从现存数据库到 AI-Native 业务系统
INFO
Lovrabet 的价值不是给旧系统加一个聊天框，而是从企业已经存在的数据库、旧系统、API、流程和经验出发，快速翻新出 AI-Native 系统底座。业务人员不必先学习开发配置，可以直接通过 Agent 提出需求、查询数据、分析问题、推进任务。
你能得到什么
| 过去的系统使用方式 | 使用 Lovrabet 后 |
|---|---|
| 人打开多个系统查数据、填表、核对、流转 | 人提出目标，Agent 查询、分析、执行并生成结果 |
| 数据库只是表、字段和接口 | 数据被整理成业务对象、指标口径、权限边界和可执行动作 |
| 经验依赖老员工和项目组 | 成功路径沉淀为 Skill、SOP、知识和可复用流程 |
| 页面是主要入口 | Agent 成为业务运行入口，页面承载高频稳定结果 |
Lovrabet 如何翻新现有系统
Lovrabet 不要求企业推倒重来。它从已有资产出发，把旧数据库和旧系统背后的业务含义整理出来，再交给 Agent 使用。
| 阶段 | Lovrabet 做什么 | 业务价值 |
|---|---|---|
| 接入旧资产 | 连接数据库、旧系统、API、BFF、SQL、流程文档 | 不从零建设，先激活已有资产 |
| 理解业务语义 | 通过 DBAgent 和业务建模识别对象、关系、指标和权限 | AI 不只是拿到数据，而是看懂数据代表什么业务 |
| 封装执行能力 | 将 SQL、Backend Function、API、页面和 Skill 变成可调用资产 | Agent 能查、能分析、能执行，而不只是回答 |
| 进入运行态 | 业务人员通过 Agent 问数、分析、处理任务 | 业务用户先看到结果，不必先进入开发态 |
| 沉淀复用 | 把成功路径、纠偏过程和判断口径沉淀为知识和 Skill | 下一次类似任务更快、更准、更稳定 |
业务人员如何用 Agent 完成工作
| 我想做什么 | Agent 可以怎么帮我 | 完成后的结果 |
|---|---|---|
| 查一条业务数据 | 按业务对象和口径取数，而不是要求你知道表名和字段 | 得到可解释的数据结果 |
| 分析一个业务问题 | 结合指标、历史记录和上下文给出判断依据 | 得到问题原因、影响范围和下一步建议 |
| 推进一个业务任务 | 调用 SQL、API、Backend Function 或 Skill 执行动作 | 生成记录、通知相关人、更新状态 |
| 复用一次成功做法 | 将有效路径保存为 Skill 或知识 | 团队下次可以直接复用 |
TIP
核心变化：过去是人驱动系统，现在是 AI 驱动流程，人负责提出需求、确认关键门禁和判断异常。
Agent 和页面怎么配合
Agent 和页面不是二选一。
| 使用场景 | 推荐入口 |
|---|---|
| 临时查数、探索性分析、跨系统任务、一次性处理 | Agent |
| 高频稳定流程、固定菜单、列表、表单、审批、报表 | 页面 |
| 先探索后固化 | 先用 Agent 跑通，再沉淀为 Skill、页面或标准流程 |
TIP
更准确的理解是：Lovrabet 先形成 AI-Native 业务底座，Agent 负责灵活执行，页面承载稳定结果，Skill 和知识负责持续复用。
下一步
如果你是业务人员，先选择一个真实问题，让 Agent 完成一次问数、分析或任务处理。
如果你是技术或实施人员，先从现存数据库和旧系统开始接入，再补齐业务模型、权限、SQL、Backend Function、API 和 Skill。