把 SOP 变成数字员工：StaffDeck 让 AI 按流程办事
关键词追踪「{‘type’: ‘keyword’, ‘name’: ‘数字员工’}」 原文链接: https://mp.weixin.qq.com/s?src=11×tamp=1785668439&ver=6880&signature=yguNIjnT5QWnTBNG-cmmvI2dfCg5oqvf1aono3wHZIQInqkmoMITNDKzeGbMZdOAk-ev7FRW3lYcLR1ROQPXWGCaTQstjBCCrj*SbpgXsYDn6h9fx1gSFrf0RVH4QM0l&new=1 发布时间: 2026-08-02 00:24 监控类型: 关键词追踪
核心观点
-
很多企业的业务都挺复杂的——一个任务要跨好几个系统、查多份资料、填几张表单，每一步都有规矩不能乱。靠人能干，靠聊天机器人就不行了，因为后者只适合”问一句答一句”的单轮交互。稍微长一点的多步流程，AI 就走不动了。
-
StaffDeck 就是来解决这个问题的。
-
它是 ModelBest（面壁智能）、清华大学 THUNLP 自然语言处理实验室、OpenBMB 等机构联合开源的企业级数字员工平台。核心思路并不复杂：把业务流程（SOP）建模成有向图状态机，每个节点定义好指令、预期信息、允许动作和知识范围，再配合 Router → StepAgent → Reflection → ResponseGenerator 四阶段决策管线，让 AI 按规矩办事，不走偏。
-
GitHub：github.com/OpenBMB/StaffDeck[1] 官网：https://staffdeck.openbmb.cn/[2]
-
大多数 Agent 框架采用的是”单轮问答 + 工具调用”模式：用户发一条消息，Agent 分析意图、选工具、执行、回复。做聊天机器人够用，但业务流程一旦超过两三步，就出问题了——上下文怎么管？状态怎么保持？每一步该调用什么工具、查什么知识？
-
StaffDeck 的做法是给每个 SOP 节点定义五个要素：
全文
很多企业的业务都挺复杂的——一个任务要跨好几个系统、查多份资料、填几张表单，每一步都有规矩不能乱。靠人能干，靠聊天机器人就不行了，因为后者只适合”问一句答一句”的单轮交互。稍微长一点的多步流程，AI 就走不动了。
StaffDeck 就是来解决这个问题的。
它是 ModelBest（面壁智能）、清华大学 THUNLP 自然语言处理实验室、OpenBMB 等机构联合开源的企业级数字员工平台。核心思路并不复杂：把业务流程（SOP）建模成有向图状态机，每个节点定义好指令、预期信息、允许动作和知识范围，再配合 Router → StepAgent → Reflection → ResponseGenerator 四阶段决策管线，让 AI 按规矩办事，不走偏。
GitHub：github.com/OpenBMB/StaffDeck[1] 官网：https://staffdeck.openbmb.cn/[2]
大多数 Agent 框架采用的是”单轮问答 + 工具调用”模式：用户发一条消息，Agent 分析意图、选工具、执行、回复。做聊天机器人够用，但业务流程一旦超过两三步，就出问题了——上下文怎么管？状态怎么保持？每一步该调用什么工具、查什么知识？
StaffDeck 的做法是给每个 SOP 节点定义五个要素：
再配合四阶段决策管线：
这相当于把”AI 能不能按流程办事”从 Prompt 工程问题变成了架构问题：流程定义清楚了，AI 只需要在每个节点做好该做的事。
每个数字员工都有岗位、工号、能力画像和工作记录，支持能力成长、权限隔离、发布和复用。
管理员可以在「员工市场」里复制模板，普通用户只能使用不能修改原始资源。企业里 IT 部门定义好模板，业务部门拿来直接用，不会出现谁都能改、改完就乱的情况。
用自然语言描述业务流程，LLM 自动生成结构化 SOP（有向图）。前端支持可视化拖拽编辑节点、连线和配置。
几个比较实用的功能：
传统 RAG 把文档切块后直接向量检索，经常返回不相关的内容。StaffDeck 的做法是把文档解析为四级概念：
Source Document → Source Section → Topic / Playbook / Business Rule → Query Analysis
检索时先估计信息可能在哪一块，再逐步定位到原文。支持知识桶（Knowledge Bucket）、定向检索、来源引用和检索调试。简单说就是”先猜在哪，再去找”，而不是全文盲搜。
统一封装 OpenAI Chat Completions、Anthropic Messages、Gemini Generate Content 三种协议，还支持推理模式、JSON 自动修复（最多 3 轮）、空响应重试（最多 2 轮）、输入 token 预算裁剪（32K 上限自动截断）。
工具支持 HTTP API 和 MCP 两种类型，支持 Bearer Token 认证、环境变量注入、超时策略（1-300 秒可调）和技能级权限控制。
对于没有预定义 SOP 的开放任务，LLM 自动生成 Python 或 Bash 代码，在沙箱中执行（12 秒超时、20K 输出上限），最多支持 10 轮「生成 → 执行 → 审查 → 修复」循环。
等于给了 Agent 一个”写代码解决问题”的能力，不用把所有操作都提前定义成工具。
每轮对话后异步提取用户画像、偏好、事实三类记忆。上下文超过 32K token 预算 70% 时自动压缩：保留最近 6 轮，旧消息生成「长期摘要 + 近期摘要」。
ReflectionAgent 在工具调用、知识检索等关键动作后自动审查结果质量，支持六种决策。用户反馈（点赞/点踩）由 LLM 自动分类为模型问题、技能问题、工具问题等 6 个类别。
后台守护线程定时轮询到期任务，以 scheduled_task 模式执行完整 AgentLoop，支持任务草稿、状态徽章和操作菜单。
同时，每个 LLM 调用记录 span（模型、端点、token 用量、TTFT、流式 chunk 数），每个业务动作写入 AgentEvent，前端可逐条回放执行记录。出了问题，一眼就能定位到哪个环节。
StaffDeck 采用前后端分离的轻量架构，前端 React 构建后由同一个 FastAPI 进程在 5173 端口统一提供服务。
核心是 AgentLoop（四阶段决策管线），围绕它构建了知识、工具、记忆、定时任务四个支撑子系统。系统分为四层：
克隆源码git clone https://github.com/OpenBMB/StaffDeck.git && cd StaffDeck# 创建虚拟环境并安装后端依赖python3 -m venv backend/.venvbackend/.venv/bin/python -m pip install -e “backend[dev]”# 安装前端依赖npm —prefix frontend-enterprise ci# 复制环境变量模板cp backend/.env.example backend/.env配置模型编辑 backend/.env，填入你的 LLM 端点信息：
APP_SECRET=”***“DEMO_MODEL_BASE_URL=“https://your-endpoint/v1”DEMO_MODEL_NAME=“your-model-name”DEMO_MODEL_API_KEY=”***“启动服务# macOS / Linux / WSLscripts/dev_up.sh —detach启动后，前端 + API + Swagger 文档统一在 http://127.0.0.1:5173 提供服务。初始管理员账号用户名 admin，密码 admin。
验证是否跑起来：
curl http://127.0.0.1:5173/api/health# 预期输出：{“status”:“ok”}除了 Web 界面，官方还提供桌面客户端（Windows / macOS / Linux）。
StaffDeck 最大的价值在于：把 SOP 建模为有向图状态机不是炫技，而是实打实的架构选择。 它让业务流程的执行从”靠 Prompt 约束”变成”靠状态机驱动”，AI 只需要在每个节点做好该做的事。
如果你正在考虑把企业业务流程交给 AI 执行，值得花 10 分钟搭起来试一下。
Apache 2.0 协议，免费、开源、可商用。
[1]github.com/OpenBMB/StaffDeck: https://github.com/OpenBMB/StaffDeck
[2]https://staffdeck.openbmb.cn/
把 SOP 变成数字员工：StaffDeck 让 AI 按流程办事
为什么需要把业务流程建模成状态机？
适合用在什么场景？
数字员工全生命周期管理
SOP 技能引擎
文档结构感知知识检索（OKF）
多协议 LLM 客户端
双通道工具执行
通用技能：自动写代码
长期记忆与上下文压缩
反思与质量闭环
定时任务与全链路可观测
Router——判断用户意图，决定走哪条流程
StepAgent——在当前 SOP 节点执行具体动作
Reflection——审查执行结果，判断要不要重试或纠正
ResponseGenerator——汇总上下文，生成最终回复
版本管理：技能版本号递增，支持分支演化
多流程切换：对话中实时切换到另一个 SOP，当前流程挂起为 pending_task
槽位管理：每个节点声明需要收集的信息，StepAgent 自动追问缺失字段
接入层——前端交互 + API
Agent 核心层——状态机驱动的 SOP 引擎
支撑层——知识、工具、记忆、定时任务
基础设施层——模型服务 + 存储
Python 3.11+
Node.js 20+
Docker 24+ 和 Docker Compose v2
客服流程自动化——把现有客服 SOP 直接搬进数字员工，自动追问、自动查知识库
企业审批流程——请假、报销、合同审批等标准化流程
技术支持工单——从接收工单、诊断问题到给出解决方案，全流程自动化
销售线索跟进——多渠道线索收集、客户画像更新、跟进提醒自动生成
Apache 2.0 协议，免费、开源、可商用。