让 AI 从能聊天到能上岗：凭证保险库、AI 可调用门禁与人工闸门

背景

这篇从工程师视角，拆解 AIOS 怎么让 AI 从"能聊天"走到"能上岗"，重点是信任机制的工程实现。

一、企业的三个顾虑

大模型推理强，但要让它登录系统、调接口、走流程，会遇到密码安全、乱操作、可追溯三个问题。

顾虑	处理方式
只会说不会做	组织账号、连接器、执行、记忆，能走完流程
不敢给密码	凭证保险库加密，一次性授权，只回掩码
怕乱操作	关键动作真人确认，全程留痕

从聊天到上岗，机制上的前后差异如下。

以前的做法	现在的机制
AI 只能在对话框聊天，答完就结束	数字员工能登录系统、调工具、走完流程
密码写在脚本里，怕泄露	凭证进保险库，加密落盘、用后即焚
AI 自动操作，错了没人知道	关键动作真人确认，全程留痕可查
新功能人能用、AI 调不动	新能力同步接入门禁，AI 可直接调用

架构上控制面/执行面分离：云端统一身份，本地执行、数据默认留本地。

二、三道闸门的工程实现

凭证保险库：Windows 走 DPAPI（CryptProtectData，绑定用户/机器，零第三方依赖），Linux 走 Fernet（AES-128-CBC + HMAC）。

一次性 grant 默认 TTL 300 秒、用后即焚、防重放，先 pop 再校验；存储用 os.replace 原子写，Linux 密钥文件权限 600，无加密器时 fail-closed。

AI 可调用门禁：新能力必须同步接入 catalog 与 handler，过门禁才交付，保证可被 AI 调用。

人工闸门：写动作仅起草、确认后执行，风险 L1 到 L4 分级，工具白名单和数据范围逐级收窄。

三、数字员工成熟度

状态	数量	说明
已上线	3	接待、成本会计、知识官（独立检索）
待授权	1	销售助理待授权、绑心跳
规划中	15	如实标规划，不虚构

Python 引擎 1250 文件、33 万多行、67 个运行时模块，前端 420 文件、12 万多行，链路有测试覆盖，能力差异以台账管理。

四、常见疑问

问题	回答
AI 会不会自己乱操作？	不会。报价、合同、成交等关键动作只起草，必须真人确认才执行；风险按 L1 到 L4 分级，工具权限逐级收窄。
交给它的密码安全吗？	密码进凭证保险库，Windows 用 DPAPI、Linux 用加密存储，密文落盘；接口只回掩码，一次性授权用后即焚。
数据会不会都传到云端？	不会。控制面和执行面分开，身份在云端，干活和数据默认留在本地，兼顾统一与隐私。
数字员工现在能干什么？	已上线 3 个（数字接待、成本会计、知识官），1 个待授权，其余 15 个如实标规划，不虚构在岗。
出了问题能追溯吗？	能。每个凭证取用和动作都写进审计日志，谁、什么时间、为了什么用途，都可查可拦。

五、写在最后

团队深耕企业软件二十多年，这几年坑比机会多，团队和客户共同交学费，反复试错才让版本落地。它未必完美，但会持续迭代。对凭证保险库或门禁实现感兴趣，欢迎评论区交流。