上周，公司机房里多了一台服务器。

不是IT部门买的，是我推动采购的。一个做财务的，要一台装了两块顶级显卡的服务器干什么？

答案是：跑一套完全属于我们自己的AI系统。不依赖任何外部云服务，所有数据不出公司内网。

— — —

先说为什么要搞这个东西。

过去几个月，我在自己的笔记本电脑上用OpenClaw搭了十几个AI工具——审批自动化、公司制度知识库、竞对公告监控、行业资讯推送、日记和笔记自动化。OpenClaw是一个AI助手，我在手机上通过飞书或企业微信发一条消息，就能触发后台的各种工具，这些东西帮我省下了大量重复劳动的时间。

说一句：这些工具最早全是在我自己笔记本上跑的，不需要采购任何硬件。就是下班后自己折腾，跑通一个再做下一个。起点比大多数人想象的低得多。

但跑着跑着，一个问题越来越明显：这些工具只有我一个人能用。知识库搜索、制度查询，团队里其他人想用得来找我。AI审计工具写好了，但跑在我电脑上，财务团队的人没法直接用。工具的价值被锁在了一台笔记本里。

一台7×24小时运行的、跑在内网的工作站，能解决这个问题。团队成员通过浏览器就能访问知识库和AI问答，审计工具可以多人同时使用，所有数据不出内网。

还有一个不能妥协的原因：数据安全。我们是上市公司，财务数据、审计底稿、合规文件——这些东西不能经过任何外部云端API。必须全部跑在本地。这不是技术偏好，是合规红线。

— — —

决定搭之后，问题就来了：我不会。

可能有人会问：这种事不应该IT部门来做吗？理论上是。但现实是，本地部署AI对大多数企业IT来说也是新事物，他们未必有经验。更关键的是，就算IT来做，他们也不知道审计规则的阈值该设多少、知识库里该灌哪些文档、搜索结果怎么算"准确"。财务场景的需求，只有财务人自己能定义。这不是越权，是补位。

我知道我需要什么——一台能跑本地大模型的工作站，上面部署知识库、审计工具、AI对话系统，团队通过内网访问。但"需要什么"和"怎么做"之间，隔着我完全不懂的技术领域：Linux系统、GPU驱动、Docker容器、模型部署、网络配置……

之前笔记本上的那十几个工具，都是在Claude的协助下搭起来的（类似的AI对话工具还有很多，核心方法是一样的），这次工作站部署，我试着用Claude Code，它能直接在命令行里自主执行代码、读报错、自己修改。

— — —

整个工作站的部署过程是这样的。

我先在Claude对话里把需求描述清楚：这台工作站的硬件配置是什么、操作系统是什么、IP地址是多少、要在上面部署哪些东西、最终团队怎么访问。Claude帮我梳理了部署步骤——先装什么后装什么，哪些有依赖关系——然后写出每一步的具体命令和脚本。

接着我把这些需求规格粘贴到Claude Code里，让它通过SSH远程连到工作站上自主执行。我不用碰工作站的键盘，甚至不用走到机房。坐在书房里，看着屏幕上的命令一行行跑过去——安装OpenClaw、修复显卡驱动、下载本地大模型、部署知识库、创建审计工具、配置飞书通道。

中间当然不是一帆风顺的。显卡驱动装完检测不到、大模型下载中断、通道连上了但AI不响应——各种问题都遇到了。但每一次卡住，我做的事情都一样：把现象或者报错信息描述清楚，贴回去，它告诉我原因和解决方案，我再执行下去。而且不管你的问题多基础，它都认真回答——对一个跨界进入陌生领域的管理者来说，这件事比技术本身更重要。

半天时间，工作站就上线了。

现在，OpenClaw在工作站上7×24小时跑着。团队成员在浏览器里打开一个内网地址，就能查公司制度、问合规问题。我在飞书上发一个Excel文件说一句"审凭证"，OpenClaw自动跑审计规则，几分钟后把异常项列出来。

工作站上线之后，我组织团队开会，一起梳理哪些日常工作可以用AI来跑。银行对账是第一个被提出来的——几十家银行，每家格式不一样，每个月对账耗掉大量时间。然后是费用报销的异常检测、凭证审核的规则校验……需求一个接一个冒出来。这台工作站不只是一个工具，它变成了团队跟AI协作的起点。

— — —

回过头看这个过程，我觉得最值得说的不是技术细节，而是我跟AI之间的分工。

我负责三件事：定义需求、设定边界、验收结果。AI负责一件事：技术实现。

定义需求是最关键的。"帮我做一个知识库"是废话，AI不知道怎么下手。"公司一百多份管理制度，团队的人在浏览器里用自己的话提问，AI能找到对应的制度条款和原文出处"——这种程度的描述，AI才能一次执行到位。你可能会说你不知道背后的技术怎么实现，没关系，你可以先问"我想让团队在内网用上AI问答，需要做哪些事"，AI会帮你拆解，然后你逐条确认和细化。需求写得越具体，返工越少。

设定边界是AI做不了的。比如审计规则，AI能写规则检查的代码，但哪些科目余额为负是正常的、同比变动多少算异常——这些阈值只有做了十几年财务的人才能定。再比如数据安全的边界画在哪里、哪些数据绝对不能出内网——这些判断全是你的。

验收结果不需要你懂代码。你只需要看：跑起来了没有？结果对不对？有没有报错？报错了把信息完整地贴回去，AI自己能分析原因、自己改。你不需要看懂报错的技术细节。

这个分工模式，跟管团队其实是一回事——你不需要能做下属的每一件事，但你需要能定义"做到什么程度算做好了"。

— — —

最后说一件事。

有人问我，CFO到底该不该学技术？

我的回答是：不需要学技术，但需要学会跟技术协作。这两件事完全不同。

学技术是学Python、学Linux、学数据库。这条路太长了，对一个有十几年业务经验的管理者来说，性价比很低。

学会跟技术协作，是学会把你脑子里的业务逻辑翻译成清晰的需求、学会验收结果、学会在报错中推进而不是放弃。这些能力，做了十几年管理的人其实已经有了——你每天都在定义需求、验收结果、处理意外。只是以前你的协作对象是人，现在多了一个AI。

代码是AI写的。但系统是我设计的。这件事，不需要会写代码。