角色与权限
介绍
AI 员工的权限管理包含两个层面:
- AI 员工的访问权限:控制哪些用户可以使用哪些 AI 员工
- 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:
| 工具名称 | 说明 |
|---|---|
| Data source query | 使用数据源、数据表和字段查询数据库 |
| Data source records counting | 使用数据源、数据表和字段统计记录总数 |
工作原理:
当 AI 员工调用这些工具时，系统会:
- 识别当前登录用户的身份
- 应用该用户在角色与权限中配置的数据访问规则
- 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:
| 特性 | 说明 |
|---|---|
| 实现方式 | 工作流读取预配置的 SQL 模板，执行只读查询 |
| 权限控制 | 不受当前用户权限限制，输出由模板定义的固定业务数据 |
| 适用场景 | 针对特定业务对象(如线索、商机、客户)提供标准化的整体分析 |
| 安全性 | 所有查询模板由管理员预先配置和审核，避免动态生成 SQL |
工作流程:
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:
| 特性 | 说明 |
|---|---|
| 实现方式 | 允许 AI 生成并执行 SQL 语句 |
| 权限控制 | 由工作流控制谁可以访问，通常仅限管理员 |
| 适用场景 | 高级数据分析、探索性查询、跨表聚合分析 |
| 安全性 | 需在工作流中限制只读操作(SELECT)，并通过任务配置控制可用性 |
安全建议:
- 限制可用范围:仅在管理区块的任务中配置开启
- 提示词约束:在任务提示词中明确限定查询范围和表名
- 工作流验证:在工作流中验证 SQL 语句，确保仅执行 SELECT 操作
- 审计日志:记录所有执行的 SQL 语句，便于追溯
示例配置:
权限设计建议
按业务场景选择权限策略
| 业务场景 | 推荐工具类型 | 权限策略 | 原因 |
|---|---|---|---|
| 销售人员查看自己的客户 | 系统内置查询工具 | 遵循用户权限 | 确保数据隔离，保护业务安全 |
| 部门经理查看团队数据 | 系统内置查询工具 | 遵循用户权限 | 自动应用部门数据范围 |
| 高管查看全局业务分析 | 工作流自定义工具 / Overall Analytics | 独立业务逻辑 | 提供标准化的整体视角 |
| 数据分析师探索性查询 | SQL Execution | 严格限制可用对象 | 需要灵活性，但必须控制访问范围 |
| 普通用户查看标准报表 | Overall Analytics | 独立业务逻辑 | 固定分析口径，无需关心底层权限 |
多层防护策略
对于敏感业务场景，建议采用多层权限控制:
- AI 员工访问层:控制哪些角色可以使用该 AI 员工
- 任务可见性层:通过区块配置控制任务是否显示
- 工具授权层:在工作流中验证用户身份和权限
- 数据访问层:通过用户权限或业务逻辑控制数据范围
示例:
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:
- 配置 AI 员工的角色访问权限，限制谁能使用
- 对于系统内置工具，依赖用户数据权限自动过滤
- 对于自定义工具，在工作流中实现业务逻辑验证
- 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:
| 对比维度 | Overall Analytics | SQL Execution |
|---|---|---|
| 灵活性 | 低(仅能使用预配置模板) | 高(可动态生成查询) |
| 安全性 | 高(所有查询预先审核) | 中(需要约束和验证) |
| 适用对象 | 普通业务人员 | 管理员或高级分析师 |
| 维护成本 | 需要维护分析模板 | 无需维护，但需要监控 |
| 数据一致性 | 强(标准化口径) | 弱(查询结果可能不一致) |
最佳实践
- 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
- 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
- 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
- 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
- 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