第3章 AI 办公助理

学习目标

• 掌握 AI 办公助理的能力边界与典型功能模块
• 理解多工具集成（Tool Use）在办公场景中的设计模式
• 学会使用 Agent 编排实现日程、邮件、文档、会议、任务等子流程
• 能够设计企业 OA 系统集成方案与权限管控策略
• 识别办公助理落地中的隐私、安全与体验关键点

问题导入

某中型企业员工每天花费大量时间在重复事务上：安排会议要协调多人日程，处理邮件要分类回复，周报要汇总多个系统数据，会议纪要要手动整理。CTO 希望"给每位员工配一个 AI 助理，把这些杂事自动办了"。但很快遇到一连串问题：助理要能读写日历、收发邮件、查询 OA、生成文档，涉及多个异构系统；不同岗位的助理能力不同，销售助理要管 CRM，HR 助理要管招聘系统；部分操作敏感（如代发邮件、改日程），必须有人工确认。如何设计一个既能干又安全、可扩展的办公助理？本章将系统解答。

核心概念

1. 办公助理能力地图

模块	典型功能	依赖工具
日程管理	创建/修改/查询日程、会议协调	日历 API、同事空闲查询
邮件处理	分类、摘要、草稿回复、重要提醒	邮箱 API、通讯录
文档生成	周报、纪要、方案、模板填充	文档系统、数据源
会议纪要	转写、摘要、待办提取、分发	会议系统、ASR
任务跟踪	创建任务、进度同步、催办	任务系统、IM
信息查询	查制度、查数据、查联系人	知识库、数据仓库

2. 多工具集成模式

办公助理的核心挑战是工具数量多、参数复杂。常见三种集成模式：

• 直接函数调用：Agent 通过 function calling 调用每个工具，适合工具数 < 10 的场景。
• MCP 服务化：把工具封装为 MCP Server，Agent 通过统一协议调用，适合工具多、跨团队复用。
• 技能路由：按意图路由到子 Agent，每个子 Agent 专注一类工具，降低主 Agent 上下文压力。

3. 任务编排与人工确认

办公场景中部分操作不可逆（发邮件、改日程、发通知），必须引入人工确认。典型编排：

1. Agent 解析用户意图，生成操作计划（Plan）。
2. 对只读操作（查询、摘要）直接执行。
3. 对写操作（发送、修改、创建）生成确认请求，等待用户批准。
4. 用户确认后执行，并回执结果。

4. 权限与数据隔离

办公助理接入企业多系统，权限管控是底线：

• 身份代理：以用户身份调用各系统 API，遵循用户既有权限，避免越权。
• 数据隔离：不同部门、不同级别的员工可访问的工具与数据不同。
• 审计日志：所有写操作记录操作人、时间、参数，便于追溯。
• 敏感数据脱敏：Agent 上下文中不应残留密码、薪资等敏感字段。

5. 个性化与记忆

办公助理需记住用户偏好：常用会议时段、邮件签名、周报模板、汇报对象。这些信息存储在用户级长期记忆中，可在会话间复用，避免每次重复说明。

原理图

flowchart TB
    U[用户指令] --> Planner[任务规划 Agent]

    Planner --> RO{操作类型判定}
    RO -->|只读| Exec[直接执行]
    RO -->|写操作| Confirm[人工确认节点]
    Confirm -->|批准| Exec
    Confirm -->|拒绝| End2[取消并反馈]

    Exec --> Router{技能路由}
    Router -->|日程| Cal[日程工具集]
    Router -->|邮件| Mail[邮件工具集]
    Router -->|文档| Doc[文档工具集]
    Router -->|会议| Mtg[会议工具集]
    Router -->|任务| Task[任务工具集]

    Cal --> OA[(企业 OA / 日历 / 邮件 / IM)]
    Mail --> OA
    Doc --> OA
    Mtg --> OA
    Task --> OA

    Exec --> Reply[回复用户]
    Reply --> Memory[(用户长期记忆)]

图：AI 办公助理架构，含任务规划、人工确认、技能路由与多工具集成

示例代码

以下代码演示一个简化版办公助理，含任务规划、写操作确认与技能路由。

from __future__ import annotations
from dataclasses import dataclass, field


@dataclass
class Action:
    """Agent 生成的操作计划。"""
    tool: str
    params: dict
    write: bool = False  # 是否写操作


# 模拟工具实现
def create_event(params: dict) -> str:
    return f"已创建日程：{params.get('title')} @ {params.get('time')}"


def send_email(params: dict) -> str:
    return f"已发送邮件至 {params.get('to')}：{params.get('subject')}"


def query_schedule(params: dict) -> str:
    return f"{params.get('date')} 您有 3 个会议：09:00 周会、14:00 评审、16:00 1on1"


def summarize_doc(params: dict) -> str:
    return f"文档摘要：{params.get('doc_name')} 主要内容为 Q3 业绩复盘……"


TOOLS = {
    "create_event": (create_event, True),
    "send_email": (send_email, True),
    "query_schedule": (query_schedule, False),
    "summarize_doc": (summarize_doc, False),
}


@dataclass
class OfficeAssistant:
    """简化版办公助理 Agent。"""
    user: str
    pending: list[Action] = field(default_factory=list)

    def plan(self, message: str) -> list[Action]:
        """根据用户指令生成操作计划（演示用，实际用 LLM）。"""
        if "安排会议" in message:
            return [Action("query_schedule", {"date": "今天"}),
                    Action("create_event",
                           {"title": "项目对齐", "time": "明天 10:00"}, write=True)]
        if "发邮件" in message:
            return [Action("send_email",
                           {"to": "team@corp.com", "subject": "周报提醒"},
                           write=True)]
        if "总结" in message:
            return [Action("summarize_doc", {"doc_name": "Q3 复盘.docx"})]
        return [Action("query_schedule", {"date": "今天"})]

    def execute(self, actions: list[Action]) -> list[str]:
        results = []
        for act in actions:
            func, is_write = TOOLS[act.tool]
            if is_write:
                # 写操作需用户确认
                self.pending.append(act)
                results.append(f"[待确认] {act.tool}：{act.params}，回复 Y 执行")
            else:
                results.append(f"[已执行] {func(act.params)}")
        return results

    def confirm(self, reply: str) -> list[str]:
        """用户确认写操作。"""
        if reply.strip().upper() != "Y":
            self.pending.clear()
            return ["已取消操作"]
        results = []
        for act in self.pending:
            func, _ = TOOLS[act.tool]
            results.append(f"[已执行] {func(act.params)}")
        self.pending.clear()
        return results


if __name__ == "__main__":
    bot = OfficeAssistant(user="alice")
    print("— 规划 —")
    for r in bot.execute(bot.plan("帮我安排明天的项目对齐会议")):
        print(r)
    print("— 确认 —")
    for r in bot.confirm("Y"):
        print(r)

企业案例

案例 1：某科技公司 OA 集成

该公司办公助理接入飞书日历、邮件、文档、IM 四大系统。采用 MCP 把每个系统的能力封装为独立 Server，主 Agent 通过 MCP 协议统一调用。员工可用自然语言"帮我约产品同学下周二评审这个方案，并把方案文档发给他们"，助理自动查询日程、创建会议、发送文档链接，写操作需用户确认。上线后人均每周节省约 4 小时事务工时。

案例 2：某咨询公司的会议纪要自动化

该公司会议密集，纪要整理耗时。引入"会议纪要 Agent"：接入会议系统 ASR 转写 → LLM 提取议题、决议、待办 → 自动创建任务并分发责任人 → 推送纪要到 IM。关键决策点保留人工校对节点。纪要交付周期从 2 小时缩短至 10 分钟，待办跟进率从 60% 提升至 95%。

案例 3：某金融企业的权限隔离实践

该企业办公助理需访问 OA、CRM、风控系统，但不同岗位权限差异大。采用"身份代理 + 工具白名单"方案：每个工具调用携带用户 token，由后端系统校验权限；Agent 启动时根据用户角色加载工具白名单，无权工具不可见。审计日志记录所有写操作，满足合规审计要求。

常见问题

Q1：办公助理用单 Agent 还是多 Agent？ A：工具数少（< 10）用单 Agent + function calling 即可；工具多、岗位差异大时建议技能路由到子 Agent，每个子 Agent 专注一类工具，主 Agent 负责规划与分发。

Q2：如何避免助理误发邮件或误改日程？ A：所有写操作必须经人工确认节点，确认前仅生成"操作预览"。同时设置操作回滚机制（如邮件可在 30 秒内撤回）。敏感操作（群发、外发）可设置二次审批。

Q3：办公助理的记忆怎么存？ A：用户级长期记忆存偏好与画像（会议时段、常用模板），会话级短期记忆存当前任务上下文。长期记忆建议用向量库 + 结构化字段混合存储，便于检索与更新。

Q4：如何衡量办公助理的 ROI？ A：核心指标是人均节省工时 × 时薪。可通过员工自报、操作日志对比（助理上线前后在事务系统上的耗时）来测算，并扣除助理开发与调用成本。

面试题

1. 描述 AI 办公助理的多工具集成三种模式及适用场景。 参考答案：直接函数调用适合工具少；MCP 服务化适合工具多、跨团队复用；技能路由适合岗位差异大、工具分类清晰。三者可组合使用。

2. 为什么办公助理的写操作必须人工确认？如何实现？ 答题要点：写操作不可逆且可能影响他人（发邮件、改日程），需人工把关。实现上在 Agent 流程中插入确认节点，生成操作预览，用户批准后才执行，并保留审计日志与撤回机制。

3. 如何设计办公助理的权限与数据隔离？ 参考答案：以用户身份代理调用各系统 API，遵循用户既有权限；按角色加载工具白名单；敏感数据脱敏；所有写操作审计留痕；部门间数据隔离。

练习题

1. 工具设计：为"周报自动生成"场景列出所需工具（取数、汇总、生成、发送），并画出 Agent 编排流程图。
2. 确认机制：设计一个写操作确认 UI，包含操作预览、批准/拒绝、批量确认，写出交互状态机。
3. 思考题：如果助理要同时服务员工与管理者（管理者可查看下属日程），如何在不越权的前提下满足双方诉求？

小结

AI 办公助理是企业内部提效的关键场景，其核心是"多工具集成 + 任务编排 + 人工确认 + 权限隔离"。技术上，MCP 协议让工具集成更标准化，LangGraph 的状态图让写操作确认与回退流程清晰可控；业务上，权限管控与审计是底线，个性化记忆是体验加分项。衡量成功的最终标准是人均节省工时与员工满意度。下一章我们将进入开发者场景——AI 编程助手。