给AI发工号、定岗位、做绩效，数字员工终于能落地了

给AI发工号、定岗位、做绩效，数字员工终于能落地了

面壁智能开源StaffDeck

允中 发自 凹非寺

量子位 | 公众号 QbitAI

近两年，每个看到AI Agent未来潜力的企业主，都曾努力尝试过将其引入现有业务。

希望这群24小时在线的「数字精英」，能够帮助自己进行企业管理的降本增效。

包括但不限于将各种繁琐的流程简单化、回答客户的各种刁钻提问……

但现实往往是：一顿操作猛如虎，一看落地全是Bug。

许多在演示PPT里无所不能的AI Agent，一旦进入真实业务，就会暴露出令人崩溃的「职场巨婴」短板：

- 流程混乱：让Agent按业务流程办事，走着走着就走偏——应该先核对标准再提交的，它直接提交；应该转人工的情况，它自作主张提供一个错误答案。

- 回答没依据：做决策（如“可以报销”）看似风风火火，但当追问决策依据、来自企业的哪份文件、哪条规定，只会生编硬造。

- 今天改明天依旧犯：配置完发布，第一天犯的错，三个月后还在犯；几千条对话积累的边界案例和用户反馈放在那，却没有任何机制能让它「吃一堑长一智」……

这种「不靠谱」，绝非换一个更强大的底层模型就能解决。

市面上绝大多数Agent，其底层基因依然是聊天机器人的逻辑——它们被设计出来的初衷是「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……

也因此，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。

然而，企业要的并不是一个会聊天的电子宠物，而是一个能扛事、能履职、能沉淀经验的「数字员工」。

为了解决当前AI Agent存在的这些问题，面壁智能联合东北大学-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。

StaffDeck不只让AI承接重复性沟通与标准化任务，更试图将分散在人员、文档和业务系统中的知识、方法与流程，转化为可维护、可复用、可持续优化的组织能力。

它回答的，不只是一次技术的升级，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的设计思路是：将每一个AI Agent视为企业里的正式员工，而非一个等待着被唤醒的「解题机器」。

在StaffDeck的世界里，每一个Agent都拥有自己的名字、岗位、工号、能力边界、工作记录，甚至「绩效数据」。

它们像每一个普通职员一样，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。

另一方面，管理者能够查看Agent掌握的SOP、知识和工具，也可以结合真实工作反馈继续调整相关能力。

如此，StaffDeck帮助企业从三个维度，进行了Agent时代的组织升级与进化：

- 从「工具」到「员工」：AI不再只是被动等待提问的工具，而是认领了岗位的「数字替身」，开始主动承接具体的业务流。

- 从「静态发布」到「持续运营」：Agent的上线不再是一锤子买卖；真实的对话、用户的差评、业务的边界案例等等，都可以成为后续调整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将已经梳理的政策知识、判断标准、办理流程等封装进Agent化身的数字员工，发布至员工广场、供组织内部其他成员使用，成为企业资产的一部分。

三板斧，专治AI Agent的「职场病」

为了将「满嘴跑火车」的Agent转化为企业靠谱的数字员工，StaffDeck在底层设计上为AI Agent准备了「三板斧」，使其从自由散漫的职场「老油条」，变成了劳动模范员工。

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、但面对复杂流程时极易出现步骤混乱；

要么用「纯工作流」，执行路径明确，但难以同时处理流程之外的任务。

StaffDeck独创了状态机驱动的流程型技能，将SOP以技能方式接入数字员工，同时使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，并在切换过程中保留上下文，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，如「先收集发票，超标转人工，未超标直接提交」，系统几秒内就能将其「蒸馏」为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，经可视化确认后发布。

- 一次对话串联多个SOP：