#角色与权限

#介绍

AI 员工的权限管理包含两个层面:

1. AI 员工的访问权限:控制哪些用户可以使用哪些 AI 员工
2. 数据访问权限:AI 员工处理数据时如何应用权限控制

本文档将详细说明这两种权限的配置方式和工作原理。

#配置 AI 员工的访问权限

#设置角色可使用的 AI 员工

进入 User & Permissions 页面，点击 Roles & Permissions 标签页，进入角色配置页面。

选择一个角色，点击 Permissions 标签页，然后点击 AI employees 标签页，这里会显示 AI 员工插件中管理的 AI 员工列表。

点击 AI 员工列表 Available 列的勾选框，控制当前角色是否可以访问该 AI 员工。

#数据访问权限

当 AI 员工处理数据时，权限控制方式取决于使用的工具类型:

#系统内置数据查询工具(遵循用户权限)

以下工具会严格按照当前用户的数据权限进行数据访问:

工作原理:

当 AI 员工调用这些工具时，系统会:

1. 识别当前登录用户的身份
2. 应用该用户在角色与权限中配置的数据访问规则
3. 仅返回该用户有权查看的数据

示例场景:

假设销售人员 A 只能查看自己负责的客户数据，当他使用 AI 员工 Viz 分析客户时:

• Viz 调用 Data source query 查询客户表
• 系统应用销售人员 A 的数据权限过滤规则
• Viz 只能看到并分析销售人员 A 有权访问的客户数据

这确保了 AI 员工不会突破用户自身的数据访问边界。

#工作流自定义业务工具(独立权限逻辑)

通过工作流自定义的业务查询工具，其权限控制独立于用户权限，由工作流的业务逻辑决定。

这类工具通常用于:

• 固定的业务分析流程
• 预先配置的聚合查询
• 跨权限边界的统计分析

#示例 1: Overall Analytics(通用业务分析)

在 CRM Demo 中，Overall Analytics 是一个模板化的业务分析引擎:

工作流程:

flowchart TD
    A[AI 员工接收任务] --> B[调用 Overall Analytics 工具]
    B --> C[传入 collection_name 参数]
    C --> D[工作流匹配对应的分析模板]
    D --> E[执行预配置的 SQL 查询]
    E --> F[返回业务分析数据]
    F --> G[AI 员工生成图表和洞察]

关键特性:

• 任何调用该工具的用户都会得到相同的业务视角
• 数据范围由业务逻辑定义，不受用户权限过滤
• 适合提供标准化的业务分析报表

#示例 2: SQL Execution(高级分析工具)

在 CRM Demo 中，SQL Execution 是一个更灵活但需要严格控制的工具:

安全建议:

1. 限制可用范围:仅在管理区块的任务中配置开启
2. 提示词约束:在任务提示词中明确限定查询范围和表名
3. 工作流验证:在工作流中验证 SQL 语句，确保仅执行 SELECT 操作
4. 审计日志:记录所有执行的 SQL 语句，便于追溯

示例配置:

任务提示词约束:
- 只能查询 CRM 相关表(leads, opportunities, accounts, contacts)
- 只能执行 SELECT 查询
- 时间范围限制在最近 1 年内
- 返回结果不超过 1000 条记录

#权限设计建议

#按业务场景选择权限策略

#多层防护策略

对于敏感业务场景，建议采用多层权限控制:

1. AI 员工访问层:控制哪些角色可以使用该 AI 员工
2. 任务可见性层:通过区块配置控制任务是否显示
3. 工具授权层:在工作流中验证用户身份和权限
4. 数据访问层:通过用户权限或业务逻辑控制数据范围

示例:

场景:只有财务部门可以使用 AI 进行财务分析

- AI 员工权限:仅财务角色可访问 "Finance Analyst" AI 员工
- 任务配置:财务分析任务仅在财务模块显示
- 工具设计:财务工作流工具验证用户部门
- 数据权限:财务表的访问权限仅授予财务角色

#常见问题

#Q: AI 员工能访问哪些数据?

A: 取决于使用的工具类型:

• 系统内置查询工具:只能访问当前用户有权限查看的数据
• 工作流自定义工具:由工作流的业务逻辑决定，可能不受用户权限限制

#Q: 如何防止 AI 员工泄露敏感数据?

A: 采用多层防护:

1. 配置 AI 员工的角色访问权限，限制谁能使用
2. 对于系统内置工具，依赖用户数据权限自动过滤
3. 对于自定义工具，在工作流中实现业务逻辑验证
4. 敏感操作(如 SQL Execution)仅授权给管理员

#Q: 我想让某些 AI 员工突破用户权限限制怎么办?

A: 使用工作流自定义业务工具:

• 创建工作流实现特定的业务查询逻辑
• 在工作流中控制数据范围和访问规则
• 将工具配置给 AI 员工使用
• 通过 AI 员工访问权限控制谁可以调用该能力

#Q: Overall Analytics 和 SQL Execution 的区别是什么?

A:

#最佳实践

1. 默认遵循用户权限:除非有明确的业务需求，优先使用遵循用户权限的系统内置工具
2. 模板化标准分析:对于常见的分析场景，使用 Overall Analytics 模式提供标准化能力
3. 严格控制高级工具:SQL Execution 等高权限工具仅授权给少数管理员
4. 任务级别隔离:将敏感任务配置在特定区块，通过页面访问权限实现隔离
5. 审计与监控:记录 AI 员工的数据访问行为，定期审查异常操作