OpenClaw 在保全操作自动化中的应用

1. 对应简历段落

这篇文章对应简历中“在传统保险业务系统难以改造的情况下，结合 OpenClaw 自动化流程对部分高频保全后台操作进行低侵入接入，支持 AI 客服生成操作计划、触发受控自动化、回传执行状态，并保留人工确认、权限校验和审计记录”的经历。

面试时这段不要讲成“用脚本点页面”。资深面试官会更关注：为什么保全场景需要自动化，哪些操作适合自动化，如何避免 AI 直接操作生产系统，如何处理页面变化、失败回滚、人工确认、审计追责，以及如何和传统 Java 系统集成。

可以这样表述：

面向保全业务中高频、规则明确但传统系统接口缺失的操作，设计 OpenClaw 自动化接入方案。AI 侧只负责生成操作意图和材料清单，后端根据权限和风险决策触发预定义自动化流程，由 OpenClaw 完成页面级操作或半自动填单，并将执行状态、截图证据和审计日志回传客服工作台。

这段经历体现的是“在不能大改存量系统时，如何工程化接入 AI 自动化能力”。

2. 业务背景

保险保全是指保单生效后对合同相关信息或权益进行变更、维护和服务的业务。常见保全操作包括联系方式变更、地址变更、受益人变更、缴费账号变更、保单贷款、减额交清、退保申请、补发保单、续期缴费方式调整等。

保全系统通常历史较长，流程复杂，权限严格。一些操作有完整 API，但也有不少操作只存在于内部后台页面，或者接口不适合外部系统直接调用。原因可能是系统年代久、接口文档缺失、改造成本高、交易风险大、厂商系统不开放。

客服或运营人员每天会处理大量重复保全请求。比如客户来电要求修改联系地址，坐席需要核验身份、查询保单、确认可办理项目、进入保全后台、选择保全项目、填写字段、提交初审或生成工单。整个过程规则明确，但跨系统点击多，容易出错。

AI 接入后，有两个诉求：一是让 AI 帮坐席判断办理路径和材料；二是对低风险、高频、规则固定的后台操作做自动化辅助。但这里绝不能让大模型直接“控制浏览器随便点”。金融生产系统里的保全操作可能改变合同信息，必须受控。

所以 OpenClaw 的定位不是替代业务系统，而是在接口缺失或改造困难时，作为低侵入自动化适配层，执行预定义、可审计、可回放的流程。

3. 核心原理

OpenClaw 可以理解为自动化执行框架，用于把页面操作、脚本任务或业务流程封装成可调用能力。放在 AI 工程化架构里，它不是直接暴露给模型，而是作为工具层背后的一个执行适配器。

核心原则有三个。

第一，流程预定义。自动化流程由研发或业务专家提前定义，包括入口页面、字段定位、输入规则、校验点、提交条件、异常处理和截图节点。模型不能临时生成任意页面操作脚本。

第二，AI 只产出意图，不直接执行。用户说“帮客户修改手机号”，模型可以识别为“联系方式变更”意图，生成所需字段和材料清单，但真正能否执行，要由后端权限、风控和业务规则决定。

第三，执行可观测。自动化每一步都要有状态、日志、截图或页面证据。失败时要能知道卡在哪一步，是登录失效、元素找不到、业务校验失败，还是页面提示不能办理。

在系统架构上，AI 编排服务调用 Tool Runtime，Tool Runtime 根据工具定义判断该工具底层由 OpenClaw 执行，然后创建 automation job。OpenClaw worker 拉取任务，打开目标系统页面或调用自动化脚本，按步骤执行，并把状态回写。

这种模式把风险控制在两个边界内：模型不能自由操作页面，自动化也只能执行预定义流程。

4. 项目落地

落地时先选择适合自动化的保全场景。不是所有保全都适合自动化。优先选择规则明确、字段少、失败可恢复、风险较低、人工重复度高的流程，比如联系方式变更草稿创建、保全材料清单生成、补发保单申请工单创建、保全进度查询。退保、受益人变更、银行卡变更这类高风险动作应先做半自动化或草稿生成。

然后对每个流程建模。一个保全自动化流程至少包括：流程编码、业务名称、风险等级、输入参数、前置条件、权限点、是否需要用户确认、执行步骤、校验点、回滚或中止策略、审计要求。

例如“联系方式变更草稿创建”可以设计成：输入 policyNo、customerId、newMobile、newAddress；前置条件是用户已完成身份核验，保单状态有效，当前坐席有保全受理权限；流程只创建草稿或待办，不直接终审生效；执行后返回草稿号和截图证据。

Java 系统中可以有一个 AutomationService：

• createJob：创建自动化任务。
• getJobStatus：查询任务状态。
• cancelJob：取消任务。
• approveAndRun：人工确认后执行。
• callback：接收 OpenClaw 执行回调。

前端通过 SSE 或轮询展示执行状态：待确认、排队中、执行中、需要人工处理、成功、失败。坐席可以查看 AI 生成的操作计划和自动化执行证据。

关键是流程要分层：AI 负责解释和计划，Java 后端负责权限和状态机，OpenClaw 负责具体页面动作，人工负责高风险确认。

5. 流程或伪代码

public AutomationPlan planPreservation(PreservationRequest request, UserContext user) {
    Intent intent = intentService.classify(request.text());
    PreservationFlow flow = flowRegistry.findByIntent(intent)
        .orElseThrow(() -> new BusinessException("暂不支持该保全类型自动化"));

    permissionService.check(user, flow.permissionCode());
    PreservationInput input = inputExtractor.extract(request, flow.inputSchema());
    businessRuleService.validatePreconditions(flow.code(), input, user);

    RiskDecision decision = riskEngine.evaluate(flow.riskLevel(), input, user);
    return AutomationPlan.builder()
        .flowCode(flow.code())
        .input(input)
        .needConfirm(decision.needConfirm())
        .steps(flow.previewSteps())
        .riskTips(decision.tips())
        .build();
}

public AutomationJob confirmAndRun(String planId, UserContext user) {
    AutomationPlan plan = planRepository.get(planId);
    confirmService.checkConfirmed(plan, user);

    AutomationJob job = jobService.create(plan.flowCode(), plan.input(), user);
    openClawClient.submit(OpenClawCommand.builder()
        .jobId(job.id())
        .flowCode(plan.flowCode())
        .arguments(plan.safeArguments())
        .traceId(job.traceId())
        .build());

    auditLogger.recordSubmit(job, user);
    return job;
}

OpenClaw worker 的执行逻辑可以理解为：

启动流程 -> 登录或复用会话 -> 打开保全后台 -> 定位保单 -> 选择保全项目
-> 填写字段 -> 页面校验 -> 截图 -> 创建草稿或提交待办
-> 回传状态 -> 记录审计

注意这里的“提交”最好根据风险分级区分：低风险可以提交待办，高风险只生成草稿并要求人工复核。

6. 安全边界

第一，流程白名单边界。OpenClaw 只能执行注册过的保全流程，不能让模型生成任意浏览器动作。

第二，权限边界。发起自动化的用户必须具备对应保全权限和数据权限。自动化使用的系统账号也要可追踪，不能变成共享超级账号。

第三，确认边界。涉及合同信息变更、资金、银行卡、受益人、退保等高风险操作，必须人工确认或复核。AI 最多生成计划和草稿。

第四，输入边界。模型抽取的参数必须经过业务校验。手机号、地址、银行卡、证件号等字段要校验格式、来源和身份核验状态。

第五，执行边界。页面自动化必须有校验点。不能只要元素能点击就继续，要校验页面标题、保单号、客户名掩码、业务提示和提交结果。

第六，审计边界。每个自动化任务要记录发起人、确认人、输入参数脱敏值、执行步骤、截图证据、结果、失败原因和 traceId。

第七，失败边界。失败时不能盲目重试提交类动作。重试要区分幂等步骤和非幂等步骤，必要时转人工。

7. 常见坑

第一个坑是让模型直接驱动页面。模型输出不可完全预测，金融系统不能接受“模型觉得该点这里”的执行方式。

第二个坑是流程选得太激进。刚开始就自动化退保、银行卡变更这类高风险交易，会让项目难以通过风控和合规评审。

第三个坑是没有页面校验点。页面结构变了，脚本可能点错位置。如果没有关键字段确认，就可能造成错误操作。

第四个坑是使用共享账号执行。后续审计无法追踪真实发起人，权限也容易失控。

第五个坑是忽略幂等。自动化失败重试时，如果上一次已经提交成功但回调失败，重复提交会造成业务问题。

第六个坑是错误信息不可读。自动化失败只返回“元素不存在”对业务人员没有帮助，应该转换成“保全后台页面结构变化”或“当前保单不满足办理条件”。

第七个坑是没有人工接管。自动化卡住时必须能把上下文、截图和已完成步骤交给人工继续处理。

8. 面试追问

面试官可能问：为什么不用接口而用 OpenClaw？回答：优先用接口，但部分遗留系统没有开放 API 或改造成本高，OpenClaw 用于低侵入接入高频页面流程。

可能问：如何保证安全？回答：流程白名单、权限校验、风险分级、人工确认、输入校验、页面校验点、审计截图和失败转人工。

可能问：AI 在里面做什么？回答：AI 负责理解用户意图、解释办理路径、抽取字段、生成操作计划；执行由确定性流程完成。

可能问：页面变化怎么办？回答：流程有健康检查、关键元素定位策略、执行失败告警、截图回放和版本化维护。

可能问：如何处理高风险保全？回答：高风险不自动提交，只生成草稿、材料清单或待办，最终由人工复核提交。

可能问：怎么和 Java 系统集成？回答：Java 后端作为 Automation Orchestrator，管理 job 状态、权限、确认、回调、审计，通过客户端调用 OpenClaw worker。

9. 推荐回答

推荐回答如下：

我们优先通过业务 API 接入保全能力，但一些遗留后台没有稳定接口，短期改造成本很高，所以对少量高频、规则明确、风险可控的流程使用 OpenClaw 做低侵入自动化。这里不是让大模型随便操作页面，而是把每个保全流程预先定义成白名单任务。

AI 只负责识别意图、抽取字段、生成办理计划和材料提示。真正执行前，Java 后端会做权限校验、数据范围校验、身份核验状态检查和风险判断。低风险流程可以创建草稿或待办，高风险流程必须人工确认或只给办理建议。

OpenClaw 执行时每一步都有校验点和截图证据，执行结果通过回调回到任务中心，客服前端可以看到状态。所有任务都会记录发起人、确认人、参数脱敏值、执行步骤和结果，失败时转人工。这套设计的关键是低侵入接入遗留系统，同时不突破金融业务的安全边界。

这个回答能体现你知道自动化不是“乱点页面”，而是受控流程工程。

10. 延伸学习路线

第一阶段学习保险保全业务基础：常见保全项目、风险等级、身份核验、材料要求、审核流程。

第二阶段学习自动化框架思想：任务队列、流程定义、页面定位、截图证据、失败重试、幂等控制。

第三阶段学习 AI 与自动化结合：意图识别、字段抽取、计划生成、人工确认、工具调用。

第四阶段学习 Java 编排：状态机、异步任务、回调接口、SSE 状态推送、审计日志、权限校验。

第五阶段学习生产治理：流程白名单、版本管理、监控告警、页面变更检测、人工接管机制。

最终可以做一个演示项目：用 Java 后端定义一个保全自动化任务，AI 生成计划，用户确认后触发页面自动化，前端实时展示执行状态和截图证据。这个项目很适合解释传统系统低侵入接入 AI 的工程能力。