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

笃行_其道
2 阅读5分钟

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。

​1.png

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。 2.png 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. 点 立即创建。 3.png 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。 4.png 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。 5.png 6.png

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）：

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。

7.png 8.png

推送到github上面 9.png 10.png 改造成功 11.png ​

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：

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： 12.png 13.png 14.png 15.png 16.png

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

avatar
文章
阅读
粉丝