AI 管服务
AI 可以动手，但不能越过人
后台助手解决的是日常运营里大量重复的读写动作：改价格、建优惠、查订单、整理商品。真正让企业敢用的，不是模型多强，而是写入前的那一次确认。
基于 26.11.0 整理 · 核验 2026-11-13 功能随版本变化，交付以实际版本为准 · 上游文档
AI 管服务
让 AI 操作后台，但每一步都可确认、可撤销、可审计
企业最担心的不是 AI 不够聪明，而是它在没有人看着的时候改了价格或订单。Maho 的助手把「可控」写进了交互本身。
- 自然语言读写后台：每个后台页面都能唤起助手，用一句话查商品、改规则、建优惠、看订单，运营不必在菜单里翻。助手读写的是同一套后台对象，不是另一套影子数据。
- 写入前确认：每次写入前都展示修改前后值，人确认后才落库，落库之后仍可撤销。改错一步不会直接进生产数据，责任链上始终有人。
- 全量操作日志：执行、被拒、失败三类写入统一进 Assistant Actions Log，一次操作为什么被拦、改了什么都能回溯，审计不必凭记忆补。
- 权限不越界：助手复用与 API 相同的工具，只能做当前管理员角色允许的事，不存在第二套权限面；给谁开后台，等于给谁开了同等范围的助手。
- 定时任务：计划任务在后台配置，结果投进收件箱等人查看与处理；跑完不等于生效，关键动作仍要人点确认。
- 模型可选：可选多家云模型或本地自托管模型，选型与密钥由企业自己持有，数据流向由企业决定。
自然语言指令→读取商店与文档→生成变更提案
助手先读当前版本随附的用户指南，再解释功能与填写表单
人工确认前后值→执行并可撤销→写入 Actions Log
同一套角色权限、写入日志与限流策略，与 REST / GraphQL / MCP 完全一致
提示注入模式识别+输出净化+个人信息检测
一次写入，完整经过五道关
- 指令：管理员在当前后台页面用自然语言描述意图。
- 读上下文：助手读取当前商店数据与随版本内置的用户指南，再生成提案。
- 前后值对照：把将要改动的字段、原值与新值摆出来，由人确认。
- 执行与撤销：确认后落库，短时间内可撤销；执行、被拒、失败三类结果都进 Assistant Actions Log。
- 权限收敛：助手复用与 API 相同的工具，只能做当前管理员角色本就被允许的操作，不存在第二套权限面。
把重复劳动排进日程
后台可配置定时任务，让助手按计划执行巡检、报表与批量整理，结果进收件箱等待人看。这里同样不是「无人值守」：涉及写入的动作仍受上面的确认与日志机制约束，我们把授权范围写进交付验收表。
模型与数据边界
助手支持多家云模型，也支持本地自托管模型。对数据敏感的客户，我们优先评估自托管方案，并在方案书里写清模型供应商、请求内容与留存策略。AI 层自带提示注入模式识别、输出净化与个人信息检测，但这些是护栏，不是免审核的许可证。
我们在交付时把「助手开关、模型选型、角色权限矩阵、日志留存」列为签字确认项。默认策略是先只读、后放开写入，跑完一个运营周期再评估扩容。
先聊清楚架构，再谈报价
给我们一份业务规模与现有系统清单，输出一份包含技术选型、交付步骤、AI 配置边界与验收项的搭建方案。
或写信到 hello@magentop.cn；我们只通过邮件回复，不电话跟进。