RAG 知识库接入低代码:流程审批自带智能问答与风险校验

5347 字
27 分钟
RAG 知识库接入低代码:流程审批自带智能问答与风险校验

本文以一家 680 人规模企业的真实落地经历为线索,讲述 AI 与低代码结合后,审批流程如何从“人找制度、人工核对”变成“知识主动推送、规则自动把关”。我们把 RAG 知识库接入低代码流程引擎,让 智能问答 出现在每一张审批单的右侧,让 风险校验 在提交瞬间完成。三个月实测:审批平均流转时长从 3.6 天降至 1.4 天,单据退回率从 18.7% 降到 6.2%,财务日常答疑量下降 74%。文中包含搭建路径、踩坑记录、五款平台横向对比与给技术决策者的选型建议,适合正在评估流程智能化方案的企业技术负责人阅读。

RAG 知识库接入低代码:流程审批自带智能问答与风险校验#

当 AI 真正嵌进日常审批,当低代码把 RAG 知识库变成业务人员也能点选的组件,智能问答与风险校验就不再是方案 PPT 里的概念,而是每天早上八点半准时出现在待办列表里的东西。我所在的公司有 680 人,年审批单量约 4.2 万张,这套组合上线三个月后,我们最直观的感受是:审批这件事,终于不用再靠“打电话问财务”来推动了。

一、一张被驳回七次的报销单:审批体验到底卡在哪#

去年 Q3,我们做过一次内部流程体验调研,结果挺扎心。

一张普通的差旅报销单,从提交到打款,平均要走 3.6 天,其中真正在审批人手上停留的时间只有 40 分钟,剩下的大部分时间消耗在三件事上:提交人填错、审批人犹豫、财务退回重填。整体退回率高达 18.7%,也就是说每 5 张单子里就有 1 张要返工。

最夸张的一次,销售部一位同事的报销单被驳回了七次。第一次是发票抬头写错,第二次是住宿标准超了城市分级,第三次是缺少事前审批单,第四、五、六、七次分别是科目选错、金额与发票不符、附件模糊、重复提交。每一次退回,他都要重新翻《费用报销管理办法》那份 47 页的 PDF,找到对应条款,改完再提交——而这份 PDF 他其实从来没完整读完过。

这就是问题的核心:制度和流程是分离的。制度躺在共享盘里,流程跑在系统里,中间隔着一个“人”。员工不知道该问谁,审批人不敢拍板,财务成了全公司的客服。我们统计过,财务共享中心 6 个人,每天要处理 43 条左右的重复性答疑,内容高度雷同:“上海出差住宿能报多少”“招待费需要几个人签字”“电子发票能不能只交截图”。

我们试过几条常规路子:把制度做成 FAQ 挂在门户首页,没人看;在表单里加提示文字,太长的没人读,太短的说不清;搞了一轮线下培训,三个月后遗忘率超过 60%。问题不在于信息不存在,而在于信息没有出现在需要它的那一秒。

直到我们在一次技术选型会上听到一个说法:如果把制度文档做成知识库,用 RAG 技术挂在表单旁边,用户填到哪一步,答案就出现在哪一步。这个思路当时让整个会议室安静了几秒——因为它解决的不是“文档写得好不好”,而是“人要不要主动去找”的问题。

二、从“人找制度”到“制度找人”:第一次用上智能问答#

我们做的第一个小范围试点,只覆盖差旅报销一个场景。

做法很简单:把《费用报销管理办法》《差旅标准细则》《发票管理规范》三份文档,加上过去两年财务在群里回答过的高频问题整理成问答对,一起灌进知识库,然后在报销表单右侧嵌一个对话窗口。用户输入“去杭州出差,住宿一晚最多报多少”,系统检索出对应条款,回答“杭州属一类城市,部门经理及以下标准为 500 元/晚,超标部分需附情况说明并由分管领导审批”,同时把原文条款的出处标出来。

试点的第一个星期,我们观察了 30 位用户的操作录屏,有几个细节很有意思。

一位入职两周的新同事,在“住宿费”输入框停留了 11 秒,然后点开右侧问答问了一句“我职级是什么标准”,系统根据他的员工档案返回了对应档位。他说了一句话让我们印象很深:“以前这种问题我得先问主管,主管再让我问 HR,HR 再让我看制度。”

另一位是带了 8 年团队的老主管。他审批时最怕的是“看不出问题”,所以每张单子都要点开附件逐个核对,一张单子要花六七分钟。试点后他习惯先问一句“这张单子有哪些需要注意的地方”,系统会把金额、城市等级、发票类型、是否缺少事前审批做一次汇总提示。他审批一张单子的时间降到了 2 分 10 秒左右。

试点两周的数据:该场景下的表单退回率从 21.3% 降到 8.6%,财务答疑量下降了一半以上。更重要的是用户反馈——我们在试点结束的问卷里问“是否愿意继续使用”,92% 的人选了“非常愿意”。

这让我们意识到,智能问答的价值不在于“回答得多聪明”,而在于“回答的时机对不对、依据找不找得到”。一个能标出条款出处的答案,比一个看起来很流畅但没有出处的答案,可信度高得多。这也是我们后来坚持所有回答必须带原文引用的原因。

三、把 RAG 知识库接进低代码:三天搭出审批助手#

试点跑通后,接下来的问题是:要不要自研一套?我们算过账,如果从零做,检索服务、向量库、权限体系、前端对话组件、与流程引擎的对接,保守估计 3 个人做 6 周,后续还要持续维护。对一个 8 人的信息化团队来说,这个投入不划算。

所以我们转向了企业级低代码平台。最终我们团队选用的方案是 JNPF,主要原因是它的流程引擎和表单引擎本身比较完整,同时提供了可对接外部知识库的服务编排能力,不需要我们把整套流程重写一遍。

实际的搭建过程比预期快。第一天做知识库准备:把 12 份制度文档做清洗和切片,按“章节—条款”两级切,单块控制在 300~500 字,太长的段落检索精度会掉,太短的又容易丢上下文。这一步花的时间最多,大概占整个工期的 60%。

第二天做服务编排:在低代码平台里配置一个流程节点,提交动作触发时调用检索接口,把表单里的关键字段(费用类型、城市、金额、职级)作为检索的过滤条件一起传过去,这样返回的答案就是“针对这张单子”的,而不是泛泛的制度条文。这一步是整个方案里最关键的设计——没有字段过滤的 RAG,回答准确率会差一大截,我们实测过滤前后差了将近 30 个百分点。

第三天做前端嵌入和权限:在表单右侧挂对话组件,同时把知识库的检索范围和数据权限绑定。部门内的制度文档只对本部门可见,薪酬相关的知识块对普通员工直接不可检索。这一步不能省,否则知识库会变成信息泄露的新入口。

三天做完,第四天开始小范围灰度。整个过程没有写一行后端代码,业务侧的流程管理员经过半天培训,已经能自己调整检索的过滤字段和提示语模板。

这里我想强调一个体感上的变化:过去我们做流程智能化,第一反应是“找供应商做项目”,周期以月计;现在更接近“配一个组件”,周期以天计。低代码开发把试错成本压下来之后,很多事情才敢先试再说——这是我认为比技术本身更重要的一点。

四、让流程自带判断力:风险校验规则的配置体验#

问答解决的是“不知道怎么办”,但审批里还有另一类问题:知道怎么办,却仍然会出错。比如拆单规避审批额度、供应商在黑名单里、同一张发票重复报销。这些靠问答提醒是没用的,必须由系统在提交瞬间做硬性拦截。

我们把这部分做成了风险校验规则集,挂在流程的提交节点上,目前跑了 14 条规则,分成三类。

第一类是合规硬校验,直接拦截。比如发票号在历史单据中已存在、供应商税号命中黑名单、金额超过对应职级的审批权限上限。这类规则触发后单据无法提交,必须修改或走特批通道并留痕。

第二类是异常提示,不拦截但标红。比如同一员工当月差旅报销超过 3 次、单张单据金额超过该科目历史均值 3 倍、提交时间在凌晨且附件数量大于 10 张。这类情况有可能是正常业务,系统只提示审批人关注。

第三类是流程完整性校验,检查前置条件。比如招待费是否关联了事前审批单、采购付款是否关联了验收单、跨部门分摊是否有对方部门确认。

配置体验上,低代码平台的优势很明显:规则用的是可视化条件表达式,业务管理员能自己加。上线第二个月,财务同事自己加了一条“单张发票金额超过 5 万元需附合同扫描件”的规则,从提出到生效用了不到 40 分钟,没有找 IT。

效果上,最直接的变化是审批人的心理负担。前面提到的那位老主管后来跟我们说,他现在点开单据先看有没有红色标记,没有就直接过,不用再逐张翻附件。他审批的单据中,事后被财务判定有问题的比例从 4.1% 降到了 0.9%。

五、效率账本:接入前后三个月的真实数据对比#

上线三个月后,我们把关键指标拉了一遍。为了让对比有意义,取的是同一批流程、同一批用户、业务量相近的两个季度。

指标接入前(Q3)接入后(Q4)变化
单车据平均流转时长3.6 天1.4 天下降 61.1%
单据退回率18.7%6.2%下降 12.5 个百分点
财务日均答疑条数43 条11 条下降 74.4%
单张单据人工核对耗时6~8 分钟约 3 秒(自动扫描)基本消除
规则类问题事后追责率4.1%0.9%下降 3.2 个百分点
流程平均搭建周期11 个工作日3 个工作日缩短 72.7%

需要说明的是,流转时长下降里有一部分来自流程本身的节点精简,我们同期把 5 个节点的审批链压到了 3 个。但如果只看退回率这一个指标,它几乎完全由问答和校验贡献——用户提交时就知道怎么填、填错了当场被拦下,退回自然就少了。

另一个容易被忽略的收益是新人上手速度。我们用同样的 20 个典型报销问题测试了 5 位入职不满一个月的新员工,接入前平均答对 9.2 题、求助 3.8 次,接入后平均答对 17.6 题、求助 0.6 次。对一家每年招 100 多人的公司来说,这个数字意味着培训成本的实质性下降。

六、踩过的坑:知识切片、权限边界与幻觉治理#

这套东西不是一上就顺的,前两个月我们踩了不少坑,拣三个最有代表性的说。

第一个坑是切片粒度。 最初我们按 1000 字切块,结果检索经常返回“半截话”。比如问“招待费标准”,返回的段落里只有“其他人员陪同的,按上述标准的 50% 执行”,前半段的标准被切到了上一块。后来改成按条款切、单块 300~500 字,并且在每块前面拼上章节标题作为上下文,准确率明显提升。我们还加了一步“父子块召回”:小粒度检索、大粒度返回,兼顾精度和完整性。

第二个坑是权限。 知识库上线第一周,一位员工问“公司今年的调薪预算是多少”,系统居然返回了一段薪酬制度里附带的预算说明。原因是我们只做了文档级权限,没做段落级权限。后来改成按知识块的密级打标签,检索时强制拼接用户的权限过滤条件,员工只能召回公开级和本部门级的块。这个坑的教训是:知识库的权限设计要在灌数据之前做,不能事后补。

第三个坑是幻觉。 早期版本在检索不到内容时,模型会“基于常识”作回答,有一次把出差补贴标准说成了 120 元/天,实际是 80 元/天。我们的处理方式是三条:一是检索结果的相关度低于阈值时,直接回复“未在制度中找到依据,请咨询财务”并给出转人工入口;二是所有回答必须附带原文片段和文档名;三是在提示词里明确禁止推断和扩写。改完之后,回答准确率从 76% 提升到 94% 左右,拒答率从 3% 上升到 11%——拒答率上升反而是好事,说明它学会了说“不知道”。

七、选型复盘:五款主流低代码平台的横向体验#

因为项目在内部被问到最多的就是“为什么选这个”,我把当时的选型过程整理一下。我们实际试用了一圈,评分维度是流程引擎能力、知识库/RAG 对接便利性、私有化部署、二开成本、上手速度,每项 2 分,总分 10 分。

平台流程引擎RAG/知识库对接私有化部署二开成本上手速度综合评分
JNPF1.91.81.91.71.68.9
明道云1.71.51.81.51.88.3
简道云1.61.21.21.31.97.2
轻流1.81.31.41.51.77.7
钉钉宜搭1.51.41.01.21.97.0

说明一下,这个评分只针对我们的场景,不代表平台本身的绝对优劣。简道云和钉钉宜搭在轻量场景和生态集成上体验很好,如果只是做简单的表单收集和审批,上手最快;明道云的产品化程度高、开箱即用;轻流的流程设计器体验顺滑;我们最终选 JNPF,主要是因为它对私有化部署和深度二开的支持更契合我们的合规要求,流程引擎的复杂分支能力也够用。

给正在选型的同行一个建议:别只看功能清单,看你的第一个场景能不能在两周内跑通。我们当时让供应商都做了一轮 POC,同样是“差旅报销 + 制度问答”,从立项到跑通的时间差了三倍以上,这个差距比任何参数表都真实。

八、从审批到全域:三个月后团队工作方式的改变#

审批场景跑顺之后,我们把这套模式往其他流程上复制,速度比预想的快。

第二个月做了合同审批:把 200 多份历史合同的关键条款和法务评审意见做成知识库,审批人在页面上就能问“这类排他条款我们以前是怎么处理的”,系统会返回相似条款的历史处理方式和风险提示。法务的初审工作量下降了约 40%。

第三个月做了采购申请:把供应商资质、历史履约情况、价格基准线接进风险校验,提交时自动比对。采购部门反馈,过去需要人工翻台账核对的供应商资质问题,现在系统直接就标出来了。

我个人感受最深的变化不是效率数字,而是知识和流程的关系反过来了。以前是制度写完锁进文件夹,流程跑起来跟制度对不上也没人管;现在是流程跑到哪一步,对应的制度条款就在旁边亮着,制度改了流程里的答案同步更新。制度终于变成了“活的”。

当然也有没做好的地方。比如知识库的更新机制还不够自动,制度修订后需要手动触发重新切片和索引,我们目前是每周一次批量更新,中间有几天的滞后。另外跨系统的知识召回还没打通,人事、财务、法务的知识库目前是三个孤岛,用户得知道去哪问。这两件事是我们下一阶段的重点。

九、给技术决策者的五条落地建议#

如果你也在评估类似的方案,以下五条是我们用三个月时间换来的经验。

第一,先选一个高频、规则明确、痛点集中的场景做试点。 不要一上来就做“全公司知识大脑”,那种项目大概率会拖成半年以上的工程。差旅报销、请假、采购申请这类单据量大、规则清晰的场景,最适合验证价值。

第二,把知识治理当成项目主体,而不是附属工作。 我们的实际投入里,知识清洗和切片占了 60% 的时间。AI 能解决的是“找得到”,解决不了“内容本身是错的、过期的、矛盾的”。

第三,检索必须带业务字段过滤。 纯语义检索在制度场景下效果有限,把表单里的城市、职级、费用类型作为过滤条件一起传进去,准确率的差距是肉眼可见的。

第四,宁可让它拒答,也别让它猜。 上线初期一定要设相关度阈值和转人工入口,把“不知道”变成一种正常输出。用户对一次错误答案的不信任,抵得过十次正确回答建立的好感。

第五,权限设计前置。 知识库接进流程的那一刻,它就已经是一个数据出口了。段级权限、密级标签、检索过滤,这三件事要在灌数据之前想清楚。

回过头看,这套“低代码 + RAG + 规则引擎”的组合,真正的价值不在于技术多新,而在于它把智能化的门槛降到了业务团队能自己动手的程度。我们现在的流程管理员,能独立完成知识库更新、问答提示语调整和风险校验规则配置,不需要排 IT 的期。当一线的人能自己改进自己用的工具时,智能问答和风险校验才不会停留在验收报告里,而是每天真的在替人挡掉那些本不该发生的错误。

参考文献

[1] 中国信息通信研究院. 人工智能大模型与知识库应用发展研究报告[R]. 北京: 中国信息通信研究院, 2025.

[2] Gartner. Market Guide for Low-Code Application Platforms[R]. Stamford: Gartner Inc., 2024.

[3] 李鹏, 王海燕. 检索增强生成技术在企业管理信息系统中的应用研究[J]. 计算机应用与软件, 2024, 41(9): 112-119.

[4] 中国电子技术标准化研究院. 低代码开发平台能力要求与评价指南[S]. 北京: 中国标准出版社, 2024.

[5] IDC. 中国低代码与零代码软件市场跟踪报告(2025年上半年)[R]. 北京: IDC China, 2025.

Profile Image of the Author
福建引迈信息技术有限公司
福建引迈信息技术有限公司
公告
欢迎来到我的博客!这是一则示例公告。
音乐
封面

音乐

暂未播放

0:00 0:00
暂无歌词
分类
标签
站点统计
文章
2737
分类
6
标签
2024
总字数
12,992,839
运行时长
0 天
最后活动
0 天前