从零到上线:用 EdgeOne Makers + CodeBuddy 搭一个「对账核对员」AI Agent

引言:每个月都要对账,每次都对到崩溃

对账是无数中小商家、财务、运营每个月的固定噩梦:

  • 订单系统说卖了 100 单,收款流水只有 97 笔,差的 3 笔在哪?
  • 平台账单扣的手续费,和自己算的对不上,差额多少?
  • 有没有重复记账、金额录错、状态没同步?

规则其实很固定,但数据一多,人工核对又慢又容易错。于是我用腾讯云 EdgeOne Makers 从零搭了一个 「对账核对员」Agent :你把几张表(订单 / 收款 / 账单)丢给它,它自己写代码逐条匹配,揪出单边缺失、金额不符、重复记录,最后出一份差异报告。

方案概览

它基于官方 Claude Agent 入门模板 改造,模板自带沙箱工具(终端 / 文件 / 代码运行 / 浏览器)、会话记忆、模型网关和可观测------我只需要把它的"人设"从通用助手改成对账专家

一、认识 EdgeOne Makers

EdgeOne Makers(官网 edgeone.ai/zh,文档 pages.edgeone.ai/zh/document... Web 与 Agent 托管平台。对这个项目最关键的是:

  • 开箱即用的****沙箱 :Agent 能在隔离环境里执行命令、读写文件、运行代码、操作浏览器
  • 内置会话记忆 + 模型网关 + 可观测:记忆零配置,模型兼容 OpenAI 协议、改个变量就能换,调用链路自动采集成 Trace。
  • 从模板到上线全自动:控制台选模板 → 自动建 GitHub 仓库 → 自动构建部署 → 之后每次 push 自动重新部署。

二、Step 1 · 控制台「创建 Agent」,从模板起步

进入 EdgeOne Makers 控制台(console.tencentcloud.com/edgeone/mak...,在 Agents → 快速开始 里能看到一排官方模板:OpenAI Agents、Claude Agent 、Deep Agents、LangGraph、CrewAI、自定义 Python。 我选了 **Claude Agent 入门模板,**它自带一整套沙箱工具。 点进去进入「创建 Agent」向导:

  1. 选择 Git 平台:授权并选你的 GitHub 账号。
  2. 配置项目:填项目名 / 仓库名、加速区域(全球可用区·含中国大陆)、仓库属性(私有/公共)。
  3. 立即创建 接下来平台全自动 :在你的 GitHub 账号下创建好仓库,并触发首次构建部署。构建日志能看到完整流水线------初始化 → 克隆仓库 → 安装依赖 → 构建 → 部署。 此时点「预览」,模板默认版已经能用了------它是个带沙箱工具的通用 Claude 助手。地基已通,接下来把它改造成对账专家。

三、Step 2 · 用 CodeBuddy 把模板改造成「对账核对员」

模板默认是个通用助手,要变成对账专家就得改代码。我没有手敲,而是用腾讯云的 AI 代码助手 CodeBuddy 来改------一句话说清需求,它定位文件、直接给改动,这也是整套流程里最顺的一环。 在 CodeBuddy 里打开项目(或先克隆到本地再用 CodeBuddy 打开):

bash 复制代码
git clone https://github.com/xiongwenhao112/reconcile-agent.git

对 CodeBuddy 说需求:

帮我把这个项目改造成一个「对账核对员」助手:用户把订单表、收款流水、平台账单这几份数据发给它,它就自动逐条核对、把对不上的地方挑出来,一方有、另一方没有的,金额不一致的,重复记录的。顺便把界面文案也改成对账主题。

推送到github上面 改造成功

四、效果:一次完整对账演示

部署好后打开线上地址进行测试 上传测试文件订单表,平台账单,收款流水,写提示词:

复制代码
这是订单表、收款流水、平台账单三份数据,帮我做一次三方对账:逐条核对,找出「有订单无收款」「金额不一致」「重复收款」「有收款无订单」「平台账单缺失」这些问题,最后给我一份差异明细表 + 汇总(核对多少笔、对上多少、差异多少笔、差异总金额)。

为了验证它对账对得准不准,我准备了三份预先埋好已知差异的测试数据------订单表、收款流水、平台账单(各约 10 行,故意留了金额不符、重复收款、单边缺失、幽灵单等几类问题)。在页面上上传这三个文件来进行测试。 结果它准确识别出了我预埋的全部差异:

五、它怎么用到 EdgeOne Makers 的能力

  • 沙箱 **(核心)**:code_interpreter 跑 Python 算账、files 落地数据、commands 装依赖
  • 内置记忆 :模板用 context.store.claudeSessionStore() 持久化会话
  • 模型****网关AI_GATEWAY_MODEL(默认 @makers/deepseek-v4-flash)从环境变量读,换模型不动代码
  • 可观测 :调用链路自动采集成 Trace,每个工具调用、每步耗时一目了然

六、附:文中涉及的地址

结语

回到开头那个"每月对账对到崩溃"的场景------现在我把几张表丢给「对账核对员」,几十秒就能拿到一份逐条标好差异、还附了处理建议的报告。差的那几笔、错的那几分钱、重复收的那一次,它比人眼还不容易漏。 更让我意外的是搭这套东西有多省事。我几乎没碰底层:运行时、沙箱、会话记忆、模型网关、可观测,EdgeOne Makers 全替我兜住了;从控制台选模板、自动建仓库并部署,到用 CodeBuddy 一句话改造、git push 自动上线------我真正花精力的,只有"对账到底该怎么对"这一件业务本身。 这大概就是它最大的价值:把"能不能跑、稳不稳、怎么部署"这些脏活累活全接管,让你专注业务逻辑。而对账只是个开始------把订单/收款/账单换成别的"规则清晰、数据琐碎"的活(库存盘点、报销核销、报表稽核......),改一段提示词,它就是另一个领域的专属 Agent。 如果你手上也有这种"明明有套路、却每次都得人肉重来"的活,真可以试试把它交给一个跑在 EdgeOne 上的 Agent。

#EdgeOneMakersAgent案例

相关推荐
手写码匠4 分钟前
Android 17 灵魂拷问深度解析:隐私、大屏、AI 端侧全面适配实战
人工智能·深度学习·算法·aigc
lymboy14 分钟前
Spring AI的工具调用循环,本质就是ReAct:一次源码级拆解
人工智能·spring·react.js
可触的未来,发芽的智生19 分钟前
发现-元认知技能,激起神经符号系统跃变
javascript·人工智能·python·程序人生·自然语言处理
JackHCC21 分钟前
Meta-WHALE:逐层融合统一推荐模型
人工智能·机器学习
墨舟的AI笔记29 分钟前
微前端隔离边界:qiankun 与 Module Federation 的取舍之道
人工智能
字节逆旅33 分钟前
有哪些工作不可以交给AI
人工智能·程序员
一路向北North37 分钟前
Spring AI(6) :对话机器人-会话历史
java·人工智能·spring
2zcode40 分钟前
基于MATLAB神经网络的心力衰竭预测与临床辅助决策系统研究
人工智能·神经网络·matlab
ACP广源盛1392462567342 分钟前
国产算力互联IX8024@ACP#Kimi K3 开源后的端侧部署硬件架构分析
大数据·人工智能·分布式·单片机·嵌入式硬件
江边风声1 小时前
从薄板到厚板、从吸盘到夹板边——坤鹏伯爵的取放技术体系是怎样覆盖全制程的
人工智能·科技·自动化·制造·pcb工艺