夜雨聆风
从零基础开发App到数字化审计AI重构——基于《实践论》视角的AI大模型审计应用思考
一、缘起
2025年的最后一个周末，我做了一件在旁人看来可能“不务正业”的事：亲自上手，借助AI大模型辅助，从零起步开发了一款“差旅小助手”手机App。
缘起有二：
缘起1：我需要一个小工具
一直想有一个手机小工具，能随时记录出差信息，方便管理和查找。
传统的小工具往往是规则化的表单界面，比如从哪儿到哪儿、什么时间、什么方式、买什么票，一个个填完需要很长时间，直接让人放弃。
我想AI时代不应该是这样，应该是我把想要记录的内容讲给它听，后续的信息要素由它自动去分析，我确认就行了。
查询时，也不需要像传统软件那样设置查询界面和条件，而是直接说出查询意图，AI意图识别后生成查询条件进行查询，并把结果返还给我。
缘起2：我真的懂AI大模型吗？
作为一名在数字化审计领域摸爬滚打多年的老兵，习惯了听汇报、看PPT、审阅需求文档。在AI大模型（LLM）概念满天飞的这两年，听过无数厂商的刷榜，看过无数描绘AI颠覆审计的蓝图。
很容易陷入一种“理论繁荣”的错觉，仿佛听懂了Transformer架构，看懂了RAG原理，就掌握了未来的钥匙。
但内心深处始终有一种挥之不去的战略焦虑：我真的懂AI吗？还是只是在用旧时代的经验，去想象新时代的武器？
二、知和行需要躬身入局
毛主席在《实践论：论认识和实践的关系——知和行的关系》中说：
如果要直接地认识某种或某些事物，便只有亲身参加于变革现实、变革某种或某些事物的实践的斗争中，才能触到那种或那些事物的现象，也只有在亲身参加变革现实的实践的斗争中，才能暴露那种或那些事物的本质而理解它们。
你要有知识，你就得参加变革现实的实践。你要知道梨子的滋味，你就得变革梨子，亲口吃一吃。
一切真知都是从直接经验发源的。
在此之前，作为懂技术的文科生，我写过很多代码，参与过系统开发，但从来没有开发过手机App。
之前用AI大模型探索在内部审计中的应用，还有很多吃老本的成分，或者说经验和知识还在起作用。对AI应用的思考必然有过去开发经历打下的烙印，理解的不透彻、看的也不远不深入，更不能准确表达出来。
但在一个完全陌生的领域实践，都能跑通，才能更加体现AI大模型的能力，也才能更好探索AI大模型的边界。
亲自写代码，并非为了节省成本，更非为了炫技，而是更深刻明白在AI时代，知与行的距离比以往任何时候都要远。
如果不亲自下场“变革梨子”，永远无法尝到AI真正的滋味，更无法构建出真正有生命力的智能化的数字化审计系统。
三、理解了的东西才更深刻地感觉它
《实践论》中提到：
感觉到了的东西我们不能立刻理解它，只有理解了的东西，才能更深刻地感觉它。
借助大模型，我花了5个多小时，开发了一款包含语义识别、意图理解、复杂逻辑检索的“差旅小助手”App。
App信息录入和查询截图，数据虚构
整个过程，不仅是AI技术应用的实践，更是一场关于认知和实践的迭代。
（一）感性认识到理性认识的飞跃
在动手写代码之前，我对大模型的认识停留在感性阶段：它很强大，能生成文本，能理解语义，能写代码。就像AI大模型审计应用规划中，很容易想当然地认为：“把各种情况丢给AI，它就能自动发现疑点。”
但在开发“差旅小助手”的过程中，现实给了我深刻的教育。
当我试图实现“高级搜索”功能，输入“25年去北京的出差记录”时，模型最初给出的查询条件经常遗漏“因公出差”这一隐含条件；当我输入“去北京出差，坐东航的飞机和高铁”时，模型在处理“和”与“或”的逻辑上出现了混淆，导致检索结果为空。
这一刻才能深刻体会AI大模型不是全知全能的神，它是一个概率模型，它需要精准的边界约束和逻辑引导。
通过不断调试Prompt，从简单的关键词匹配进化到DNF（析取范式）逻辑，我才完成了从“听说AI很强”到“理解AI如何强、哪里弱”的理性认识飞跃。这种对AI大模型能力技术边界的感悟和把握，是任何书本都无法赋予的。
如果我们只停留在听讲座，就会盲目引入大模型，结果发现它生成的审计报告“一本正经地胡说八道”。只有通过实践才会明白：要让AI做审计，不能只给它数据，必须像我在App开发中构建“DNF（析取范式）”逻辑那样，构建严密的 “审计逻辑中间层” 。
我们需要定义什么是“合规”，什么是“异常”，并将这些业务规则转化为AI能听懂的Prompt（提示词）。
以前我们做系统，核心要素是数据库字段、流程节点和控制逻辑。通过这次开发，我有了对新生产要素Prompt（提示词）和Context（上下文）的直觉。Prompt不是简单的说话，而是新时代的编程语言。
没有经过实践检验的AI大模型审计应用，只是空中楼阁。只有在一次次Debug中建立起来的理性认识，才是系统落地的基石。
（二）破除经验主义的桎梏
《实践论》强调，实践是检验真理的唯一标准，也是打破旧有认知的利器。
如果不亲自实践，管理者和建设者很容易陷入经验主义的泥潭，用旧时代的马车思维去套新时代的发动机，导致数字化转型流于形式。
在此次开发之前我从未涉足手机App开发，按照旧有的经验主义思维，开发一个App需要配置复杂的Android环境，学习Java或Kotlin，掌握各种UI布局。依据这个旧经验“没有专业技能就做不了这件事”，我可能直接放弃了。
但AI大模型改变了这一切，我不需要背诵Vue的语法，不需要精通安卓的底层API，而是需要清晰的逻辑表达能力和提示词工程能力，清晰定义业务逻辑，精准地向AI下达指令。
AI大模型填平了技术的鸿沟，让“所想皆所见”成为现实。
过去我们培养数字化审计人才，花费大量精力教他们写Python、写SQL，这在某种程度上是买椟还珠。这次实践让我确信在AI时代，编码能力将不再是核心门槛，核心门槛是对审计业务的深刻理解和逻辑拆解能力。
从系统角度，AI Native的数字化审计系统，要跳出“表单思维”的桎梏，应该是“意图驱动”的。 审计人员说：“查一下这个供应商的关联关系”，系统就应该直接给出图谱，而不是让审计人员去五个不同的菜单里找数据。
（三）实践、认识、再实践
《实践论》指出：
实践、认识、再实践、再认识，这种形式，循环往复以至无穷，而实践和认识之每一循环的内容，都比较地进到了高一级的程度
App的开发过程并非一帆风顺，从最初的简单录入，到交互友好、观感更好的UI界面。从解决GLM大模型调用429报错，再到实现复杂的“高级搜索”逻辑，这正应了《实践论》中“实践、认识、再实践、再认识”的循环往复规律。
AI应用具有极强的不确定性（Uncertainty），AI大模型的场景应用不是规划出来的，希望通过顶层设计一步到位，试图通过大规划、大系统毕其功于一役的想法很容易撞墙，或者搞出一个四不像的缝合怪。
AI大模型在审计中的应用路线不应该是追求大而全的单体系统，而是鼓励团队利用AI能力，快速构建解决具体痛点的“微应用”或“智能体（Agent）”，然后由点成线、由线及面。
我的App是在不断的报错和修正中“长”出来的，而不是设计出来的。在具体的场景中反复打磨，不断优化提示词、交互流程，迭代变强，是AI落地的不二法门。
如果不是亲自开发，在数字化系统查询界面中可能还会想着增加更多的下拉框。在App中，我实现了让用户说出需求，系统自动解析。
AI大模型时代的智能审计系统也不应该是一堆复杂的菜单，基于自然语言的交互和开发模式（LUI & Prompt Engineering）是不可逆转的趋势。
最好的界面是“没有界面”，凡是能用自然语言解决的，绝不允许设计复杂的表单。
这不是为了酷炫，而是为了解放审计人员的生产力。
四、躬身入局，方能驾驭未来
毛主席说：“通过实践而发现真理，又通过实践而证实真理和发展真理。”
打破过往经验桎梏的唯一途径，就是去实践。
在AI大模型时代，数字化审计系统的护城河，不再是代码的厚度，而是我们通过实践积累下来的、将审计智慧转化为AI能力的深度。
在AI大模型席卷而来的今天，我们不需要更多的“理论家”，需要的是敢于跳进水里的“弄潮儿”。
在AI大模型审计应用探索路上的审计人，除了用大模型写稿、写诗外，去申请一个大模型的API Key，去写一段Prompt，甚至去尝试让大模型将设想需求变成Demo，做一个能跑起来的AI Native应用。
