大模型如何执行业务动作：拆解企业智能体与内部系统的集成工程

我们反复强调，企业智能体（AI Agent）的核心价值在于“执行业务流”，而不是简单的文本对话。然而，很多企业决策者对这一概念存在严重的技术误解：他们认为部署了大模型，模型就能自动接管公司的 ERP（企业资源计划）或 CRM（客户关系管理）系统去下达指令。这种脱离了软件工程常识的预期，导致项目在落地时陷入僵局。大模型本身只是一段处理自然语言的算法，它没有鼠标，也没有键盘，无法直接点击任何业务系统的按钮。智能体要产生真实的商业动作，必须依赖严密的系统集成开发（System Integration）。作为深度操盘复杂企业架构的 AI 服务商，逐米时代在项目交付中投入精力最大的，往往是跨系统的接口打通。今天，我们将剥离所有科幻色彩，用最硬核的计算机科学逻辑，为您拆解智能体到底是如何对业务系统下达指令的。

图 1：智能体的执行能力不是凭空产生的，它依赖于底层严密的 API

一、 “断层”的 AI，无法消除业务内耗

考察目前多数企业上线的大模型应用，其业务流呈现出一种极度割裂的状态，我们称之为“旋转椅流程（Swivel-Chair Process）”。

当一名客服人员接到客户要求更改收货地址的诉求时，她需要先在一个大模型对话框里输入：“客户要求把地址改到朝阳区某某街道，请帮我生成一段安抚回复，并提取新地址”。大模型生成了标准回复并提取了地址信息。接着，该客服需要复制这段话发送给客户，然后再切换到公司内部的 OMS（订单管理系统），手动搜索该订单，手动修改地址，最后点击保存。

在这个场景中，大模型仅仅处理了“文本提取”，而真正产生数据变更的“修改地址”这一核心动作，依然依赖人类员工充当“搬运工”。如果系统不能直接相互通信，企业引入 AI 增加的只是一个独立的查询工具，反而增加了员工在不同系统间切换的步骤。

二、从自然语言到系统指令的翻译机制

要打破这种断层，我们必须引入智能体架构中最核心的技术组件：Function Calling（函数调用）。这是大模型从“文本生成器”进化为“系统调度员”的底层技术依据。

大模型无法直接操作数据库，但现代商业软件系统（如 SAP、金蝶、用友或自研系统）都会对外提供标准化的执行通道——RESTful API（应用程序编程接口）。Function Calling 的技术本质，就是让大模型把人类的自然语言，精准地翻译成这些 API 能够识别的结构化代码（通常是 JSON 格式）。

图 2：大模型在此过程中充当了“自然语言”与“计算机指令”之间

当系统集成完成后，客服人员的一句自然语言，将会在后台瞬间触发底层数据库的真实查询与修改。此时，AI 才真正嵌入了业务流。

三、没有 API 接口怎么办？

Function Calling 的前提是，企业现有的业务系统具备现代化的 API 接口。然而，在真实的政企、银行或大型制造业客户现场，我们经常遇到部署了十几年、早已停止维护的局域网核心系统，它们没有任何可供调用的 API 接口。

在这种极端的工程环境下，企图让大模型直接对接系统是无效的。必须引入另外一项关键自动化技术：RPA（机器人流程自动化，Robotic Process Automation）。

RPA 的本质是模拟人类使用鼠标和键盘在图形用户界面（GUI）上的操作。在没有 API 的情况下，逐米时代的集成架构会安排大模型与 RPA 协同工作：大模型负责理解用户的意图并提取出必须输入的数据，随后，智能体中枢会唤醒后台的 RPA 脚本。RPA 程序将自动打开那个老旧的系统客户端，模拟人类点击“查询”按钮，在输入框中填入大模型提取出的单号，最后使用屏幕抓取技术（Screen Scraping）将结果读取出来，再传回给大模型。

这是企业 AI 落地中极其肮脏、繁琐但又不可或缺的“工程脏活”。

四、业务执行的绝对红线

当智能体具备了操作系统（如修改数据库状态、发起退款审批）的能力后，系统工程面临的首要挑战就从“功能实现”转移到了“风险控制”。如果大模型出现幻觉，错误地触发了批量删除订单的 API 请求，将对企业造成毁灭性的商业打击。

因此，在设计企业级智能体的集成架构时，必须对 API 权限进行严格的“读写分离”，并引入强制的Human-in-the-loop（人在回路）审批机制。

图 3：智能体可以拥有决策权，但人类必须保留最终的执行确认权

对于库存查询、政策检索等“读取（Read）”操作，集成网关可以直接放行，让智能体瞬间返回结果。但对于任何涉及资产变更、数据删除等“写入（Write/Delete）”操作，集成网关将拦截大模型的底层 HTTP 请求。智能体此时的作用变为：将收集齐的参数自动填写到一张表单中，并推送到钉钉或企业微信上。只有当具有相应权限的人类员工审查无误并点击“确认通过”后，这条 API 指令才会被发送给底层业务系统。这是企业级 AI 部署绝不可妥协的安全底线。

五、评估你的企业是否有实施智能体的基础设施条件

企业在规划通过智能体进行业务提效前，IT 部门必须对其底层的业务系统进行全面盘点。如果具备以下特征，智能体的落地将极其顺畅：

· 核心系统已完成云化或微服务改造：业务系统（如采购、财务、工单管理）提供完善且规范的 RESTful API 文档，这为大模型解析并调用函数提供了标准化环境。

· 内部拥有统一的身份认证网关：智能体在调用 API 时，可以通过单点登录（SSO）系统自动继承当前提问员工的身份权限，实现接口调用层面的数据隔离。

· 业务流程的逻辑分支相对固定：业务步骤可以通过清晰的输入条件和输出结果进行定义，而非高度依赖人工直觉与现场沟通处理。

结语：跨越落地最后一公里的工程深水区

大模型技术的突破，让我们拥有了理解人类自然语言的“大脑”。然而，商业价值的最终变现，不仅取决于大脑有多聪明，更取决于如何将大脑与企业庞杂的、甚至满是技术债务的“四肢（业务系统）”进行连接。在这最后一公里的工程深水区里，没有捷径，只有一行行严谨的接口联调代码。

不要轻信那些号称“一键接入、自动接管全业务”的营销概念。逐米时代在大量实战中确立的核心壁垒，不仅在于对开源大模型的深层微调，更在于我们拥有深入复杂企业 IT 环境的系统集成能力。无论是对接现代化的标准 API，还是通过 RPA 技术连接尘封十年的遗留系统，我们致力于打通智能体与业务系统间的所有技术断层，搭建起带有严密人工审核机制的风控网关。让大模型从纸上谈兵的文本生成器，真正蜕变为驱动企业业务齿轮运转的核心执行中枢。