量子位AI Agent

給AI發工號、定崗位、做績效,數字員工終於能落地了

2026年7月17日 00:49
給AI發工號、定崗位、做績效,數字員工終於能落地了

重點摘要

面壁智能開源了數字員工全流程構建與管理平台StaffDeck,將AI Agent視為正式員工,賦予工號、崗位及績效。該平台透過流程型技能、結構化知識庫及反饋迭代閉環,解決AI Agent在企業落地時流程混亂、回答無依據等問題,幫助企業實現從工具到員工的組織升級。

站內 AI 整理稿

企業導入AI Agent的過程中,經常遇到理想與現實的巨大落差。許多在簡報中表現亮眼的數位助理,一旦進入真實業務場景,便暴露出流程紊亂、決策缺乏依據、錯誤反覆發生等問題。這些被寄予厚望的「數位菁英」,往往淪為只會聊天、無法穩定執行任務的「職場巨嬰」,讓企業主對AI落地的成效感到挫折。業界分析指出,這類困境的根源在於多數AI Agent的底層邏輯仍是聊天機器人,設計初衷是「對話陪伴」而非「執行工作」。它們缺乏流程狀態管理、知識溯源機制與自我迭代能力,自然難以在複雜的企業流程中穩定完成報銷、審核、查詢等實際任務。企業需要的不是一個能閒聊的電子寵物,而是一個能扛起責任、持續累積經驗的「數位員工」。

為了解決這項痛點,面壁智能聯合東北大學-面壁智能數據智能聯合實驗室、清華大學THUNLP實驗室、OpenBMB與AI9Stars,正式開源了數位員工全流程構建與管理平臺——StaffDeck。這套系統旨在將散落在人員、文件與業務系統中的知識與流程,轉化為可維護、可複用、可持續優化的組織能力,徹底改變AI Agent在企業中的定位。StaffDeck的設計核心是將每一個AI Agent視為企業的正式員工,而非等待被喚醒的解題機器。在該平臺中,每個Agent都擁有自己的名字、崗位、工號、能力邊界、工作記錄,甚至績效數據。

它們必須遵循標準作業程序(SOP),依賴企業知識庫支撐決策,並在日常工作中接受反饋、修正行為。管理者則可以隨時查看Agent掌握的SOP、知識與工具,並根據真實反饋調整相關能力。透過這樣的設計,StaffDeck幫助企業實現三個維度的組織升級:首先是從「工具」到「員工」,AI不再被動等待提問,而是主動承接具體業務;其次是從「靜態發布」到「持續營運」,Agent上線後可透過對話記錄、用戶評價與邊界案例持續調整;最後是從「個人經驗」到「組織資產」,熟悉業務的員工能將政策知識與流程封裝成數位員工,發布至員工廣場供組織內部使用。

為了讓AI Agent從「滿嘴跑火車」轉變為可靠的數位員工,StaffDeck在底層設計上採用了三項關鍵技術。第一是流程型技能,業界過去使用純技能接入或純工作流各有侷限,StaffDeck獨創狀態機驅動的流程型技能,將SOP以技能方式接入,並用狀態機管理工作流。業務人員只需用自然語言描述流程,系統就能在幾秒內生成可視化結構化流程圖。數位員工可以在多個SOP之間切換,並保留上下文,遇到中途打斷也能自動恢復。第二是開放知識規範OKF(Open Knowledge Format)結構化知識庫。傳統知識庫只負責文檔切碎與檢索,但AI無法區分業務硬規則與歷史案例。

StaffDeck率先將企業知識資產進行等級劃分,配合知識分桶管理與檢索調試工具,管理員可以清楚看到每次回答命中了哪份文件的哪個章節與相關度得分,確保每次回答都可溯源。第三是反饋迭代閉環。許多Agent上線後便靜止不動,第一天犯的錯誤三個月後仍在犯。StaffDeck建立了一條由全鏈路Trace、用戶反饋與人工兜底構成的進化閉環。數位員工的每一句話、每一個API調用都會被結構化記錄。用戶給予差評時,系統會自動分類並指出SOP修改方向。遇到制度未涵蓋的灰色地帶,Agent不會硬編答案,而是保留任務狀態向業務創建者求助;人工處理後,該經驗可手動補充至知識庫或SOP,讓Agent從此學會新規則。

以財務報銷場景為例,過去財務人員每天要面對無數重複提問。現在,管理員只需用大白話為「財務·報銷管家」寫一段流程描述,系統就能自動轉譯為精密的流程圖。當員工提出「幫我報差旅費,順便看看本月額度」時,數位員工會識別出兩個任務,先進入報銷流程收集行程與金額;過程中若員工臨時詢問餐補標準,它會暫停流程去知識庫檢索並附上出處,然後自動帶用戶回到中斷的步驟繼續填寫。遇到制度盲區,Agent會將上下文打包呈給財務主管,人工審批後新規則便成為永久的記憶。除了核心功能,StaffDeck還內建了多項企業級能力。它支援完全私有化部署,提供各作業系統一鍵安裝包,滿足央國企、金融機構對數據合規的嚴格要求。

同時支援定時任務主動執行,讓數位員工依每日、每週、每月計劃自動拉取報表、進行合規篩查,並將結果推送至工作群。此外,原生支援Model Context Protocol(MCP)協議,可透過HTTP API輕鬆接入ERP、CRM、OA等企業系統,讓Agent不僅能動口,更能動手執行查訂單、寫報表、提審批等操作。本次開源的StaffDeck Preview預覽版提供了五個現成的數位員工,涵蓋財務報銷、法務合規、人事服務、IT支援與行政管家,每個範例均配有完整的SOP與知識庫。開發者可至GitHub專案頁面下載使用。

團隊表示,模型的智商再高,若缺乏一套可靠的操作系統去規束、引導與沉澱,終究只是侷限在聊天框裡的漂亮玩具。StaffDeck希望成為企業走進Agent時代的入場券,透過開源社群的力量,共同打造中國企業智慧化的未來。

Related

相關文章

當 human in the loop 變成“閉著眼睛點確認”,企業Agent 安全還能靠誰?

專家指出,AI Agent 從內容安全轉向行為安全,提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線,並對工具權限進行最小化與臨時化管理,避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束,以因應 Agent 自主執行帶來的全新挑戰。

剛剛

開源Agent框架刷爆ARC-AGI-3,「自我改進」的RLM harness引爭議

一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率,大幅領先其他解決方案,其核心是名為「RLM harness」的自我改進機制。然而,該方法引發學術爭議,部分研究者批評它透過反覆試錯「鑽漏洞」,不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準,並可能影響未來ARC-AGI版本的設計方向。

剛剛
TechWebAI Agent

ChinaJoy 2026 AI遊戲規模化落地,邊緣雲與API安全重構產業底層邏輯

2026年ChinaJoy展館,“與AI同遊”的主題隨處可見。行業調查顯示,僅有21%的企業擁有完整的API資產清單,大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠,API安全必須同步前移邊緣雲解決了體驗問題,但AI交互入口的安全,同樣需要前置到邊緣。算力與安全,缺一不可Akamai的判斷很明確:遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。

3 小時前
量子位AI Agent

螞蟻集團開源Avernet,讓人與智能體像組織一樣高效協作

**螞蟻集團開源Avernet:打造人與智能體高效協作的“組織級”基礎設施** **來源:量子位** **2026-08-07 11:08:51** 近日,螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet,其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施,Avernet的首個版本重點開放了智能體協作網絡能力,旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理,為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。

8 小時前