StaffDeck：开源企业级数字员工平台，面壁智能/清华THUNLP 联合出品，给 AI 配上工号和岗位
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=1785625265&ver=6879&signature=4qkoHsh0NH1p6yFmBKmJOCBdfjkSdB*rA7XqLR5Sb*Qqo*2mldMeM5rUjWcZRKApeSXHl0Dn*cGW1hlz9kBLEZYAkL8*P2aZqUv7DhCRL4YENQAkMK0RF2ZDirN19mzx&new=1 发布时间: 2026-08-01 13:48 监控类型: 关键词追踪
核心观点
-
数字员工 = 聊天机器人换皮？
-
给 AI 配上工号和岗位
-
StaffDeck 开源了
-
面壁智能 · 清华THUNLP · OpenBMB 联合开源
-
Enterprise Digital Employee Platform
-
📦 6 Parts + Conclusion
全文
数字员工 = 聊天机器人换皮？
给 AI 配上工号和岗位
StaffDeck 开源了
面壁智能 · 清华THUNLP · OpenBMB 联合开源
Enterprise Digital Employee Platform
📦 6 Parts + Conclusion
PART 01
EMPLOYEE
PART 02
状态机SOP
PART 03
KNOWLEDGE
PART 04
INTEGRATE
PART 05
PART ///
CONCLUSION
把专家经验和业务流程，封装成真正的数字员工。有工号、有岗位、有工作记录的那种。
前两天翻 GitHub 的时候，发现面壁智能、清华 THUNLP 和 OpenBMB合伙搞了个新项目。名字叫 StaffDeck。
本来以为是又一个套壳 Agent 平台。但看了 README 之后我愣了一下——它做的这件事，跟我之前看到的那些 AI 工具方向不太一样。
不是那种你问一句它答一句的聊天机器人。是把它当做一个真人员工来看待——它有自己的岗位职责、权限范围、工作记录，干完活还能追溯。
坦率的讲，这是我第一次看到有人把“数字员工”这个词往这个方向做。
StaffDeck，开源的企业级数字员工构建与管理平台。GitHub 上目前 847 Stars，126 Forks，AGPL-3.0 协议。技术栈是 Python 后端加 TypeScript 前端。
它联合研发的阵容挺有意思的——面壁智能、东北大学、清华 THUNLP、OpenBMB、AI9Stars。这几个名字放在一起，学术背景和工程落地都占上了。
桌面端支持 Windows、macOS、Linux 三个平台，默认账号密码都是 admin，下载安装就能跑。想自己搭一套，去官网 staffdeck.openbmb.cn 下载客户端，或者在 GitHub 上搜 OpenBMB/StaffDeck，配置一个大模型 API 密钥就能开始玩了。
数字员工长什么样？
EMPLOYEE · 有工号有岗位不是聊天机器人
这是它最核心的概念。
市面上很多 AI 平台也说自己能做“数字员工”，但说白了就是给聊天机器人换了个皮肤。StaffDeck 不太一样。
它给你一个管理后台，每个数字员工都有自己的岗位、工号、能力档案和工作记录。你可以给它分配权限，规定它能访问哪些知识库、能用哪些工具、能执行哪些流程。
关键的区别在于——它不是给人用的，是给 AI 用的。
你创建一个“客服专员”，它就真的能处理客服流程。创建“数据分析师”，它就真的去查数据库、出报表。而且数字员工可以复用——做好一个，发布到开放广场，团队其他人直接拿去用。
更骚的是，它默认就内置了 5 个数字员工，下载完打开就能看到。
我当时的第一反应是：这玩意是在模仿一个组织的运作方式，不是在模仿一个会说话的嘴。
状态机驱动的 SOP
SOP · 不是一段提示词糊弄过去
这是 StaffDeck 第二个让我觉得有点东西的设计。
一般 AI 做任务就是给一段提示词，它理解，它执行。方向对，但细节经常偏。尤其跨多步骤的复杂流程——你跟它说“处理退货申请”，它可能第一步就理解错了。
StaffDeck 的做法是用状态机来驱动流程。
你定义好一个流程——比如“客户投诉处理 SOP”——它会被转化成结构化的状态机。每一个步骤是一个状态，状态之间有明确的转换条件。AI 只能在这个状态机的框架里执行，不能自己发挥。
比如第一步“接收投诉 → 分类”，AI 必须完成分类才能进入第二步“分配处理人”。不能跳过。也不能在分类步骤里查天气。
巧妙之处在于：它保留了 AI 的灵活性（每步具体怎么做 AI 自己判断），但在流程层面加了刚性约束。给 AI 自由，但按流程办事。
知识检索做得挺巧妙的
KNOWLEDGE · 先判断信息在哪一层
它做知识检索的方式也跟大多数人不一样。
常见的做法是：用户问一个问题，AI 去向量数据库搜片段，拼起来，回答。问题在于——AI 根本不知道信息在哪块文档里，全靠撞大运。
StaffDeck 做了一个层级化的知识索引。文档、章节、页面、摘要——每一层都建了导航。AI 接到问题的时候，先判断信息可能在哪一层，再精准定位。
“这个问题的答案，大概在第二章第三节？好，我去那里找。”
说实话这个设计让我想起了人类查资料的方式——你拿到一本新书，先看目录找到相关章节，再去看内容。StaffDeck 模仿的就是这个思路。
它还支持知识桶的概念——每个数字员工有专属知识库。做客服就挂客服手册，做技术支持就挂技术文档，权限天然隔离。
它能干点真活
INTEGRATE · API / MCP / 定时任务
这个可能是最实在的部分。
StaffDeck 不只是让你配配置、聊聊天。它支持几种真正接入业务的方式：
HTTP API
其他系统可以直接调数字员工的接口。比如订单系统发现异常，直接调用“客服专员”数字员工去处理。
MCP 协议
Cursor、Claude Code 这些工具可以直接跟 StaffDeck 的数字员工协作。
每天早九点自动检查库存，低于警戒线生成补货单。
每干完一件事，会写工作记录——干了什么、花了多久、结果是什么、有没有异常，全部可追溯。你在后台能看到每个数字员工的工作日志。
这挺重要的。之前很多项目把 AI 接入业务系统，跑完就跑了，没人知道干得怎么样。StaffDeck 的工作日志设计，至少让你知道它每天都在干什么。
TRUTH · 项目还太新，这几点要注意
项目才上线两周，v0.1.1-beta，还有很多东西在打磨。先玩一玩、试一试是比较好的姿态。
AGPL-3.0 许可证，强 copyleft。改动代码跑在服务器上给用户用，修改也得开源。企业用的话，合规上的事情得先看清楚。
需要自己配置大模型 API。它自己不带模型，得有 OpenAI 的 key 或者在本地部署 Ollama，增加了上手门槛。
企业级部署需要一定的技术能力。桌面版一个人玩没问题，但全公司内网用的话，得有人搭服务器、配网络、做运维。
目前还有 6 个 Open Issues，项目很活跃，但毕竟刚开始。
最后聊点大的
CONCLUSION · 从个人 AI 到组织能力
说实话，过去一年多 AI 领域的开源项目我看了很多。大部分都是面向个人的——帮你写代码的、帮你画图的、帮你做视频的。
但少有人去做的一件事是：把 AI 从个人工具升级为组织能力。
一个人的效率再高，替代不了一个组织的协作。而 StaffDeck 在做的事——不是给你一个更好的 AI 助手，而是给你一套搭建 AI 团队的工具。
未来的企业竞争，可能不再是“你有没有用 AI”，而是“你的 AI 组织能力有多强”。开源项目让这个门槛低了下来——一个团队、几台服务器、一套 StaffDeck，也能慢慢建起自己的数字员工体系。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
点赞在看转发THANKS FOR READING