万能插座”，精准地调用了两个 MCP 工具：
    • 调用 查询工作表单条数据 工具，并传入当前申请单 ID 参数。
    • 调用 财务处报销手册 工具，并传入员工级别，费用项目名称。
  3. “档案管理员”们（双手）执行任务：
    • 工具 A 返回：当前审批界面中的数据
    • 工具 B 返回：员工级别及费用项目名称对应的报销制度
  4. “贴身顾问”AI（大脑）汇总并给出建议： 对比报销明细和制度依据，整合成通俗易懂的语言，呈现给张总。并提供审批建议
    智能审批界面 1.png

总结：这到底解决了什么问题？

通过这个场景，我们看到 AI 不再是一个简单的聊天工具或自动化脚本，而是：

  • 审批人的“决策放大器”：将原本需要半小时的查证工作缩短到几秒钟，让管理者能把精力聚焦在业务判断本身，而不是繁琐的信息核对上，决策更快、更准、更有信心。
  • 企业制度的“活字典”：将静态的、躺在文档里的规章制度，变成了可以实时交互、自动执行的“活规则”。这极大地提升了制度的落地率和全公司的合规性。
  • 低代码与 AI 的完美融合：业务人员可以通过明道云 HAP， Dify 这样的平台，轻松地将业务流程封装成 AI 能调用的工具，而不需要写复杂的代码。这让 AI 的能力可以被迅速地、大规模地应用到企业每一个具体的业务场景中。

这，才是 AI 与企业业务的深度结合——不是取代人，而是增强人，让每一位决策者都拥有一位不知疲倦、绝对理性的“专家副手”。

了解更多 & 上手实践

如果您对本文探讨的“低代码 +MCP”智能审批方案感兴趣，并希望深入了解其技术实现或直接上手体验，我们为您准备了更详尽的资源：