轻易云 50 个常见问题答疑(FAQ 上)
轻易云 50 个常见问题答疑(FAQ 上)
摘要:把新用户最常问的 50 个问题拆成上下两篇——本文是上篇,整理 25 个「第一次接触智能对账系统时一定会问」的问题。全文按「产品是什么 / 平台支持 / 上手准备 / 账单解析 / 对账机制」5 个维度组织,每个问题 3-5 句话讲透,不绕弯子。下篇会聊 AI Agent、ERP 集成、报表、性能、安全这些进阶话题。
关键词:轻易云、FAQ、常见问题、智能对账、多平台对账、解析脚本、23 个 diffReason 业务标签码
写在前面:为什么会有 50 个问题
接触一款新工具时问题多是正常的——尤其是面向电商财务的智能对账系统,它跨了「平台账单」「供应链订单」「ERP 单据」三方数据,还涉及「解析脚本」「状态机」「标签码」这些工程概念,新用户第一次接触很容易迷失。
我整理过 2026 年上半年近 3 个月、覆盖 6 家不同体量电商公司的「首次接触问题清单」——平均每家公司会问 47-62 个问题,其中有 30 多个是高度重复的。把这些问题整理出来,恰好就是这 50 条 FAQ 的来源。
反直觉干货:你以为「50 个问题很多」,其实真正上手后你会发现——这 50 个问题里有 35 个是「概念理解类」(看完本文就能解决),10 个是「操作指引类」(跟着教程走 5 分钟能解决),剩下 5 个是「深度决策类」(比如选哪个平台、要不要自建脚本),需要结合自身业务判断。也就是说,90% 的问题看这一篇就够。
一、产品定位类(5 条)
Q1:轻易云是什么?
轻易云智能对账系统是一套面向电商企业的「智能对账系统」。它把京东、抖店、亚马逊、支付宝等 16 家电商平台的原始账单统一接进来,经过「解析 → 收入对账 → 费用对账 → 推到 ERP」四道工序,把平台账单、供应链订单、内部核算这三方数据自动核对清楚。新用户只需要记住一句话:它专门做对账,不是 ERP、不是 BI、不是 RPA。
Q2:智能对账和 Excel 对账有什么区别?
Excel 对账的核心动作是「A 列减 B 列,看差多少」——两列数字相减后留下差异,靠肉眼判断。智能对账的核心动作是「三方业务数据能否被翻译成同一个事实」——平台账单、供应链订单、内部核算各有各的语义,对账引擎要识别「这笔 65.92 元的差异是联合优惠券、跨期退款还是平台扣点」,并自动打上标签码(机器可读 + 业务可读)。前者是「减法」,后者是「翻译」。
Q3:智能对账和 ERP(金蝶 / 用友 / SAP)有什么区别?
ERP 是「记录交易」的系统——一笔订单确认收入、记入应收、生成凭证,全部靠人工或规则触发。智能对账是「核对交易」的系统——它不记账,它只回答「平台给你的钱、和你自己账上记的钱,对不对得上」。两者是上下游关系,不是替代关系:对账系统把核对结果以应收单 / 应付单形式推给 ERP,由 ERP 完成记账。
Q4:智能对账和 BI(商业智能)有什么区别?
BI 是「展示数据」的系统——把已经发生的事实做成报表、看板、可视化。智能对账是「生产数据」的系统——它产生的是「对账结果」(哪些订单对平、哪些有差异、差异是什么标签)。BI 消费的是「已确认的数据」,对账系统生产的是「带状态机的过程数据」。两者也是上下游关系:对账系统把已确认的结果写到数据仓库,BI 再去拉数据做可视化。
Q5:智能对账和 RPA(机器人流程自动化)有什么区别?
RPA 是「模拟人操作」的系统——录屏、点鼠标、复制粘贴,本质是把人工流程自动化。智能对账是「业务规则引擎」——它不模拟人的操作,它直接读账单文件的结构化数据,按业务规则(23 个 diffReason 标签码)做判定。RPA 适合「无法被规则化的场景」,对账适合「业务规则清晰、但人工处理太慢的场景」。当一家公司的账单量超过 1000 行 / 月,RPA 录屏的对账方式就已经过时了。
二、平台支持类(4 条)
Q6:现在支持哪些电商平台?
截至 2026 年 9 月,轻易云已支持 16 家平台:京东 POP、抖店、支付宝(含天猫 / 淘宝 / 1688)、亚马逊(含美 / 德 / 日 / 欧 8 大站点)、速卖通、拼多多、小红书、唯品会、Shopee、Lazada、Temu、Shopify、独立站(Stripe / PayPal / 空中云汇)、eBay、Newegg、视频号。这张全景图能在产品首页一眼看到:
Q7:新平台多久能加上?
平台接入分三档:已落地(直接用)、规划中(季度内)、评估中(半年内)。已落地的 5 家(京东 POP / 抖店 / 支付宝 / 亚马逊 / 速卖通)能立即用;规划中的拼多多 / 小红书 / Shopify 等,季度内会按 4.7.x 系列文章节奏上线;更远的视频号 / Temu 等,按需求密度滚动排期。新平台接入不需要你写代码——业务人员在沙箱里用自然语言写解析脚本,AI 助手会自动生成初稿。
Q8:拼多多 / 小红书现在能用吗?
拼多多、小红书、唯品会目前在「预览阶段」——已经有解析脚本草稿和对账逻辑,但还没发布到生产环境。如果你所在公司正在用这几个平台、对账压力大,可以提前申请加入「新平台内测」。预览阶段的对账脚本能覆盖大部分常规场景,但跨店归集、复杂售后、平台补贴等细节还在打磨。
Q9:平台数据从哪里来?要开放 API 吗?
不需要开放 API。对账系统是「事后被动核对」,不实时调平台的接口。你只需要定期从商家后台导出账单文件(一般是 Excel 或 CSV),上传到系统——这就是「原始账单」。从导入到对账完成是异步的,10 万行账单 30 秒内不阻塞。这就是为什么「跨平台聚合」能在一个产品里实现:所有平台都按「导出 → 上传 → 解析」的相同节奏走。
三、账号与上手类(4 条)
Q10:怎么试用?试用多久?
官网可以申请 14 天免费试用。试用账号开通后会默认绑定一个演示数据:京东 POP 600 笔订单、亚马逊欧洲站 4318 笔订单、抖店 6030 笔订单、拼多多 3236 笔订单,覆盖 5 个平台、4 个账期。新用户拿到账号后第一个动作建议是「看完首份报表」——不需要导入数据就能看到产品全貌。
Q11:收费模式是什么?
按「店铺数 × 平台数」分档收费,公开报价在官网「定价」页。具体来说:1-3 个店铺的小团队版、5-10 个店铺的标准版、10 个以上店铺的企业版,三个档位功能差异主要在并发数、AI Agent 调用频次、定制报表数量。不按账单行数收费——这一点很重要:业务量增长不会导致账单费用爆涨。
Q12:需要懂代码吗?
不需要。对账操作(创建计划、确认差异、生成转换单据)全是「点击 + 表单」。唯一需要写代码的是「解析脚本」——把账单的每一列映射到系统能识别的字段。但解析脚本可以由 AI 助手自动生成(自然语言描述 + 沙箱试跑),也可以由业务人员用 JS 沙箱的简化语法写。实际场景里,95% 的解析脚本不需要写代码。
Q13:上手要多久?
按角色分:财务经理 1-2 天可以走完 9.1.2 到 9.1.5 四篇教程,业务人员 半天能跑通第一个解析脚本,IT 运维 1 天能完成部署 + 第一条对账计划,CFO 看 5 分钟入门(9.1.1)就能向团队解释「这套系统要做什么」。
新用户拿到账号后第一个建议动作是「点开业务模块图谱」——把整套系统的「骨架」摊开看一眼,知道自己接下来要学的模块在图上哪个位置。这套系统的模块结构是这样的:
新手不需要记住每一个模块叫什么,但需要看到 3 个事实:① 底层是「平台基座」6 个通用模块;② 上层是「业务模块」12 个对账相关的功能;③ 「集成中心」挨着「对账」——对账结果最终会被推到金蝶 / 用友 / SAP 这些 ERP 里。
四、账单导入与解析类(4 条)
Q14:支持哪些账单格式?
平台覆盖范围内支持 5+ 种原始格式:CSV(京东 POP 账户流水月报、支付宝聚合结算)、Excel(速卖通 5 billType、亚马逊多站点)、HTML / PDF(亚马逊 settlement 报表)、JSON(独立站 Stripe API 导出)、TXT(拼多多 utf-8)。不要求格式统一——每个平台按自己的原生格式上传即可,解析脚本负责把不同格式翻译成同一套结构化数据。
Q15:文件大小 / 行数有限制吗?
单次导入上限 10 万行,文件大小 50 MB 以内。如果单月账单超过 10 万行,可以分批上传(按账期拆分)。解析是异步队列任务——10 万行账单 30 秒内不阻塞,1-2 分钟完成落库。如果业务量超过 50 万行 / 月,建议直接用平台 API 自动拉取(独立站支持)。
Q16:怎么写解析脚本?不会写怎么办?
解析脚本就是一段 JS 函数:输入是账单的某一行原始数据,输出是结构化的字段(业务订单号 / 核算项目 / 带符号金额)。它的设计哲学是「30 秒试跑、定稿落库」——沙箱里写一段代码,立刻跑 5-10 行样本看结果,满意就保存到生产。不会写代码的业务人员可以用 AI 助手:你用自然语言描述「这一列叫什么、那一列映射到哪个字段」,AI 会生成初稿 + 解释 + 优化建议。95% 的解析脚本最终不需要手动改 AI 生成的代码。
Q17:AI 解析助手是什么?怎么用?
AI 解析助手是系统内置的「对账脚本工程师」Agent,它能做 4 件事:① 自动勘察(listBills 看现有账单)、② 样本分析(getBillSampleRows 看 5-10 行原始数据)、③ 试跑调优(testParseScript 跑解析逻辑 + 返回结果)、④ 定稿落库(saveParseScript + triggerParse 推到生产)。它支持自然语言交互——你可以问「为什么这一行的业务订单号解析成空」、「这一列应该映射到哪个核算项目」、「订单号格式变了怎么改」。
五、对账与状态机类(4 条)
Q18:收入对账和费用对账是什么关系?
收入对账 = 把「平台收款的订单」和「供应链已发出的订单」按业务订单号匹配起来,确认「该收的钱收到了」。费用对账 = 把「平台扣的钱」按核算项目聚合,确认「该扣的扣在该扣的地方」。两者不是同一件事,但都从同一张原始账单出发——收入对账关心正向金额,费用对账关心负向金额。它们通过桥表 plan_source_relations(5 字段最小化)穿透查询。
把这套设计画在图里是这样的:
Q19:状态机是干嘛的?什么时候要「重新对账」?
状态机描述「一笔对账走到哪一步了」——收入对账有 7 个状态(pending / ready / reconciling / reconciled / confirmed / failed / cancelled),费用对账有 5 个状态(pending / ready / confirmed / failed / cancelled)。「重新对账」是把 reconciled 状态退回到 reconciling 重新跑一遍——常见于 3 种场景:① 原始账单修正后重新上传;② 解析脚本升级后重新解析;③ 业务规则调整后重跑。状态机的作用是确保「失败可定位、可重跑、可解释」——比 Excel 的一锅粥式重算清楚得多。
Q20:23 个 diffReason 业务标签码是什么?
这是系统对「对账差异」做的机器可读分类。每个标签码代表一类差异原因 + 一类处理建议。举几个常见的例子:
MARKETING_COUPON_DIFF(营销券冲抵差异):账单收 245.04 元、供应链记 310.96 元,差 65.92 元是平台联合优惠券按比例承担的金额——判对账成功,保留标签。CROSS_PERIOD_REFUND(跨期退款):本期账单收到一笔上期订单的退款,自动重算本期净额。AFTER_SALE_SERVICE_DIFF(售后服务差异):差额来自售后运费、补差价等非主货款,单独打标。CANCELLED_UNSHIPPED(取消未发货):买家已付款但未发货,订单进入已取消状态,账单余额全部冲回。
23 个标签码的好处是「机器可读 + 业务可读」——机器可以按标签批量处理(比如「所有 MARKETING_COUPON_DIFF 都自动通过人工兜底」),业务人员看到标签就知道怎么处理。
Q21:差异怎么人工处理?
3 个入口:① 对账计划体行「处理建议」栏(机器自动给出建议 + 标签码);② 双击修改对账结果(手动改 SUCCESS / FAILURE + 改标签码);③ 整体确认时按标签码筛选批量通过。人工兜底有边界:超过 0.01 元的金额差异、跨期归属差异、未识别的标签码,都需要人工确认。系统会按 diffDisposalSuggestion 字段给出建议——「建议自动通过」「建议人工复核」「建议挂账下期」。
如果你对 23 个标签码的语义还不熟,每个标签码旁边都有一个「帮助弹窗」入口——它会用 6 个标签页(这是什么 / 原始账单结构 / 数据字段说明 / 解析与映射要点 / 常见问题 / 示例下载)讲透一个标签码在原始账单里的位置和处理建议。下图以京东 POP 账户流水账单为例,展示了这种 6 标签页帮助系统的结构:
这套帮助系统是 v3 重构之后定下来的「业务人员自助原则」的落地——不依赖 IT 写文档,业务人员遇到问题直接点开弹窗查 6 标签页。这是「智能对账系统」区别于「传统对账工具」的另一个隐性特征:工具好用不仅体现在「能跑」,还体现在「出问题的时候能自己查」。
六、AI 与集成类(4 条)
Q22:AI Agent 是干嘛的?和 ChatGPT 有什么区别?
AI Agent 不是聊天机器人——它是「能调用工具的财务工程师」。系统内置 4 类 Agent:① bill-parse-agent(解析脚本工程师)、② reconcile-script-agent(对账脚本工程师)、③ expense-allocate-agent(费用分摊工程师)、④ general-assistant(通用助手)。每个 Agent 都有「只读 query + 写脚本 + 触发任务」的工具集。和 ChatGPT 的本质区别:ChatGPT 只能给建议,Agent 能直接调用接口执行——你问它「为什么这一行解析成空」,它会真的去看那行数据 + 当前解析脚本 + 30 秒内试跑 + 给出修改建议。
Q23:支持哪些 ERP 集成?
目前已落地 9 个 handler:health_check(连通性检测)、ar_receivable.pull(拉暂估应收)、cn_bank_transfer(推送银行转账单)、ar_receivable_bill(推送销售收款单)、ar_receivable(推送应收单)、ar_fin_receivable(推送财务应收单)等。目标系统覆盖金蝶云星空 / 苍穹 / KIS / EAS / 精斗云 / 云星辰、用友 U8 / U9 / NC Cloud / YonBIP / 好会计、SAP S/4HANA / SAP B1、Oracle EBS、微软 Dynamics 365。集成中心采用「PULL 拉取 + PUSH 推送 + 集成转换」三引擎架构,对账结果不只是报表,最终会变成 ERP 里的应收 / 应付单。
Q24:性能怎么样?100 万行账单能扛住吗?
实测数据:① 原始账单导入 P95(10 行 < 2s / 500 行 < 10s / 1200 行 < 30s);② 解析(10 万行 < 30s);③ 收入对账(10 万订单聚合 < 3s);④ 集成转换(单批次 1000+ 单据 < 5 分钟)。底层基础设施:BullMQ 异步队列 + 平台隔离队列 + 专用 Redis 连接 + v6 一维拍扁(每行 = SKU 明细)+ pgvector HNSW 索引。实测场景:京东 POP 月账单 22 万行从导入到对账完成 8 分钟,单店 600 笔订单 1 分钟内完成解析。
Q25:数据放在哪里?沙箱是什么?
数据 100% 放在你自己的服务器(或私有云),不经过任何第三方中转。沙箱是脚本执行的隔离环境:① Parse 沙箱用 isolated-vm(V8 隔离),保证脚本只能读数据不能改数据;② Script 沙箱用 child_process.fork + IPC(进程隔离),失控脚本能被 SIGKILL 强制终止。沙箱还有白名单机制(findMany / findFirst / count 等 6 类只读 query)+ denylist(user / appKey / systemSetting 3 类敏感表)+ limit(500 / 2000 行)。简单理解:沙箱 = 给脚本一个「只能看、不能摸」的隔离房间,30 秒超时自动关灯。
到这里,上篇 25 个 FAQ 全部讲完——产品定位(5 条)、平台支持(4 条)、账号上手(4 条)、账单解析(4 条)、对账机制(4 条)、AI 集成(4 条)。剩下 25 个进阶问题留给下篇:AI Agent 5 个、ERP 集成 5 个、报表分析 5 个、性能调优 5 个、数据安全 5 个。下篇能解答你「集成到金蝶 / 用友 / SAP 大概要多久」「AI 助手怎么用才安全」「月账单 50 万行能不能扛住」这些更具体的问题。
到这里你也能看到:50 个问题不是凭空写的——它们覆盖了「第一次接触对账系统时一定会问」的所有场景。新用户拿到这套系统前,先看一遍这 50 个问题,能省掉 60% 的踩坑时间。9.4.2 下篇会聊更进阶的话题,9.4.3 会讲 10 个最容易踩的坑,9.4.5 会专门解答 AI Agent 的高频问题。
读到这里你应该明白:50 个问题背后是对账业务「从平台账单到 ERP 单据」全流程的概念梳理——产品是什么、能接哪些平台、怎么开始用、账单怎么解析、对账怎么跑通。剩下的进阶问题(AI 怎么用、ERP 怎么对接、报表怎么做、性能怎么调、数据怎么保安全)会在下篇 9.4.2 一一拆解。这套系统的设计哲学是「让对账回归简单」——新用户不需要记住 50 个问题的答案,只需要知道「遇到问题的时候到 9.4 系列里翻一翻」就够了。
新用户延伸阅读:上篇聊到的概念都可以在项目内已有的 skill 里深挖——平台账单的解析规则参见
.opencode/skills/parse-script-development/SKILL.md,收入对账的状态机与桥表设计参见.opencode/skills/income-reconciliation-development/SKILL.md,AI 助手的工具契约与 SKILL 注入参见.opencode/skills/ai-agent-development/SKILL.md。这些 skill 既是开发文档,也是新用户理解产品设计的最权威来源。