我用oh-my-pi搭了一套审计作业系统

nigo 收录于工作

2026-06-16 约 1965 字预计阅读 4 分钟

传统审计软件——生成明细披露、凭证表、附注到 Word 报告——这些东西已经很成熟了，我们同事也做了非常完备的一套。

我自己在探索另一条路：用 oh-my-pi 搭一套以 AI Agent 为核心的审计作业系统。

道理很简单：不管你怎么吹，你自己做的 AI，强不过 Claude Code、Codex、OpenCode、pi 这些顶级 Agent 工具。

与其重新造轮子，不如站在它们肩膀上。

尝试这个初衷是为了将大家做的 skill 进行整合，否则难以使用推广

问题在哪？

claude code 这些 Agent 工具，你自己用没问题。你写了各种 Skill，调度的逻辑自己清楚，效率拉满。

但你要交给别人——同事、项目经理、中台——他们不会用。

你写的 Skill，别人不知道怎么调用，不知道你设计的流程。大家还是习惯点按钮、看界面。

这就是核心矛盾：AI Agent 很强，但它的使用门槛把大多数人挡在了外面。

我的解法：用 oh-my-pi 做底座

所以我探索的模式是：以 oh-my-pi 为底座，向外拓展出不同的交互方式，让不同的人都能用起来。

一套系统，四种模式。

模式一：纯 AI Agent 模式

你输入 API Key，或者把 Coding Plan 的密钥输进来，就拥有了一个完整的 AI 工具。

进入项目后，纯 AI 模式跟你用 Claude Code、Codex 完全一样——可以直接调用 Skill，输入 Skill 名称就能触发。

对于熟悉 AI 的人来说，这是最方便的模式。 不需要学新东西，直接下指令就行。

模式二：传统界面模式

但大多数人不会用 AI Agent。

所以第二种模式是：把你写好的 Skill 用传统界面的方式展现出来。

每个审计阶段（计划阶段、执行阶段……）里面，做的每一件事，本质上都是一个 Skill。

但用户看到的不是代码，是按阶段组织的可视化界面。

（注：底层还是 skill，只是状态机可视化出来）

从技术上，我把工具拆成原子化的能力。从业务上，把每个功能拆成审计程序。

界面看到的是由程序组合而成的东西。你裁剪了程序，它自动到执行阶段，每个科目要执行哪些程序一目了然。

进去之后，可以可视化地看到执行状态、生成进度。

生成完的文件，到文件管理里每一个都可以再编辑，也可以用 AI 辅助你。

模式三：AI 增强的底稿

这是我重点想说的。

不要再拿一个 Excel 底稿模板，去用 AI 填模板。 这种方式效率很低。

我做的是什么？

底稿本质上是 JSON 数据，不是 Excel。它既具备了基础的数据处理功能，又内置了 AI 辅助。

前面的模式可以批量生成所有底稿的程序，打开后可以人工编辑，也可以与 AI 进行交互协作。

你可以给它说：「帮我生成财务报表数据，然后美化格式。」它调用工具直接帮你完成，比手动填快得多。

它不是在填模板，是在理解你的意图后生成结构化数据。

最终可以批量导出为 Excel，但你工作过程中面对的是一套智能的数据界面。

还有一个关键点：人机协同。

你在底稿里选定一个区域，可以让 AI 帮你处理。鼠标停在某个单元格上，它会自动分析。不是孤立的——不像在 Claude Code 里输完指令再切回来看结果，它是在同一个界面里实时协同的。

有些地方需要你输入数据，有些地方需要你做判断，人和 AI 在同一个界面里配合工作。

模式四：工具箱模式

原子化的工具，用传统代码串联起来，做成独立的工具箱。

不依赖 AI 也能用，依赖 AI 也行。

比如银行流水核对——中台的人只需要做这一件事，直接调用工具就行，不需要理解整个系统的架构。

数据导入与看账

这里财务数据可以进行导入看账，同时也自动完成了数据结构化（进入数据库）

支持批量导入，不需要手动数据清洗——系统自动完成。

新纪元、用友等主流财务软件的数据都能直接导入。导入后就是结构化数据，前面的明细表、披露表、审定表都能基于这些数据自动生成。

另外，其它审计程序需要的其它的资料可以在流程交互过程中或者 AI Agent 交互过程中给它提供。

整体架构

模式	核心思路	适用人群
纯 AI Agent	oh-my-pi 原生对话，直接调 Skill	熟悉 AI 的人
传统界面	Skill 包装成可视化流程	审计项目经理、不熟悉 AI 的人
AI 增强底稿	JSON 数据 + 内置 AI，人机协同	一线审计师
工具箱	原子化工具独立调用	中台、专项工作