Harshwal AI Agent Services：会计事务所的AI转型概念验证

背景：传统会计行业的数字化焦虑

想象一下，一家有着三十年历史的会计师事务所，客户打电话来咨询税务问题，接待人员正忙得焦头烂额——既要处理电话，又要回复邮件，还得翻找去年客户的报表。这就是 Harshwal 这家事务所面临的真实困境。

Harshwal 是一家专注于非营利组织和小型企业审计、税务合规的会计师事务所。面对 AI 浪潮，他们没有选择观望，而是直接动手——开发了一套 AI Agent 服务原型系统，用代码给出了自己的答案。

项目概述

arshwal-ai-agents 是一个全栈 JavaScript 应用，通过 Web 界面展示了六种不同角色的 AI Agent 服务能力。这是一个商业概念验证（PoC）项目，旨在向潜在客户演示 AI Agent 如何融入传统会计事务所的工作流程。

六大 AI Agent 角色

角色	应用场景
客户支持（Customer Support）	解答常见问题、处理登录问题、查询服务状态
语音接待（Voice/Receptionist）	接听电话、转接分机、安排回拨
邮件处理（Email）	起草客户邮件、跟进沟通
报表生成（Reporting）	生成财务摘要、预算差异分析、月度报表
税务合规（Tax/Compliance）	解答 Form 990 提交要求、审计文档准备
知识工作流（Knowledge/Workflow）	查找报销政策、新供应商入职流程

技术架构

三种部署模式

项目设计之初就考虑到了不同用户的部署需求，提供三种运行方式：

方式一：本地开发（Express 服务器）

cd backend
npm install
cp .env.example .env
# 编辑 .env 设置 GEMINI_API_KEY
npm start
# 访问 http://localhost:4000

方式二：Vercel 部署（推荐，免费无需信用卡）

• 前端静态文件（index.html、style.css、app.js）由 Vercel 直接托管
• API 函数（api/chat.js、api/roi.js）自动转换为 Serverless 函数
• 一键导入 GitHub 仓库即可完成部署

方式三：Render 托管

• 提供 render.yaml 蓝图文件
• 支持自动构建和托管

技术栈

• 后端：Node.js 18+ / Express
• 前端：原生 HTML5 + CSS3 + JavaScript（无前端框架）
• AI 能力：Google Gemini API（需要用户自行申请免费 API Key）
• 部署：支持 Express 本地服务器、Vercel Serverless、Render 托管三种模式

核心文件结构

harshwal-ai-agents/
├── api/                # Vercel Serverless 函数
│   ├── chat.js         # AI 对话入口
│   ├── roi.js          # ROI 计算器
│   └── data.js         # 静态数据
├── backend/            # Express 服务器
│   └── server.js
├── frontend/           # 静态前端（被 backend 服务）
├── lib/                # 共享数据
├── index.html          # Vercel 直接托管的入口
├── style.css
└── app.js

核心功能详解

1. AI Agent 实时对话

每个 Agent 角色都预设了典型的业务场景示例。例如，点击"税务合规"Agent，会看到这样的示例问题：

• "提交年度审计需要哪些文件？"
• "我们错过了 Form 990 的截止日期该怎么办？"
• " disbursement 属性测试检查什么？"

这些预设问题帮助用户快速理解 Agent 的能力边界。

2. ROI 计算器

内置投资回报率计算器，可以估算引入 AI Agent 服务后的成本节省情况。计算逻辑完全在服务端（/api/roi）执行，确保商业敏感数据不暴露在前端。

3. 路线图展示

包含一个四阶段推广计划的可视化展示，向客户说明 AI Agent 服务的渐进式引入策略。

部署体验

上手难度：低

整个项目最亮眼的设计在于部署灵活性。对于没有技术背景的会计师事务所工作人员，Vercel 部署提供了最简单的路径——只需将仓库导入 Vercel，设置一个 GEMINI_API_KEY 环境变量，几分钟内就能看到一个可以演示的 AI Agent 服务界面。

唯一需要注意的是 GEMINI_API_KEY 的获取：用户需要拥有 Google 账号，访问 Google AI Studio（aistudio.google.com/apikey）创建一个免费 API Key。虽然免费额度有限，但用于演示绰绰有余。

局限与思考

1. 依赖外部 API

项目本身不包含任何 AI 模型，所有对话能力都依赖 Google Gemini。这意味着：

• 需要稳定的网络连接
• 有 API 调用成本（即使有免费额度）
• 数据需经过 Google 服务器

2. 非通用开源项目

这个项目的定位是商业展示工具，而非通用开源库。它解决的问题非常垂直——会计事务所场景下的 Agent 服务。直接复用到自己项目的门槛较高，更多是参考其架构思路。

3. 代码质量

作为概念验证项目，代码采用了最直接的实现方式——原生 JavaScript、无前端框架、无单元测试。这在快速迭代阶段是合理的，但如果要长期维护，可能需要考虑引入 TypeScript 和测试体系。

4. 零 Stars

项目当前在 GitHub 上为 0 Stars，说明这更多是一个内部工具而非社区项目。对于真正的开源爱好者来说，缺少社区反馈和维护更新可能是一个顾虑。

行业意义

尽管 stars 为零，这个项目代表了一类重要的趋势：传统行业的数字化从业者正在用代码表达他们对 AI 的理解。

Harshwal 没有等待 AI 厂商推出完美的企业解决方案，而是自己动手做了一个可以演示、可以修改、可以讲给客户看的原型。这种"先做出来再说"的态度，或许比完美的代码更有价值。

从技术角度看，这个项目展示了 AI Agent 落地的几个关键要素：

1. 场景化：Agent 需要有明确的角色和职责边界
2. API 优先：调用云端 AI 能力比自己训练模型更实际
3. 渐进式：不需要一次性颠覆所有工作流程，从接待、邮件等边缘场景切入

总结评分

维度	评分	说明
技术实现	⭐⭐⭐☆☆	功能完整但非前沿技术
部署体验	⭐⭐⭐⭐☆	多平台支持，上手简单
商业价值	⭐⭐⭐⭐☆	针对性强，直击目标客户痛点
开源活跃度	⭐☆☆☆☆	0 Stars，暂无社区反馈

适合人群：会计/审计行业从业者了解 AI Agent 落地案例；需要快速搭建 AI Agent 演示原型的开发者参考其架构设计。

不适合：寻求成熟开源 AI 项目的用户；需要本地化部署、无网络依赖的用户。