先说几个核心判断：非技术背景的业务人员，完全有可能搭出一套覆盖全省网点的自动化管理系统。这不是什么特别了不起的事，只是找对工具、理清逻辑、然后动手干。

这篇文章要聊的，是一位省区安全管理员——管着全省几十个网点的安全制度落地、人员培训和检查汇报——怎么在一个月内，用 AI Agent 工具链从零搭出一套包含知识库、考试系统、智能问答和自动化运维的完整系统。

这不是天方夜谭，而是已经跑通并且稳定运行了一个月的真实案例。

一、为什么非要自己搭这套系统

直接说现实困境：全省几十个网点的安全工作，压在一个人身上。

日常要面对的事情包括：660份安全制度文件的管理——消防、操作规范、应急处置，什么门类都有；几十个网点的人员培训考核，过去靠微信群发题、手工统计成绩；还有每天的巡检记录、隐患排查、整改追踪，日报周报月报写到头皮发麻。更别提那些散落在各个文件夹里的检查记录、照片和整改单。

最大的痛点不是"没工具"，而是"工具之间互相不通"。制度文件在文件夹里，考试在微信群里，成绩统计在Excel表格里——各自独立，数据不互通，大量重复劳动。

试过用Excel管理、用飞书文档协作、用企业微信收集，每个工具都能解决一部分问题，但数据始终是断的。直到开始接触 AI Agent 工具——不是去学编程，而是让 AI 帮我把这些事串起来。

二、系统架构全景

经过一个月的摸索和迭代，最终落地的系统架构如下：

关键点在于：这套系统里，没有一行从零开始写的代码。所有代码都是 AI Agent 辅助生成的，只需要描述需求、调试和部署。

三、四大模块如何串联

模块A：AI安全知识库 —— 660份制度的智能管家

要解决的问题很清楚：660份安全制度文件，怎么快速找到需要的内容？

实现方案并不复杂：将所有制度文件（Word/PDF/图片）导入 Dify 知识库，Dify 自动完成文档切片和向量化处理。之后就能支持自然语言提问，AI 从知识库中检索相关内容并回答。

实际效果对比很直观：过去查找某项制度的具体条款，要打开文件夹逐个翻，花费10到30分钟；现在问AI，秒级返回精准段落。比如"消防器材检查周期是多少？"这种问题，过去不确定在哪个文件里，现在直接问，AI 引用原文回答。新员工入职要学哪些安全制度？过去手动挑文件打包需要半天，现在AI按岗位推荐学习清单。

模块B：在线考试系统 —— 从人工出卷到全自动

几十个网点、几百号人的安全培训考核，怎么高效组织？

用 Flask + SQLite 搭建了轻量级在线考试平台，通过 Cloudflare Tunnel 映射到公网域名。支持扫码答题、即时出分、成绩导出。但这些还不是最关键的升级——最核心的改进来自 Dify API 自动出题。

传统方式：选知识点 → 翻制度文件 → 手工抄题 → 排版校对 → 生成试卷，总耗时约2小时/套。而通过 Dify API：输入知识点 → 调API → AI从知识库自动生成题目 → 直接导入系统，总耗时约30秒/套。效率提升了40倍。

API调用的核心逻辑其实很简单：构造一个包含知识点、题型和数量的请求包，发给 Dify API，返回的就是 AI 根据知识库内容自动生成的试卷题目。

模块C：智能问答系统 —— 让安全制度"开口说话"

一线操作人员遇到安全问题，不可能随时查制度文件。这个模块要解决的就是这个问题。

实现方案是 Dify（后端知识引擎）+ EdgeOne Pages（前端托管），部署在公网，手机浏览器直接访问。一线人员用大白话提问，AI 用制度原文回答。

典型场景包括："发现违禁品怎么处理？"AI 会引用《禁寄物品管理制度》相关条款，给出标准处置流程；"灭火器多久检查一次？"引用《消防安全管理办法》，明确检查周期和要求；"雨天装卸要注意什么？"综合多条制度，输出雨季作业安全要点。

为什么单独做这个模块？考试系统需要登录、有固定场景；而问答系统要随时随地能用——就像随身带了一个安全专家。

模块D：自动化工作流 —— AI每天自己干活

这是整个系统里最让人满意的部分——系统不只是"能用"，而是"自己在跑"。

通过 WorkBuddy 的自动化能力，设置了几个定时任务。

第一个是每日自动学习汇报，每天下午四点触发：扫描桌面上所有安全相关的新文件，AI阅读和学习新文件内容，提取关键知识点和安全要点，生成当日学习汇报摘要，将学习记录写入日志。这个任务连续运行了几十天，从未中断。

第二个是考试数据自动同步：考试系统产生的答题数据，自动完成去重、字段映射、批量写入腾讯文档智能表格的完整流程。

第三个是文件巡检与整理：定期扫描安全资料目录，自动识别新增的未分类文件并提示归档，标注重复或相似文件并给出合并建议，标记过期待更新的制度。

这三类自动化任务的核心价值在于：人不在电脑前的时候，系统也在运转。这才是 AI Agent 和普通工具的区别——它有自己的"作息"。

四、数据链路打通：从知识到考试的闭环

四个模块单独运行价值有限，串起来才是真正的系统。

看一个具体的业务闭环：假设省区要开展一次"消防安全专项培训"。先从知识库中筛选消防安全相关制度；然后调用 Dify API 自动生成消防安全试题；试题导入考试系统，生成二维码发到各个网点群；网点人员扫码答题，成绩实时汇总；自动化脚本将成绩同步到腾讯文档智能表格；从表格数据中发现某些网点正确率低于70%，安排复查；复查时，一线人员通过问答系统随时查询不懂的消防知识点。

全程无需手工统计数据，每个环节都有工具支撑。

五、运营一个月的真实数据

系统从搭建到运行满一个月，积累了一些真实数据。

知识库方面：入库制度文件总数达到680份，覆盖消防、操作、交通、应急、治安等8大类，累计查询次数可观，单次查询平均响应时间不到3秒。

考试系统方面：覆盖了所有网点，累计在线考试人次、累计生成试卷套数都有具体数据，其中大部分为Dify自动出题，出题平均耗时30秒/套。

问答系统方面：部署在公网可访问，日均访问量和累计问答交互次数都在稳步增长。

自动化工作流方面：每日学习汇报任务连续运行无中断，考试数据自动同步了大量记录到腾讯文档，人工干预频率极低。

六、踩过的坑 —— 集成比开发更难

前面说的都是"成了"的部分。但实际上，模块之间的集成比单个模块的开发更费劲。

第一个坑是数据格式不兼容。考试系统输出的 JSON 字段名是驼峰式，腾讯文档智能表格接收的是指定编码，直接对接全部乱码。解决方案是中间加了一层数据映射脚本，把字段逐一对应。表面上简单，但前后调试了半天才完全对齐。教训是：集成前先把两边的接口文档对齐，不要想当然。

第二个坑是 Dify API 超时。知识库文件太多时，API 调用有时超过30秒超时，考试系统那边一直等着，用户体验很差。解决办法是加了异步处理——先返回"题目生成中"，后台跑完再推送到前端。同时把知识库按领域拆分成子库，减少单次检索范围。教训是：生产环境一定要考虑超时和异步，本地测试OK不代表线上没问题。

第三个坑是 Cloudflare Tunnel 断连。考试系统部署在本地，通过 Cloudflare Tunnel 映射到公网。电脑休眠或者网络抖动时，隧道会断连，外网访问不了。解决方案是设置电脑不休眠，写了一个简单的守护脚本检测隧道状态，断了自动重连。教训是：本地部署虽然方便，但稳定性需要额外保障措施。

第四个坑是文件编码大杂烩。680份制度文件来源各异，有 UTF-8、GBK、甚至一些古老编码。批量导入时大量乱码。先用 AI 批量做了一轮编码检测和转换，统一转成 UTF-8 再导入知识库。教训是：历史数据的脏程度永远超出预期，清洗步骤不能省。

七、非技术人员的AI Agent上手心得

一个月走下来，作为完全没有编程基础的业务人员，有几个实实在在的体会。

第一，不要从"学代码"开始，要从"描述需求"开始。一开始也想过要不要去学 Python，后来发现：用自然语言把需求说清楚，AI Agent 就能帮忙写代码、调bug、部署。要做的不是变成程序员，而是变成会说清楚需求的产品经理。

第二，先跑通最小闭环，再追求完美。第一个版本的知识库就是一堆文件丢进去，搜索还不准。但它是能用的。后面才慢慢优化：切分策略调整、检索精度提升、问答效果改善。能用的丑系统，远胜过完美的空架子。

第三，选工具要看"串联能力"，不只看单点功能。很多AI工具单个都很强，但能不能和其他工具联动才是关键。选择 WorkBuddy 就是因为它能串联 Dify、腾讯文档、自动化任务——不是一个个孤立的好工具，而是一个工具生态。

第四，数据思维比技术能力重要。不是程序员，但懂业务数据怎么流转：谁产生数据、谁消费数据、中间怎么转换。这个理解让系统架构设计时很清楚每一步该干什么——至于具体代码，交给 AI 就行。

第五，先让自己用爽了，再推广给别人。系统首先是解决自己的痛点，自己每天都在用的东西，推广给网点同事的时候才有底气。如果自己都不用，别指望别人会用。

八、下一步规划

系统已经跑通了，但还有几个正在推进的方向。

知识库自动出题深化是正在进行中的：当前 Dify API 已经实现了基础自动出题，下一步是根据考试结果分析薄弱知识点，定向出强化题；支持多种题型混排；建立题库质量评分机制，淘汰模糊或歧义题目。

微信小程序改造还在调研中：当前考试系统和问答系统都需要浏览器访问，计划改造为微信小程序，降低使用门槛，结合企业微信账号体系实现免登录。这一步需要评估 ICP 备案和小程序审核要求。

安全巡检数字化是下一个重点：将线下安全检查搬到线上，手机端录入检查记录，AI 自动识别隐患类型并匹配对应制度条款，整改跟踪加逾期自动提醒。

数据驾驶舱也在规划中：基于腾讯文档智能表格的数据，做一个可视化管理看板，展示各网点考试通过率排名、高频问答TOP10、制度学习覆盖率热力图和安全隐患趋势图。

九、写在最后

回头看这一个月，从一个对着660份文件发愁的安全管理员，到搭出一套覆盖几十个网点的AI安全管理系统——变化的不只是工具，更是工作方式。

以前的工作模式是：收到任务→找资料→做PPT→发群里→收表格→汇总→再做PPT。现在的工作模式是：设定目标→AI Agent自动执行→只看结果和异常。

不是程序员，也不打算成为程序员。但 AI Agent 让人有了程序员的"生产能力"。这就是这件事最有意思的地方——技术的门槛在降低，而解决问题的想象力在放大。

如果你也是非技术背景的业务人，也想用 AI Agent 解决实际问题，建议很简单：别犹豫，直接开干。从最小的痛点开始，让AI帮你搞定第一个自动化任务。你会发现，后面的路越走越宽。