传统系统往往在报销单提交后才发现问题，智能费控可以在申请阶段就识别预算余量、 费用类型、地点、票据要求和制度约束。这样报销不是最后一关，而是从费用发生前就开始的控制链路。
X-Financial / Intelligent Expense Control
从报销工具，到企业费用智能操作系统
智能费控平台的核心价值，不是把传统审批流程搬到线上， 而是把费用、预算、组织、制度、票据、行为画像和智能体能力 连接成一套可解释、可追溯、可持续进化的企业财务风控中枢。
2 层
双智能体循环
User Agent 处理用户操作；Hermes 在后台持续巡检数据与流转风险。
10+
业务模块
覆盖总览、单据、预算、规则、数字员工、知识库、日志和设置。
8 字段
本体协议核心
domain、scenario、intent、entities、time_range、constraints、risk_signals、next_step。
4 类
画像与风控算法
申请人费用画像、员工行为画像、预算费用模型、规则/本体/RAG 分析。
01 / WHY
为什么要做智能费控平台
智能费控不是把报销审批电子化，而是把企业每一笔支出变成可理解、可预测、可解释的经营信号。 当 AI、RAG、智能体、异常检测和预算联动进入财务流程后，费用平台会从“流程系统”升级为“经营控制系统”。
第一，费用是企业经营动作最密集、最贴近一线的数据入口。销售拜访客户会产生差旅和招待， 项目交付会产生交通、住宿、外包和办公支出，培训、采购、通信、会务也都以费用形式落地。 如果企业只在报销完成后做核销，就只能看到“钱已经花了”；如果在申请、预算占用、票据上传、 审批和归档全过程做智能分析，就能提前看到“这笔钱为什么要花、是否该花、花完后对预算和风险有什么影响”。
第二，财务工作的重心正在从人工处理转向分析、预测和决策支持。Gartner 2025 年财务 AI 调研显示， 财务组织最常见的 AI 用例已经包括知识管理、应付流程自动化、错误与异常检测；McKinsey 的 CFO 调研也显示， 绝大多数受访者期待 AI 减少人工分析负担、生成洞察。这意味着费控平台必须具备自动识别、自动解释和自动沉淀的能力， 否则它会停留在“录单工具”，无法进入未来财务的核心工作台。
第三，费用风险越来越隐蔽。传统审批能挡住“缺附件”“超标准”这类显性问题， 但很难发现拆单、跨部门合谋、异常频次、预算节奏异常、同组偏离、长期材料质量差等隐性问题。 ACFE 的职业舞弊报告将虚构或夸大业务费用列为典型报销舞弊形态；随着 AI 生成票据、深度伪造和自动化攻击出现， 企业更需要一个能把票据、人员、部门、历史行为、预算和制度放在一起分析的平台。
59%
Gartner 2025 年调研显示，财务 AI 采用率已达到约六成，知识管理、应付自动化和异常检测是高频用例。
85%
McKinsey CFO Pulse 提到，多数 CFO 期待 AI 生成洞察、减少手工分析，把财务人员释放到更高价值工作。
25%
Salesforce 2025 年 CFO 调研显示，CFO 平均把约四分之一 AI 预算投向 AI Agent，数字劳动力进入预算层。
制度、Excel 规则、风险 JSON、知识库和历史记录被统一纳入规则中心与本体语义层， 系统可以自动给出命中原因、制度依据和补正建议，减少审批人凭经验反复判断。
部门、岗位、职级、费用类型、预算池、审批质量和 AI 协作记录共同构成画像， 让财务看到“为什么这个单据值得关注”，也让部门负责人知道费用结构是否偏离经营节奏。
Hermes 数字员工可以按计划巡检风险、生成报告、汇总异常、沉淀优化候选， 让财务团队从重复检查转向规则治理、预算策略、风险决策和经营分析。
一句话定位
智能费控平台不是“更漂亮的报销页面”，而是企业经营数据进入财务风控体系的语义入口， 也是未来 AI 财务中台最容易落地、最容易证明价值的入口之一。
02 / COMPANY POSITION
费控在未来公司的地位
未来公司的费控，会从“报销审批入口”变成“经营支出操作系统”。 它一端连接员工和部门的真实业务动作，另一端连接预算、现金流、成本、风险、制度和管理决策。
从组织分工看，CFO 的角色正在从财务记录者变成业务伙伴和技术治理者。 Deloitte 的未来财务洞察持续强调，财务团队会把更多时间投入分析、预测和决策支持； Deloitte APAC CFO 2025 调研也显示，接近一半 CFO 认为生成式 AI 会在两年内显著改变行业、组织和财务职能。 这意味着费控不应再被放在“报销系统”这个狭窄位置，而应该成为 CFO 获取一线经营信号的前置雷达。
从业务管理看，预算不再只是年初编制和月底复盘。未来预算需要跟每一次费用申请实时联动： 当前预算池还有多少、审批后使用率是多少、是否触达预警线、该部门同类费用是否异常、是否影响项目毛利和现金节奏。 因此费控会成为部门经理、项目负责人和财务 BP 共同使用的经营协同平台。
从风险控制看，未来公司的费用风险不是单张票据能解释清楚的，而是多源数据的组合问题。 一张票据可能合规，但一个人三个月内的频次、金额、地点、客户、同行人和预算占比可能异常。 智能费控要把这些信号拉成一张网，让管理者在支付之前就看到风险轮廓。
- 经营仪表盘：部门费用、项目消耗、预算占比、执行率、风险热区可以被实时汇总。
- 预算守门员：费用申请不再只看“能不能报”，而要看“是否符合预算节奏”。
- 内控前置层：票据、地点、人员、金额、制度条款和历史行为被联动审核。
- AI 财务工作台：财务人员可以通过自然语言查询制度、解释风险、生成审批建议和费用报告。
- 规则与知识工厂：制度解释、规则生成、风险复盘和人工反馈进入可持续优化闭环。
- 管理决策入口：管理者可以询问“哪个部门预算风险最高”“哪些费用正在吞噬毛利”。
业务动作
出差、采购、招待、培训、项目交付
智能费控平台
预算、单据、制度、票据、风险、智能体
财务结果
成本、现金、核销、支付、账务沉淀
组织与预算
部门、项目、成本中心、预算池
数据与画像
费用画像、行为画像、同组基准
管理决策
预警、报告、经营洞察、规则优化
费控位于经营动作和财务结果之间，未来承担预算守门、规则解释、风险识别、数据画像和管理洞察的中枢角色。
03 / BLUE OCEAN
智能分析费控平台的蓝海
传统 ERP、OA、报销系统和财务共享平台已经覆盖了流程，但对“语义理解、自动洞察、隐性风险识别、 预算占比解释、部门费用经营分析”的覆盖仍然不足。蓝海空间正来自这个空白： 市场正在从单点报销工具转向 AI 驱动的差旅、费用、发票、预算和风险一体化平台。
Grand View Research 2025 年报告预计，全球差旅与费用管理软件市场到 2030 年将达到 106.9 亿美元， 2024 至 2030 年复合增速为 16.9%。更重要的是，它特别提到 AI 可用于审批与支付自动化、 员工差旅历史和支出模式分析、OCR 票据字段识别以及基于自然语言的交互。 这说明市场真正的增长点不只是“报销线上化”，而是“费用智能化”。
票据、制度 PDF、Excel 规则、审批意见、用户自然语言都能进入同一个语义管道。
费用从“报销明细”升级为“部门预算执行、费用结构、异常趋势、经营压力”的管理对象。
拆单、超预算、重复票据、地点不一致、附件缺失、异常频次都可以更早被发现。
后台数字员工不再等待人点击，而是按周期巡检数据、生成报告和沉淀优化候选。
自然语言规则、风险规则、Excel 规则和制度知识可以逐步变成可测试、可版本化资产。
RAG 与知识库让制度解释从人工翻文档，转为“问一句，返回依据和建议”。
04 / PROJECT GOAL
开发这个平台的目的
当前项目的目标是做一套可演示、可扩展、可继续工程化的智能费控底座。 它既要能承载真实报销、审批、预算和知识库流程，也要能承载智能体调用和后续自进化闭环。
01
让用户用自然语言完成费用流程
用户可以描述出差、招待、补件、审批问题，系统通过本体解析成结构化字段，再交给编排器和对应服务处理。
02
让财务看到预算和风险的真实原因
预算中心计算预算占用、剩余额度、审批后使用率；规则中心解释风险规则命中；画像算法给出同组基准。
03
让 Hermes 自动发现隐藏问题
后台数字员工读取单据、聚类上下文、识别拆单和异常频次等隐性风险，再形成报告和工单候选。
04
让知识、规则和反馈持续进化
人工反馈、OCR 修正、规则误报漏报、审批意见改写和知识问答反馈进入候选池，经人工审核后更新规则或知识。
05 / ALGORITHMS
相关算法与智能分析能力
项目中已经沉淀了独立算法目录和多个业务模型。核心原则是： 先有可解释公式，再进入服务；算法输出“依据 + 建议动作”，不直接替代人工审批。
根据近 90/180 天申请频次、金额占用、同组偏离、历史退回调减、本次申请偏离等指标， 计算画像风险分和审批建议强度。
applicant_expense_profile.py / applicant_expense_profile_formula.md覆盖费用支出画像、流程质量画像、AI 协作强度、审批行为画像， 支持按照部门、岗位、职级和费用类型建立同组基准。
employee_behavior_profile.py / employee_behavior_profile_service.py结合预算总额、已占用、已核销、本次申请金额、审批后使用率、预警线和超预算金额， 输出 recommended、caution、review、block 等建议。
budget_expense_control.py / budget.py风险信号会映射到具体规则编码，例如重复发票、地点不一致、附件不匹配、事由过短， 使自然语言风险问题能落到可执行规则。
risk_ontology_bridge.py / risk_rule_template_executor.pyprofile_score =
frequency_score * 0.20
+ amount_occupancy_score * 0.25
+ peer_deviation_score * 0.25
+ adjustment_history_score * 0.15
+ current_claim_deviation_score * 0.15
budget_control =
claim_amount_ratio
+ after_usage_rate
+ over_budget_amount
+ missing_business_context
+ control_action
06 / MODULES
当前项目模块与核心能力
前端提供业务操作入口，后端提供领域服务、智能体编排、本体解析、规则资产、知识检索和审计追踪。 其中最核心的是：本体语义层、Orchestrator、User Agent、Hermes、预算/单据服务、规则中心和画像算法。
前端应用层
总览、个人工作台、单据中心、预算中心、规则中心、数字员工、员工管理、制度知识、日志管理、系统设置。
OverviewView
BudgetCenterView
AuditView
DigitalEmployeesView
DocumentsCenterView
单据与报销服务
支持申请单、报销单、附件、票据分析、审批、退回、归档、预算联动和 AI 结构化核对。
ExpenseClaimService
expense_claim_budget_flow
expense_claim_risk_review
预算中心
管理预算额度、部门/项目/成本中心维度、预算占用、核销、可用余额、预警线和超预算控制。
BudgetService
BudgetAllocation
BudgetReservation
规则中心
管理财务规则、风险规则、规则测试、规则等级、业务场景、费用类型范围和规则资产版本。
AgentAssetService
AgentFoundationRiskRuleMixin
risk-rules
本体语义层
把自然语言、页面动作、附件上下文和定时任务解析成统一协议，供 Agent 和工具调用使用。
SemanticOntologyService
ontology_detection
ontology_extraction
ontology_validation
Agent 编排与追踪
Orchestrator 决定进入 User Agent 或 Hermes，记录本体解析、工具调用、降级结果和审计轨迹。
OrchestratorService
OrchestratorExecutionEngine
AgentRunService
知识库与 RAG
对制度、FAQ、Excel、PDF、DOCX 进行检索和结构化回答，支持本地文本块与 LightRAG 运行时融合。
KnowledgeRagService
knowledge_document_extractors
knowledge_ingest_log
Hermes 数字员工
后台执行风险扫描、费用报告、员工画像刷新、任务日志记录和风险报告沉淀。
HermesRiskScannerService
hermes_scheduler
HermesRiskReport
07 / ARCHITECTURE
双智能体循环架构
外层 User Agent 负责用户操作、问答、草稿和确认；内层 Hermes 负责后台巡检、隐性风险、任务报告和候选优化。 两者不争夺职责，而是共享本体、规则、知识、数据和审计。
外层循环：User Agent 面向用户操作
处理用户自然语言、页面动作、草稿生成、审批解释和确认后的流程写入
用户输入
自然语言、页面按钮、附件上下文
本体解析
场景、意图、实体、缺槽位
Orchestrator
路由、权限、审计、降级
工具执行
DB、规则、RAG、OCR、预算
回答/草稿
解释、核对、确认、提交
用户确认、补充字段或修改核对结果后，继续回到同一个会话上下文。
共享中台
语义本体 · 规则资产 · 知识库 · 业务数据库 · AgentRun Trace · 权限审计
内层循环：Hermes 数字员工监控核心数据与流转风险
面向系统事件和定时任务，负责长期巡检、隐性风险、报告与优化候选
定时触发
schedule、system event、手动触发
数据快照
预算、单据、员工、日志
风险分析
规则、LLM、画像、同组基准
报告/工单
risk_report、work_items、snapshot
反馈候选
规则、知识、OCR、Prompt
Hermes 只生成候选和报告；规则上线、知识发布、审批和付款仍需要权限、确认和人工审核。
双循环的关键不是“两个聊天机器人”，而是把用户主动流程和后台系统巡检拆开，
再通过统一语义协议、规则资产、业务数据和审计日志连接起来。
08 / ONTOLOGY
本体语义层的优势
当前项目已经接入本体语义层。它的价值在于把“用户怎么说”和“系统怎么执行”隔开， 让自然语言、页面动作、定时任务、规则中心和数据库查询都走同一套协议。
用户说“我今天去客户现场，招待客户”，不能因为出现“客户”就误路由到应收查询。 本体会综合场景、意图、缺槽位和上下文判断。
每次调用都能保留 scenario、intent、entities、risk_flags、next_step， 便于回放、追责和优化。
费用类型、部门、预算期间、预算科目、风险信号都可以被统一解析， 减少前后端重复写规则。
自然语言 / 页面动作
用户提问、发起申请、编辑核对、上传附件
定时任务 / 系统事件
风险巡检、知识同步、MCP 健康检查
Semantic Ontology
domain · scenario · intent · entities · time_range · constraints · risk_signals · next_step
数据库查询
预算、单据、员工、部门、应收应付
规则 / MCP
风险规则、票据校验、外部服务
知识 / RAG
制度条款、FAQ、历史解释、证据来源
本体层不直接给最终答案，它输出可执行协议，让后续工具和 Agent 按相同语义工作。
{
"domain": "reimbursement",
"scenario": "travel_reimbursement",
"intent": "risk_check",
"entities": ["employee", "department", "expense_type", "budget_period"],
"time_range": {},
"constraints": {},
"risk_signals": ["duplicate_invoice", "over_budget"],
"next_step": "run_rule"
}
09 / PRODUCT SCREENS
关键页面截图
下列截图来自当前项目 `web/UI` 目录，用来展示平台已经覆盖的核心操作面： 管理总览、预算、单据、智能助手、知识库、日志和设置。
10 / EVOLUTION
建议演进路线
当前项目已经具备智能费控雏形。后续重点不是堆更多页面，而是把本体、预算、画像、规则、 Hermes 和反馈闭环做深，让平台从“能演示”走向“可运营”。
阶段一
完成本体协议、单据中心、预算中心、规则中心、知识库和 Agent Run 追踪的稳定联动。
阶段二
加强费用画像、部门预算占比、审批建议、风险解释和单据详情页的业务可读性。
阶段三
将 Hermes 的风险扫描、费用报告、员工画像刷新和规则质量复盘变成可配置任务。
阶段四
建立人工反馈池，让 OCR 修正、规则误报漏报、审批意见改写和知识问答反馈形成候选优化项。
关键原则
自进化不等于自动改线上规则。Hermes 负责发现、聚类、建议和生成候选； 最终规则、知识、审批和付款仍然必须经过权限、确认和人工审核。
11 / SOURCES
趋势依据与引用来源
本文档中的市场趋势、CFO 角色变化、AI Agent 预算、异常检测和费控市场空间，参考了以下公开资料。
-
Gartner：2025 年财务 AI 采用率与主要用例
资料显示财务 AI 采用率为 59%，知识管理、应付流程自动化、错误与异常检测是主要落地场景。 -
McKinsey：CFOs counting on gen AI
CFO 调研显示，85% 受访者期待 AI 生成洞察、减少人工分析，71% 已使用者认为 AI 提升了生产力。 -
Deloitte APAC CFO 2025 Survey
接近一半 CFO 预计生成式 AI 会在两年内显著改变行业、组织和财务职能。 -
Salesforce：CFOs Invest in AI for Growth 2025
CFO 平均将 25% AI 预算投入 AI Agent，61% 认为 AI Agent/数字劳动力对竞争力关键。 -
U.S. Bank / ACFE：费用报销舞弊风险
文章引用 ACFE 2024 Report to the Nations，指出费用报销舞弊平均损失和发现周期，说明费用风险需要持续监控。 -
Grand View Research：差旅与费用管理软件市场
报告预计全球 T&E 管理软件市场到 2030 年达到 106.9 亿美元，AI、OCR、审批自动化和风险管理是关键方向。