给AI发工号、定岗位、做绩效，数字员工终于能落地了

过去两年，但凡瞄过AI Agent一眼的企业主，大概都动过心思——把它请进自家业务，让这群24小时在线的“数字精英”帮忙降本增效。比如，把那些繁琐的流程简化一下，或者替客服挡一挡客户的各种灵魂拷问。

理想很丰满，但现实往往是一顿操作猛如虎，一看落地全是Bug。很多在PPT里无所不能的Agent，一旦扔进真实的业务场景，就瞬间暴露了“职场巨婴”的本质：

• 流程混乱
  ：让它按流程办事，走着走着就偏了。该先核对标准再提交的，它直接递上去；该转人工的，它自作主张给个错误答案。

• 回答没依据
  ：做决策（比如“可以报销”）看似风风火火，可一旦追问这个决定依据的是企业哪份文件、哪条规定，它就只会生编硬造。

• 今天改，明天照旧犯
  ：第一天部署上线时犯的错，三个月后还在犯。明明积累了成千上万条对话的边界案例和用户反馈，却没有任何机制能让它“吃一堑长一智”。

这种“不靠谱”，说起来有点扎心：

。市面上绝大多数Agent，骨子里还是聊天机器人的逻辑——它们被设计出来是为了“聊天陪玩”，而不是“低头干活”。它们没有流程的状态机，没有知识的溯源锁，更没有自我迭代的闭环。所以，它们能陪你聊到天南海北，却无法在复杂的企业流程里，稳定地替你办好一张报销单。

企业需要的，从来不是一个会聊天的电子宠物，而是一个

。

为了解决这些痛点，

联合东北大学-面壁智能数据智能联合实验室、清华大学THUNLP实验室、OpenBMB与AI9Stars，正式开源了数字员工全流程构建与管理平台——。

StaffDeck要做的不只是让AI承接重复性沟通与标准化任务，它试图把分散在人员、文档和业务系统中的知识、方法与流程，转化为

。它回答的，不只是一次技术升级，更是一个关于“企业如何在AI Agent时代生存”的本质问题。

GitHub开源链接：https://github.com/OpenBMB/StaffDeck

StaffDeck：重塑Agent时代的“数字员工”

StaffDeck的设计思路很直接：把每一个AI Agent当成企业里的正式员工，而不是一个等着被唤醒的“解题机器”。

在这个世界里，每个Agent都有自己的名字、岗位、工号、能力边界、工作记录，甚至“绩效数据”。它们像普通职员一样，需要遵循SOP（标准作业程序），需要依赖企业知识库支撑决策，更需要在日常工作中接受反馈、修正行为。

反过来，管理者能看到Agent掌握的SOP、知识和工具，也能结合真实工作反馈继续调整相关能力。这样一来，StaffDeck帮企业从三个维度完成了Agent时代的组织升级：

• 从“工具”到“员工”
  ：AI不再被动等待提问，而是认领了岗位的“数字替身”，主动承接具体业务流。

• 从“静态发布”到“持续运营”
  ：Agent上线不是一锤子买卖；真实的对话、用户的差评、业务的边界案例，都能成为后续调整Agent知识与流程的依据。

• 从“个人经验”到“组织资产”
  ：熟悉业务的员工可以把已经梳理的政策知识、判断标准、办理流程封装进Agent，发布到员工广场，供组织内部其他人使用，变成企业资产的一部分。

△StaffDeck数字员工广场

三板斧，专治AI Agent的“职场病”

为了让“满嘴跑火车”的Agent变成靠谱的数字员工，StaffDeck在底层设计上准备了“三板斧”，彻底治好了它们的“职场巨婴病”。

01 流程有章法，应变有弹性（流程型技能）

业界过去做Agent，要么用“纯技能接入”，灵活但面对复杂流程容易步骤混乱；要么用“纯工作流”，执行路径明确，但难以处理流程之外的任务。

，把SOP以技能方式接入数字员工，同时用状态机管理工作流。每个SOP对应一个确定性的状态机，数字员工可以在多个SOP之间切换，切换过程中还能保留上下文。既有原则，又有弹性：

• 一句话生成SOP
  ：业务人员只需用自然语言描述处理流程，比如“先收集发片，超标转人工，未超标直接提交”，系统几秒内就能把它“蒸馏”成可视化的结构化流程图，包含信息收集、条件分支、工具调用和转人工等节点，确认后就能发布。

• 一次对话串联多个SOP
  ：用户在同一请求中提出多个任务时，数字员工能依次执行对应流程，并复用之前已经获取的信息。比如员工说“帮我报了差旅费，顺便查查我这个月还剩多少额度”，它会依次唤起两个流程，并且“记得”前一个流程里的所有上下文，不用用户重复输入。

• 中途打断，自动恢复
  ：执行过程中遇到临时问题，系统可以暂停当前流程并保存已有信息，完成问题处理后再返回原节点继续执行。比如正在填报销单时，员工突然问“招待客户的餐费算差旅费吗？”，数字员工会暂停，去知识库找答案，回答完附上出处，再主动带用户回到中断的步骤：“我们继续，刚才您的发片金额还没填完。”

△流程型技能列表 △SOP可视化编辑

02 知识有来处，回答有章法（OKF结构化知识库）

传统知识库最大的Bug在于：它只负责把文档切碎、检索出来，但AI根本分不清这段话是一条“业务硬规则”，还是一个“历史参考案例”。

StaffDeck率先引入了开放知识规范OKF（Open Knowledge Format），给企业知识资产做了等级划分：

配合知识分桶管理和检索调试工具，管理员可以在后台清晰地看到每一次回答命中了哪份文件的哪个章节、相关度得分是多少，确保AI Agent的每次回答都可溯源、有来处。

03 吸取教训，今日错、明日改（反馈迭代闭环）

很多Agent之所以沦为玩具，是因为它们上线即静态——不会在错误中进化。第一天犯的错，三个月后还在犯，无法伴随企业的期待成长。

StaffDeck建立了一条由

构成的进化闭环，解决了这个问题。

数字员工说的每句话、调用的每个API，都会被结构化地记录下来。当用户点了一个差评，系统会自动分类（比如“工具调用超时”），并直接给管理员指出SOP的修改方向。

更妙的是

。遇到制度里没有写明的灰色地带（比如“跨境差旅的汇率折算口径”），AI Agent绝不硬编答案，而是保留当前任务状态，向业务创建者发出求助。人工搞定后，创建者可以顺手把这条经验补充到知识库或优化SOP。下次遇到同类问题，它就已经是掌握该答案的“熟手”了。

△数字员工工作记录 △对话详情与任务结果

一句话背后的职场艺术

光说不练假把式。经过StaffDeck的“职场培训”，进入真实业务流程的AI Agent会有什么表现呢？

以

为例。过去，财务每天要面对无数重复提问：“差旅标准是多少？”“发片怎么贴？”“额度还剩多少？”等等。

现在，他们只需花几分钟，用大白话给“财务·报销管家”写一段话：

用户申请差旅报销时，先收集报销事由、金额和行程，再核对是否超过差旅补助标准；未超标则继续收集发片信息并提交报销单，超标则转交财务负责人审批。

StaffDeck会自动把这段话转译成一个精密的流程图。

当员工发起请求：“我上周去上海出差，帮我报一下差旅费，顺便看看这个月的报销额度还剩多少。”报销管家（AI Agent）就会自动执行操作：

识别出两个任务，先进入报销流程，熟练地收集行程与金额——过程中，面对员工突然插问“等一下，上海的餐补标准是多少来着？”，它暂停手头的活，去OKF知识库精准检索，附上文件链接和出处告知员工；随后，自动拉着员工的手回到刚才中断的表格前，继续填写，并在最后调用企业接口，丝滑地顺手查出额度。

遇到制度未覆盖的盲区，Agent也不会强行敷衍，而是礼貌地把整个上下文打包呈给财务主管。人工审批后，这条新规则便成为它脑海中永久的记忆。

——这就是StaffDeck希望赋予每个Agent数字员工的职场素养。

坚定开源：帮助企业迈向智能化

围绕数字员工的创建和运维，StaffDeck还直接内嵌了企业级能力：

• 完全私有化部署
  ：除代码安装方式外，项目里也提供了各操作系统一键安装包。对于央国企、金融等对数据合规要求极其苛刻的机构，可以在本地环境瞬间跑起来，数据不出域，安全有保障。

• 定时任务主动执行
  ：支持数字员工按每日、每周、每月或一次性计划执行任务并推送结果。清晨，数字员工可以自动拉取报表、进行合规筛查，并在开会前将结果推送到工作群。

• MCP协议与企业系统打通
  ：原生支持Model Context Protocol协议，通过HTTP API轻松接入ERP、CRM、OA系统。查订单、写报表、提审批，Agent不仅能动口，更能真正动手。

数字化解决的是“工作有没有被记录”，而智能化要回答的则是

。

模型的智商再高，如果缺乏一套可靠的操作系统去规束、去引导、去沉淀，它也终究只是一个局限在聊天框里的漂亮玩具。

本次开源的

，提供五个现成的数字员工（包含财务报销、法务合规、人事服务、IT支持、行政管家），每个示例均配有完整的SOP和知识库。

代码已经写好，服务器已经就绪，企业走进Agent时代的入场券就在这里。

期待广大开发者的使用，一起共建：

GitHub开源链接：https://github.com/OpenBMB/StaffDeck