# Xero 的 XeroForce 让你用大白话就能打造专属 AI 记账员

95% 的会计事务所已经在某种程度上使用 AI，但其中只有大约五分之一能说清楚自己从中获得了明确、可衡量的回报。热情与回报之间的这道鸿沟，是当下会计软件领域最重要的数字——因为下一波工具不再要求你把按钮点得更快，而是要求你用大白话描述你的业务如何运转，然后让软件为你构建工作流。

这正是 XeroForce 的承诺——Xero 于 2026 年 5 月推出的自然语言 AI 智能体构建器，并在当年 7 月的 Xerocon London 上被推到了舞台中央。你不必再学一套规则引擎，而是写一段提示词：你的月末结账如何运行、谁必须签核、有哪些限额。软件会把这段描述变成一个始终在线的智能体，让它在你自己的会计数据以及你使用的其他应用之间工作。无论你是否使用 Xero，这个理念都很重要，因为每一个主流平台都在朝同一个终点狂奔。本指南会解释 XeroForce 到底做什么、一家小企业能实际拿它自动化哪些事情，以及在你把账簿的任何一部分交给智能体之前必须遵守的五条规则。

## XeroForce 到底是什么

XeroForce 是一个面向财务工作流的无代码 AI 智能体构建器。它搭建在 Xero OS 之上——这是该公司 AI 原生的财务操作系统——并与 JAX（Xero 的智能体平台）协同工作。核心交互方式就是一段大白话提示词。你描述你如何工作——你的流程步骤、你的复核要求、你给客户的签核限额，甚至行业特定的税务规则——XeroForce 就会组装出一个智能体，在 Xero 及已连接的第三方应用之间执行该工作流。

发布会上的一个具体例子：对于涉及一长串清单的月末结账，你可以一个工作流一个工作流地构建。其中一步可能是这样写的：“每月 5 号，就未编码的交易进行澄清。”几秒钟之内智能体就开始运行，并在你处理其他工作时持续在后台运行数天甚至数周——盯邮件回复、盯临近的申报截止日期等事件。

有三个设计选择值得理解，因为它们正是“一个演示”和“一个你敢托付真金白银的东西”之间的区别：

**你在同一条提示词里定义护栏。** 复核步骤、审批阈值和签核限额都是工作流描述的一部分，而不是单独的管理控制台。哪些自动运行、哪些等待人工，由你来定。

**每个工作流都保留可见的轨迹。** 每一次运行都显示执行了什么、何时运行、触碰了哪些数据、还有哪些在等待签核。Xero 把这称为“可问责的智能”——把例行工作自动化，同时让人工判断清晰地处于掌控地位。

**智能体是按规模运行的，而不是一次一场对话。** 对管理着数百个客户的会计师和记账员来说，一个 XeroForce 工作流可以跨越整个事务所执行批量操作——比如一次性对处所有未编码的对账单行进行核对——而不是对每个客户重复同一场对话。

在随后于美国举行的一场活动中，Xero 又增加了一个预构建的月末智能体和一批常见工作流的模板——从复核文档对账，一直覆盖到预付款和摊销的手工日记账。截至这些发布，XeroForce 处于早期访问阶段，正在逐步扩大可用范围；与此同时，Xero 报告其全球客户数已达 500 万。

XeroForce 并非孤身到来。同一批 Xerocon 发布还包括：能把源文档读入账簿的智能文档采集、能将交易与银行流水实时匹配的自动银行对账、能标记缺少凭证的交易的收据催办、让会计师可从 Claude 和 Microsoft 365 Copilot 查询实时 Xero 数据的集成，以及能根据每位客户的历史定制催收跟进、并在资金流出前检查账单异常情况的支付功能。这个模式再清楚不过：账簿正在变成其他软件围绕运转的中枢。

## 为什么“自己动手搭一个”与你已有的 AI 不一样

如今会计软件里的大多数 AI 都是厂商定义好的。厂商决定哪些任务被自动化——匹配银行流水、建议分类、提取发票金额——你拿到的是他们出厂的按钮。如果你的流程不符合他们的自动化，你要么改自己的流程，要么继续手工做。

智能体构建器把这种关系颠倒过来。有意义的单位不再是功能，而是你所描述的工作流。对比一下过去的几种选择：

- **规则引擎**（“如果收款方包含 ‘Shell’，就记到燃油”）精确但脆弱。它们会在规则作者没能预见的每一种变化上失效，而维护几百条这样的规则本身就会变成一份工作。
- **宏和模板**只能重放固定步骤。它们没法提出一个澄清问题、等三天得到答复、然后继续。
- **一个被提示词驱动的智能体**则同时承载意图和约束。“催收每一张超过 30 天的发票，把同一客户的多张发票合并成一条提醒，任何超过 10,000 美元的先上报给我再发送”——这一条描述覆盖的情形，换成规则列表得写几十条才勉强接近。

这也正是 Xero 把这一转变描述为从“记录系统”走向“行动系统”的原因。记录系统存储发生了什么。行动系统做下一步——起草提醒、编制日记账、标记异常——并向你展示它做了什么，好让你批准或纠正。

## 一家小企业最先能实际自动化什么

智能体构建器偏爱无聊、可重复、边界清晰的工作。以下是最接近可用状态的工作流，大致按回报高低排序。

### 月末结账，一次一项清单

没人应该在第一天就把整个结账流程自动化。挑出那一步——耗时最多、判断最少的那一步——通常是对未编码交易进行清理，或确认每个银行账户都已对账——然后为那一步建一个智能体。等它连续两个结账周期都跑得干净，再扩展到下一步。Xero 自己的说法也正是这个意思：一个工作流一个工作流地构建结账流程。

### 催收缺失的收据和源文档

很少有任务比“发现一笔交易没有凭证，然后向对的人索要”更适合自动化了。智能体可以扫描无凭证的交易，把它们匹配到持卡人或采购人，发出请求，跟进一次，并在月末把仍未补齐的上报。人工工作就缩减到只回答那些只有人能回答的问题。

### 更快收到款

催收跟进是一种带有高情绪摩擦的模式化工作——老板们拖着不做，现金就受损。JAX 式的支付功能会分析每位客户的付款历史并随机应变：把几张发票合并成一次提醒，把提醒时间安排在该客户通常付款的时候，对不响应的账户换渠道。如果你在提示词里描述自己的上报策略，智能体就会始终如一地执行，而不是等你想起来的时候才做。

### 在资金流出前审查账单

账单保护——自动检查每张账单是否有异常金额、变更的银行信息或不熟悉的供应商——是少有的既能省时又能降低欺诈风险的自动化。供应商银行信息的变更正是付款重定向诈骗得逞的方式，而一个不知疲倦、能标记每一处改动过的信息的检查器，价值远超过它省下的那几分钟。

## 采用率数据说明：热情先行，回报在后

在围绕智能体重建流程之前，先看看这个行业实际处在什么位置。

Intuit 的 2026 年 AI 影响报告基于来自四个国家 34,000 多名企业主的回复，以及 530 多万家公司的匿名数据，发现 77% 的美国中小企业现在经常使用 AI——高于 2024 年 7 月的 48%。在受访者中，78% 表示 AI 提高了生产力，43% 表示 AI 增加了收入。采用已经不再是问题。

更难的问题是回报。一项针对北美近 500 名会计和记账从业者的 Financial Cents 调查发现，95% 的事务所在某种程度上使用 AI，而只有大约五分之一能指出可衡量的回报。正如该公司联合创始人所说，几乎每家事务所都在用 AI，但极少有人从中获得可衡量的价值。

这两个发现可以同时成立，合在一起就带来了教训：工具本身不是回报。回报来自围绕工具擅长的事情去重新设计一个具体的工作流——结账、催收、文档收集——然后衡量前后变化。把 AI 撒在没变的流程上的事务所得到的是演示。挑一个工作流并重建它的事务所得到的是省下来的天数。

## 在你把账簿交给智能体之前的五条规则

一个触碰你账簿的智能体会继承这本账簿被记录方式中的每一个问题。无论你的智能体来自 Xero、其他平台，还是你自己写的脚本，这五条规则都适用。

### 1. 干净的账进，干净的自动化出

智能体不会修复一个混乱的会计科目表、多年未清理的暂记余额，或从春天起就没对过的银行流水。它会加速它们——以更高的自信、在更多交易上更快地记错。在自动化任何东西之前，先把每个账户都对好，清掉陈旧的科目，确保每个账户只代表一件事。自动化会放大输入的质量；先把输入变好。

### 2. 任何动钱的事都保留人工签核

用好护栏功能：审批阈值、签核限额、上报路径。一个合理的起步政策是：智能体可以起草、分类、提醒、标记——但只有人才能放行超过既定金额的付款、过账到敏感账户的手工日记账，或变更供应商银行信息。把这些限制写进工作流描述本身，每季度复核一次，绝不要仅仅为了不再收到通知就放宽某个阈值。通知本身就是控制在起作用。

### 3. 坚持要有一条能拿给注册会计师看的审计轨迹

每一次自动化操作都应该回答四个问题：运行了什么、何时运行、触碰了哪些数据、谁批准了它。这就是 XeroForce 所宣传的标准，你也应该要求任何你采用的工具做到这一点。这条轨迹的受众不只是你——还有年末的会计师、审查时的贷款方，以及潜在的税务稽查员。如果一个智能体拿不出关于自己工作的可读日志，那它就是玩具，不是基础设施。

### 4. 从一个工作流开始并衡量它

记住那个五分之一的回报鸿沟。挑一个工作流，记下基线（结账天数、平均应收账款周转天数、花在催收收据上的小时数），让智能体完整跑两个周期，然后比较。如果数字动了，就扩展。如果没动，那你是以很小的代价学到了东西，而不是凭直觉把整个运营都自动化了。别在第一周就建十个智能体；第二个智能体应该由第一个的经验塑造，而不是由发布日的乐观情绪塑造。

### 5. 清楚什么数据离开了你的账簿

智能体通过把你的账簿连接到其他应用——邮件、聊天、文档存储、薪酬——来获得力量。每一个连接都是你负有责任的数据流：客户财务数据流入聊天工具，银行信息经过第三方服务。把每个连接列清楚，确认每一个都是必要的，并优先选择在自身合规边界内处理你数据的工具，而不是把数据散布到各个供应商那里。你画不出图的便利，就是你管不了的风险。

## 你的账簿就是燃料：为什么现在记录结构更重要

大多数关于智能体构建器的报道都漏掉了这一点。AI 智能体在你的账户、分类、历史和附件文档之上进行推理。结构良好的账簿——一致的账户名称、已对账的余额、每一笔重要交易都有凭证——给智能体提供了干净的材料。一本乱糟糟的账簿给它的则是听起来自信的错误。

这就使得无聊的记账卫生成为最高杠杆的 AI 准备工作。标准化你的会计科目表，别再发明一次性分类。在入账时就附上源文档，而不是在年末惊慌失措地翻找。按计划对账，让错误在记忆犹新时暴露出来。如果你想看看结构化记录在实践中如何运作，[文档](/docs/)会带你了解如何组织交易，好让人和软件都能跟上它们，而[仪表盘](/fava/)则展示干净的数据如何变成你真正能审阅的报告——包括审阅智能体改动了什么。

把账簿保持在一个透明、受版本控制的格式里还有第二个更微妙的优势：每一次自动化变更都变得可见且可回退。当每一个智能体动作都以一条明确、可审阅的条目落地，背后还有完整历史时，规则 3 里的审计轨迹就随架构免费而来，而不必依赖某个厂商的日志页面。纯文本记账正是在这个意义上为 AI 做好了准备——结构足够清晰，软件能处理；足够透明，人能核实。
