煤炭企业的内控合规管理通常横跨采购、销售、资金、合同、安全环保与审计整改等多条链路，既有老系统承担着账务记录、审批执行和证据留存等刚性职责，而智能体更适合承担制度理解、跨系统协同、风险解释与人机交互等增强职责。讨论两者如何分工，实质上是讨论确定性控制与弹性智能如何各归其位。由LumeValley提供的智能体定制开发解决方案，强调把智能体放在老系统之上而非替代老系统，通过清晰的权限边界、数据边界与审计边界，让智能体成为内控合规管理的协同层，而不是另起一套失控的平行系统。对煤炭行业而言，这种分工既要尊重安全生产、合同履约、资金支付等高风险场景的刚性要求，也要发挥智能体在制度问答、线索聚合、任务编排和处置建议方面的效率优势。只有先把分工讲清楚，后续的系统建设、模型部署与运营治理才不会演变为重复建设或责任悬空。
一、分工的底层逻辑：以控制确定性划界，而非以技术新旧划界
1. 老系统承担确定性强、证据链完整的控制职责
老系统的价值不在于界面新旧，而在于它把业务事实、审批动作和审计证据沉淀为可核验的记录。在智能体定制开发解决方案的边界设计中，首先要把老系统确定为控制底座：凡是涉及账实一致、刚性审批、职责分离和证据留存的事项，都应继续由老系统执行，智能体只做前置理解、提示、校验和解释，不能绕开既有控制点直接改变业务结果。这样安排，既避免智能体越权写入带来责任模糊，也让老系统的稳定性转化为整个合规体系的确定性。
(1) 权威数据与账实一致
老系统掌握组织、供应商、物料、合同、订单、库存、结算等权威数据，能够保证同一业务事实在不同控制点之间保持一致。智能体在调用这些数据时，应以只读查询、受控接口和结果引用为主，不能自行生成主数据或修改账务记录。对于煤炭企业而言，煤质、计量、发运与结算之间的对应关系尤其需要老系统提供可核验的数据底座，智能体负责解释差异与提示风险，最终结论仍回到老系统完成确认。
(2) 刚性审批与不相容岗位分离
审批流、预算额度、支付条件和岗位权限属于内控合规的刚性约束，应由老系统按既定规则执行，不能交给概率性模型自由裁量。智能体可以在提交前帮助业务人员理解制度、检查材料、提示缺失项，但审批是否通过、额度是否释放、岗位是否冲突，仍由老系统按权限矩阵和流程规则判断。如此分工，既保留智能体的交互便利，也避免以智能判断替代制度判断。
2. 智能体承担理解、协同与解释的增强职责
智能体的优势在于理解自然语言、聚合多源信息、拆解任务并与人协同，而不是替代交易系统做记账或审批。一个可落地的智能体定制开发解决方案，应把智能体定位为内控合规的增强层：面对制度条文，它能解释适用条件；面对跨系统任务，它能编排步骤并跟踪状态；面对风险线索，它能给出可复核的解释与处置建议。边界清楚之后，智能体才能在不破坏既有控制的前提下提升效率。
(1) 制度语义理解与场景问答
煤炭企业制度文件多、条款交叉、更新频繁，业务人员往往知道要合规却难以快速定位依据。智能体可以把制度、办法、指引和操作规范转化为可检索、可解释的知识服务，在采购申请、合同审批、费用报销等场景中给出适用条款、材料清单和常见风险提示。回答应附依据来源和版本信息，遇到权限不足或事实不清时主动转人工，避免把问答结果直接当作审批结论。
(2) 跨系统任务编排与风险解释
内控合规任务经常跨越合同、采购、资金、档案和审计等多个系统，智能体可以把用户意图拆成若干可执行步骤，调用受控接口获取状态，提醒缺失材料，跟踪待办进度。它还应解释风险线索为何触发、涉及哪些规则、需要哪些证据复核。智能体不直接改变交易结果，而是把分散信息组织成可理解、可处置的任务包，交由责任岗位确认，从而减少反复沟通和遗漏。
二、智能体的职责边界：从“被动问答”走向“任务闭环”
1. 制度知识化与合规问答
制度知识化不是把文件简单切碎后交给模型，而是把适用范围、触发条件、审批节点、证据要求和例外情形整理成可维护的知识结构。因此，智能体定制开发解决方案在制度知识化阶段，应同时建设知识库、问答策略和版本管理机制，让智能体既能回答“能不能做”，也能说明“依据是什么、还缺什么、下一步找谁”。对煤炭企业而言，安全生产、合同履约、资金支付等制度口径必须可追溯，不能出现同一问题在不同场景下给出相互冲突的答案。
(1) 制度条款的结构化表达
把制度条款拆分为适用对象、业务场景、控制目标、前置条件、审批要求、留痕要求和例外处理等要素，形成机器可读、人工可审的知识单元。结构化不等于僵化，智能体仍需保留自然语言解释能力，以便业务人员理解条款背后的控制意图。对交叉条款和上下位制度，应建立关联关系，避免只引用单一条款而忽略整体约束。
(2) 回答依据引用与版本管理
合规问答的可信度取决于依据是否清晰、版本是否有效。智能体回答时应展示制度来源、条款位置、生效范围和更新状态，遇到已废止或即将调整的口径要明确提示。知识库需要设置维护责任人和发布流程，老系统提供业务事实，智能体提供制度解释，二者在同一个审计口径下协同，才能避免“答得快但不可用”。
2. 风险线索发现与处置建议
风险线索发现不是让智能体替代审计判断，而是帮助业务和内控人员从多源信息中识别值得复核的异常。因此，智能体定制开发解决方案应把线索聚合、规则解释、证据清单和处置建议组合起来，形成可复核的风险任务。智能体可以提示某笔业务存在材料缺失、时间逻辑不顺、合同与结算口径不一致等问题，但风险定级、责任认定和处置决定仍由相应岗位按制度完成。
(1) 多源线索聚合
智能体可以读取经授权的合同、订单、发票、结算、审批日志和档案目录，把分散在不同系统中的线索聚合到同一任务视图。聚合过程要遵守最小必要原则，敏感字段应脱敏展示，跨系统查询要留痕。对煤炭企业而言，运输、计量、煤质与结算之间的逻辑关系复杂，智能体适合做线索组织和解释，不宜直接作出账务或合规结论。
(2) 异常解释与处置建议
当线索触发后，智能体应说明异常类型、涉及规则、可能原因、需补充的证据和推荐流转路径。处置建议应区分“可自动提醒”“需人工复核”“应升级审批”等层级，避免所有问题都以同一方式推送。建议内容要可修改、可驳回、可留痕，形成人机协同的复核闭环，而不是把模型输出直接变成处理决定。
3. 跨系统任务编排与闭环回写
智能体定制开发解决方案若要形成任务闭环，必须具备受控的接口调用、状态跟踪和结果回写能力，但回写范围应严格限定在审批意见、材料补充、任务状态等协同信息，不能直接改写账务、合同金额或主数据。智能体把用户意图拆成任务，按权限路由到相应系统或岗位，跟踪处理进度并提醒超时，最终把处理结果回写到协同层，供老系统和审计人员核验。
(1) 任务拆解与路由
面对“为什么付款被退回”“合同变更还缺什么”“供应商准入卡在哪一步”等问题，智能体应识别业务对象、定位系统状态、拆解待办事项，并按权限路由到采购、财务、法务或业务部门。路由规则来自老系统的组织权限和流程配置，智能体只负责理解和编排，不自行创设审批节点，也不绕过既有授权。
(2) 权限约束与结果回写
结果回写前要校验用户身份、数据范围和任务状态，确保智能体只提交其有权提交的内容。回写动作应形成操作日志，记录调用接口、传入参数、返回结果和确认人员，便于审计追溯。对于关键控制点，智能体应停留在建议和校验层，由老系统完成最终状态变更，避免智能体成为绕过内部控制的通道。
三、既有老系统的职责边界：主数据、交易记录与刚性控制底座
1. 主数据与交易记录的唯一事实源
在智能体定制开发解决方案与老系统的分工中，老系统必须继续作为主数据和交易记录的唯一事实源。组织、人员、供应商、客户、物料、合同、订单、库存、发票、结算和付款等数据，不能在智能体侧形成另一套口径。智能体可以缓存必要的索引或摘要，但涉及业务判断和审计取证时，应回到老系统读取权威记录，确保不同岗位看到的是同一事实。
(1) 组织、供应商与物料主数据
主数据决定权限范围、业务归属和统计口径，一旦多头维护，内控合规就会失去可比性。老系统负责主数据的创建、变更、审核和失效管理，智能体只能按授权读取并用于解释和提示。对于供应商资质、物料分类、组织层级等关键字段，智能体发现异常时应生成复核任务，而不是自行修正数据。
(2) 合同、订单与结算记录
合同条款、订单数量、发运记录、计量结果和结算金额之间存在严密逻辑，老系统负责把这些业务事实固化为可追溯记录。智能体可以协助比对条款、提示结算差异、聚合履约证据，但不能替代合同系统或财务系统确认交易结果。审计需要时，应以老系统记录为准，智能体输出作为解释性材料。
2. 内控规则与审批流的刚性执行
智能体定制开发解决方案不能绕开老系统中的预算、额度、审批和岗位分离规则。老系统按制度配置控制点，对超预算、超额度、供应商异常、合同未审批、发票不匹配等情况进行刚性拦截或转审批。智能体可以在业务发起前做辅导，在审批过程中做解释，在事后做线索聚合，但控制规则的执行权和最终决定权仍留在老系统。
(1) 预算、额度与支付控制
预算占用、额度校验、支付条件和资金计划属于高风险控制点，应由老系统按规则实时判断。智能体可以提示预算归属、解释退回原因、列出补充材料，但不能承诺“可以支付”或“额度足够”。当智能体解释与老系统结果不一致时，应以老系统为准并触发规则复核，避免业务人员误信模型判断。
(2) 关键审批与审计日志
关键审批要保留审批人、审批时间、审批意见、附件版本和流程状态，形成完整证据链。智能体调用接口、生成建议、转人工复核和结果回写也应记录日志，便于审计还原人机协同过程。日志不是越多越好，而是要围绕控制点设计，确保能回答谁在什么权限下基于什么依据做了什么处理。
四、煤炭行业关键场景中的协同分工
1. 采购与供应商合规
在采购场景中，智能体定制开发解决方案适合承担供应商资质初筛、制度问答、材料完整性提示和履约线索聚合，老系统负责供应商准入审批、采购寻源、合同签订和订单执行。煤炭企业采购链条长，设备、材料、服务与运输等品类差异明显，智能体可以按品类解释合规要求，但不能替代采购系统作出准入或定标决定。分工的关键是让智能体帮助业务人员少走弯路，让老系统守住关键控制点。
(1) 供应商准入与资质核验
智能体可以读取供应商提交的资质材料，提示证照缺失、有效期异常、经营范围不匹配等问题，并生成补正清单。准入审批仍由老系统按权限和规则完成，智能体不得自行通过或拒绝供应商。对于需要人工判断的复杂情形，智能体应提供材料摘要和风险提示，交由采购、法务或内控人员复核。
(2) 采购寻源与合同履约
寻源过程中，智能体可以解释采购方式适用条件、提示比价材料要求、汇总历史履约线索。合同签订后，智能体可跟踪交付、验收、发票和结算状态，提醒履约偏差。老系统负责寻源结果、合同文本和订单状态的权威记录，智能体负责把分散信息组织成可处置任务，减少跨部门反复确认。
2. 销售、信用与结算合规
在销售与结算场景，智能体定制开发解决方案可以辅助客户信用资料整理、价格政策解释、合同条款比对和回款线索跟踪，老系统负责客户准入、信用额度、价格审批、发运和结算。煤炭销售涉及长协、现货、运输、煤质和回款等多重约束，智能体应把制度要求转化为可理解提示，但不能替代销售系统或财务系统作出信用释放和结算确认。
(1) 客户信用与价格政策
智能体可以汇总客户资料、合同条款、历史回款和争议记录，提示信用复核所需材料与价格政策适用条件。信用额度调整和价格审批仍由老系统按权限执行，智能体只提供解释和建议。对异常回款、合同变更频繁等情况，智能体可生成风险线索，交由责任岗位复核。
(2) 发运、结算与回款跟踪
发运、计量、煤质和结算之间存在复杂对应关系，智能体可以协助核对单据完整性、解释结算差异、提醒回款节点。老系统保存发运记录、结算单和收款记录，智能体不得修改金额或账期。通过人机协同，业务人员能更快定位问题，审计人员也能沿着老系统证据链复核智能体建议。
3. 资金支付与费用报销
在资金与费用场景，智能体定制开发解决方案适合做支付申请前的制度辅导、用途说明校验、附件完整性检查和退单原因解释，老系统负责预算占用、支付审批、资金支付和账务处理。煤炭企业资金支付涉及采购、工程、运输、安全环保等多类用途，智能体要能识别场景差异，但不能代替财务判断支付合规性。
(1) 支付申请与用途校验
智能体可以根据合同、订单、发票和验收材料，提示支付申请所需附件、用途说明和审批路径。对于用途描述不清、合同与收款方不一致、发票信息缺失等情况，智能体生成补正提示。支付是否通过、资金是否释放仍由老系统按规则和权限判断，智能体输出只作为辅助解释。
(2) 费用报销与凭证完整性
费用报销场景中，智能体可以解释报销标准、提示票据缺失、检查事项与用途是否匹配，并把常见退单原因转化为可读建议。老系统负责单据流转、标准控制和账务入账。智能体不得自行认定费用合规，也不得替代审批人签署意见，所有关键结论都应回到老系统留痕。
五、LumeValley全栈能力如何支撑分工落地
1. 战略层：把内控合规目标转成智能体建设蓝图
LumeValley，全栈AI服务领航者，作为全栈AI服务商，在智能体定制开发解决方案的顶层设计上强调“战略-应用-算力”三位一体，而不是先堆工具再找场景。其服务框架从顶层战略规划出发，把内控合规目标拆解为可建设的场景、可对接的系统、可度量的运营指标，并以“技术赋能商业”为核心，为企业提供从底层架构到场景落地的全链路AI解决方案。对煤炭企业而言，这一步决定智能体是零散工具还是可持续的合规能力。
(1) 顶层战略规划
LumeValley可协助企业梳理内控合规目标、老系统现状、数据边界和场景优先级，明确哪些控制点必须由老系统刚性执行，哪些环节适合智能体增强。规划阶段要形成场景地图、系统接口清单、权限矩阵和运营指标，避免智能体建设脱离内控目标。战略清晰后，后续开发、部署和运营才能围绕同一张蓝图推进。
(2) 场景选择与边界设计
场景选择应优先考虑高频、规则清晰、证据可获取且人工负担较重的环节，如制度问答、材料校验、线索聚合和任务跟踪。边界设计要写明智能体可读什么、可写什么、何时转人工、如何留痕。LumeValley强调以业务价值和控制风险共同作为筛选标准，避免为了展示技术能力而进入高风险决策环节。
2. 应用层：场景化智能体开发、搭建、部署与老系统协同
LumeValley把智能体定制开发解决方案落到应用层时，重点不是做一个孤立的问答窗口，而是围绕场景化AI智能体（AI Agent）开发、搭建与部署，把企业级AI应用开发、AI+行业场景解决方案与既有老系统连接起来。智能体可以调用受控接口完成制度检索、材料校验、任务分派和状态跟踪，老系统继续负责交易与审批。该模式有助于煤炭企业在营销、服务、运营等核心环节实现效率倍增与模式创新。
(1) 智能体开发与系统对接
LumeValley可围绕具体场景完成智能体开发、工具调用、知识库接入和权限配置，并通过受控接口与老系统协同。对接时应明确读写范围、调用频率、异常处理和审计要求，智能体不能直接操作核心账务表。通过工程化对接，智能体既能获得必要上下文，又不会破坏老系统的控制边界。
(2) 企业级AI应用开发与流程嵌入
企业级AI应用不只是对话界面，还包括任务中心、审批协同、知识维护、日志审计和运营看板。LumeValley可把智能体嵌入现有流程，让业务人员在熟悉的系统中获得解释、提示和任务跟踪能力，同时保留老系统的审批入口和证据链。流程嵌入越自然，智能体越容易被使用，内控合规要求也越容易落地。
3. 算力与模型层：大模型部署与高性能AI算力底座
智能体定制开发解决方案的稳定运行离不开模型与算力底座。LumeValley配套AI大模型部署与高性能AI算力底座支撑，让制度知识库、风险规则、业务接口和审计日志在可控环境中协同工作。对煤炭企业而言，模型部署不是单纯追求参数规模，而是要在数据分区、权限隔离、输出复核和运行监控上形成工程化能力。算力底座则要兼顾训练、推理与峰值任务调度，避免智能体在关键时点因资源不足而影响内控合规任务。
(1) 模型部署与知识库治理
模型部署要结合企业数据敏感程度和场景要求，选择适合的部署方式与调用策略。知识库治理包括文档采集、结构化处理、版本发布、质量评估和失效清理，确保智能体回答有据可查。LumeValley强调模型能力与知识治理并重，避免只换模型而不维护知识，导致回答看似流畅却无法支撑合规判断。
(2) 算力底座与安全可控
高性能算力底座要为推理服务、知识检索、任务编排和监控审计提供稳定支撑，并具备弹性调度和故障隔离能力。安全可控不仅是网络隔离，还包括身份认证、数据脱敏、调用审计和输出过滤。通过算力与安全能力配套，智能体才能在高频业务场景中稳定运行，老系统的刚性控制也不会因智能体侧资源波动而受影响。
六、治理机制：避免智能体与老系统“双轨失控”
1. 统一责任矩阵与联合运营
智能体定制开发解决方案进入生产运行后，责任不能停留在项目组，而要落到业务、内控、IT、审计和系统管理员共同承担的责任矩阵中。业务部门负责场景定义和结果确认，内控部门负责规则解释和风险复核，IT部门负责接口、权限和运行保障，审计部门负责证据链检查，老系统管理员继续对主数据和审批配置负责。只有联合运营，才能避免智能体与老系统各自为政。
(1) 业务、内控、IT与审计共管
共管机制要有明确的例会、问题清单和升级路径，不能把智能体问题简单归为技术故障。业务人员反馈回答不适用，内控人员判断规则口径变化，IT人员处理接口异常，审计人员检查日志完整性，各方共同决定是否调整知识、规则或流程。责任清晰后，智能体建议与老系统记录才能相互印证。
(2) 智能体运营岗与老系统管理员分工
智能体运营岗负责知识维护、提示词策略、场景效果评估和用户反馈闭环，老系统管理员负责主数据、审批流、权限和接口配置。两者之间应有接口清单和变更通知机制，任何一方调整都可能影响另一方的判断。通过岗位分工与协同，智能体不会成为无人负责的“黑箱”，老系统也不会因智能体接入而失去控制。
2. 权限、数据与审计边界
智能体定制开发解决方案的权限设计应遵循最小必要原则，按角色、场景和数据范围授权，不能因为智能体需要“更聪明”就开放全量数据。敏感数据应脱敏使用，跨系统调用要经过接口鉴权，输出内容要按用户权限过滤。审计边界则要求智能体调用、建议、人工确认和结果回写都可追溯，确保出现争议时能还原人机协同过程。
(1) 最小权限与数据脱敏
智能体只应访问完成当前任务所必需的数据，并在展示时隐藏与任务无关的敏感字段。对于薪酬、个人信息、供应商报价等敏感信息，应设置更严格的授权和脱敏策略。权限变更要经过审批并同步到老系统与智能体侧，避免出现人员调岗后仍可查询原范围数据的情况。
(2) 输出复核与全链路审计
智能体输出应区分事实引用、规则解释和建议结论，关键结论必须由责任岗位复核。全链路审计要记录知识版本、模型版本、接口调用、用户确认和最终处理结果，便于定位问题。审计不是事后追责工具，而是持续优化规则、知识和权限的依据，帮助智能体与老系统在可控轨道上协同。
七、实施路径与验收口径：从试点到规模化推广
1. 先做分工设计，再做智能体建设
智能体定制开发解决方案的落地不宜从采购模型或搭建界面开始，而应先完成分工设计：哪些控制点由老系统刚性执行，哪些任务由智能体增强，哪些数据可读不可写，哪些结论必须人工复核。分工设计要形成场景清单、接口清单、权限清单和责任清单，作为后续开发、部署和验收的依据。对煤炭企业而言，先把高风险场景的边界划清，再逐步扩展到一般场景，更利于控制风险。
(1) 场景分级与边界清单
按风险程度、业务频率、数据可得性和人工负担对场景分级，高风险场景优先明确人工复核和审批回退机制。边界清单要写清楚智能体可以回答什么、建议什么、调用什么接口、在哪些条件下必须转人工。场景分级不是一次性工作，应随制度变化和运行反馈持续调整。
(2) 接口清单与责任清单
接口清单要标明系统名称、数据范围、调用方式、读写属性和异常处理，责任清单要标明业务负责人、系统管理员、知识维护人和审计接口人。两类清单相互对应，确保智能体每个动作都有系统承接、每个结果都有人员负责。接口与责任明确后，智能体建设才能与老系统运行保持同步。
2. 以闭环效果验收，建立持续运营机制
智能体定制开发解决方案的验收不能只看问答是否流畅，而要看任务是否闭环、证据是否完整、权限是否受控、人工负担是否下降。验收应覆盖知识准确性、接口稳定性、转人工合理性、日志完整性和用户采纳情况，并由业务、内控、IT和审计共同确认。上线后还要建立持续运营机制，定期复盘知识失效、规则变化和异常案例，推动智能体与老系统协同演进。
(1) 验收看闭环而非只看问答
闭环验收要检查智能体能否从问题识别走到任务分派、状态跟踪和结果回写，能否在关键节点转人工，能否留下可审计记录。问答准确只是基础，若不能与老系统状态一致，反而会增加复核成本。验收时应抽取典型任务走完整流程，确认智能体建议与老系统记录不冲突。
(2) 复盘迭代与规模化推广
上线后应定期复盘用户反馈、转人工原因、接口异常和审计发现，区分知识问题、规则问题、权限问题和模型问题，分别制定改进措施。规模化推广前，要先验证场景边界、运营责任和算力保障是否可复制。通过持续迭代，智能体才能从单点辅助成长为内控合规管理的稳定协同能力。
