StaffDeck开源：构建数字员工的企业平台

引言

2026年7月15日，OpenBMB将StaffDeck开源，这是一个专为构建、运营和管理数字员工而设计的企业平台。

该项目走了一条与常见企业聊天机器人不同的路线。StaffDeck并非将AI视为临时的对话窗口，而是旨在将专业经验、业务流程、标准操作程序和决策标准转化为能够持续工作并不断改进的数字员工。

源代码已在GitHub上公开发布，同时提供macOS、Windows和Linux的桌面安装包。StaffDeck也可以通过兼容OpenAI的模型端点从源代码部署。

从企业聊天机器人到数字员工

许多企业AI产品仍然始于聊天界面，也止于聊天界面。用户打开对话，提问，获得回答，然后关闭会话。

这种模式对于简单的辅助任务很有用，但当企业希望AI参与可重复的工作时，它就显示出局限性。

数字员工需要的不仅仅是对话能力。它必须理解自己的岗位，遵循组织规则，使用经批准的知识，调用工具，保存执行记录，并在必要时支持人工干预。

StaffDeck正是围绕这一更宏大的理念构建的。它通过组织属性来表征数字员工，例如：

• 岗位和角色边界
• 员工身份
• 能力概况
• 知识资源
• 技能与标准操作程序
• 工具权限
• 工作与执行记录
• 访问范围
• 反馈与改进历史

这种结构使系统更接近数字化的员工管理平台，而非通用的聊天机器人界面。

将组织知识转化为可重复使用的能力

企业运营中最棘手的问题之一是，有价值的知识往往散落在各处。

有些信息记录在文档中，有些嵌入在电子表格和流程手册里，还有大量知识保留在资深员工的经验中，包括那些很少被正式记录在标准操作程序中的细微判断。

当经验丰富的员工离职或转换岗位时，部分知识可能会随之消失。

StaffDeck旨在将多种形式的组织专业知识转化为持久性的数字能力：

1. 专业经验
2. 业务流程
3. 标准操作程序
4. 决策标准
5. 文档化知识
6. 非正式的操作规则
7. 实际工作中产生的反馈

其目标并非字面意义上的"数字永生"，而是一次务实的尝试，让重要的专业知识变得可重复使用、可追溯，并且更易于改进。

产学研联合项目

StaffDeck 并非作为单一公司的内部产品呈现。

根据官方仓库信息，该平台由以下机构联合开发：

• 面壁智能（ModelBest）
• 东北大学-面壁智能数据智能联合实验室
• 清华大学自然语言处理实验室（THUNLP）
• OpenBMB
• AI9Stars

这一组合汇聚了模型研究、自然语言处理、企业部署经验以及开源工程能力。

其目标受众包括希望将人工智能从个人效率工具转化为可复用的组织能力的公司和机构。

StaffDeck 核心功能

官方项目描述了四大能力领域。

构建与管理数字员工

用户可以定义具有独立角色、员工编号、能力档案、权限和工作记录的数字员工。

数字员工可根据不同组织需求进行发布、复用或调整。权限隔离机制有助于防止每个用户直接修改共享资源。

当企业希望维护一套经过审批的受控数字角色，而非允许每位员工构建孤立的个人机器人时，此功能尤为实用。

状态机驱动的流程化技能

StaffDeck 能够将自然语言流程描述转化为结构化标准操作流程，并通过状态机执行。

状态机有助于将复杂工作分解为定义的阶段、转换条件、状态分支。这种方法比要求模型在单次提示中即兴完成整个流程更具可预测性。

平台支持：

• 多流程并行
• 实时流程切换
• 上下文保留
• 可视化流程编辑
• 版本管理
• 分支演进

这些功能特别适用于必须遵循稳定流程但仍需有限人工智能判断的任务。

文档结构感知的知识检索

传统检索系统通常将文档切分为小文本块并直接搜索。这种方法虽可行，但可能丢失原文的结构信息。

StaffDeck 在文档、章节、页面和摘要等多个层级构建可导航索引。

数字员工可先预估相关信息可能出现的位置，再更精确地定位原文。

平台还支持：

• 独立知识桶
• 精准检索
• 来源引用
• 检索调试
• 权限感知访问

这使团队能更清晰地了解数字员工选择特定来源的原因。

自主执行与持续改进

StaffDeck 可通过 HTTP 接口、模型上下文协议工具及定时任务执行工作。

执行过程并非隐藏黑箱。平台会记录意图识别、检索、技能选择、工具使用、审核及响应生成等中间事件。

随后可利用长期记忆、用户反馈、对话记录和反馈分析来提升数字员工的能力。

人类用户也可在必要时进行干预、取消运行、继续排队任务或接手任务。

StaffDeck 如何将知识留存于超越单个

单次对话

数字员工平台与标准聊天机器人最重要的区别在于持久性。

在常规聊天产品中，大部分有用上下文都属于单个对话。一旦该会话结束，相关知识可能无法成为受管理的组织资产。

StaffDeck 将可复用的能力与临时对话上下文分离开来。

数字员工可以保留并复用以下内容：

• 已审批的知识库
• 流程定义
• 技能
• 已连接的工具
• 岗位特定规则
• 长期记忆
• 反馈记录
• 执行轨迹
• 定时任务

这并不意味着每次对话都应自动成为永久记忆。企业系统仍需遵循权限规则、隐私保护、审核流程及清晰的保留策略。

关键在于，知识可以有意识地被转化为可控资源，而非困在员工的个人聊天记录中。

核心工作流程

StaffDeck 的官方工作流程可概括为六个阶段。

1. 创建数字员工

定义岗位、角色边界、服务风格、创建者及访问范围。

清晰的角色定义有助于防止数字员工超出其预期职责范围行事。

2. 配置能力

关联知识库、通用技能、标准操作流程和工具。

团队可从市场复制资源或自行创建，无需修改原始共享模板。

3. 启动会话

从市场或员工列表中打开数字员工，发送首个请求。

提交第一条消息后，正式会话将被持久化保存。

4. 执行与观察

在数字员工工作时跟随执行记录。

界面可显示与意图、检索、技能、工具、审核及最终响应相关的事件。

5. 必要时介入

用户可管理排队请求、取消运行、将任务转交人工处理，或处理待处理的答案。

对于不确定、敏感或影响重大的任务，人工干预仍然重要。

6. 持续优化员工表现

利用记忆、反馈、对话日志和定时任务来优化数字员工的表现。

当团队复盘失败案例并更新知识、流程定义或工具时，数字员工将变得更有价值。

StaffDeck 快速入门

源文章宣布了开源发布，但未包含安装说明。以下命令取自官方 StaffDeck 仓库，供读者直接验证和测试平台。

环境要求

准备以下环境：

• macOS、Linux 或 WSL（用于开发脚本）
• Python 3.11 或更高版本
• Node.js 20 或更高版本
• npm
• 兼容 OpenAI 的聊天补全接口
• 所选模型服务的有效 API 密钥

StaffDeck 本身不需要 CUDA。硬件需求取决于您选择运行或访问的模型接口。

1. 克隆并安装

git clone https://github.com/OpenBMB/StaffDeck.git
cd StaffDeck

python3 -m venv backend/.venv
backend/.venv/bin/python -m pip install -e "backend[dev]"
npm --prefix

enterprise ci
cp backend/.env.example backend/.env

2. 配置模型

打开 backend/.env 文件，设置应用程序密钥和模型服务信息：

APP_SECRET="replace-with-a-long-random-secret"
DEMO_MODEL_BASE_URL="https://your-openai-compatible-endpoint/v1"
DEMO_MODEL_NAME="your-model-name"
DEMO_MODEL_API_KEY="your-api-key"

API 密钥用于创建初始模型配置，并在存入数据库之前进行加密处理。

请勿将 backend/.env 提交到公共仓库。

服务启动后，也可以通过以下路径管理模型提供商：

管理 → 模型配置

3. 启动 Web 演示

DETACH=1 scripts/dev_up.sh

该脚本会构建前端，并在端口 5173 上通过 FastAPI 进程提供界面、API 和 Swagger 文档。

初始管理员凭据为：

用户名：admin
密码：admin

首次登录后请立即修改默认密码。

4. 验证安装

运行健康检查：

curl http://127.0.0.1:5173/api/health

预期响应：

{"status":"ok"}

然后打开：

http://127.0.0.1:5173/workspace/gallery

选择一个数字员工并发送消息。答案和执行记录应在同一对话轮次中显示。

常用命令

scripts/dev_status.sh       # 查看服务状态
scripts/dev_down.sh         # 停止本地服务
scripts/dev_up.sh           # 在前台运行

桌面版下载

不想通过源码部署的用户可以使用 StaffDeck 官方项目发布的桌面版。

平台	架构	官方安装包
macOS	Apple Silicon, arm64	下载.dmg
Windows	x64	下载安装程序.exe
Linux	x86_64, Debian 或 Ubuntu	下载.deb

由于项目仍处于早期测试阶段，团队在用于重要生产工作前，应在受控环境中测试各版本。

项目结构

官方仓库将应用程序划分为后端、前端、文档、脚本和打包组件。

StaffDeck/
├── backend/                  # FastAPI API、Agent 运行时、存储和任务工作进程
├── frontend-enterprise/      # React/TypeScript StaffDeck 工作区
├── docs/                     # 教程、API、模式定义和示例流程
├── scripts/                  # 服务生命周期管理和验证脚本
├── packaging/                # macOS、Linux 和 Windows 打包资源
├── README.md

```markdown
└── README.zh.md              # 简体中文文档

后端主要基于 Python，而企业级前端使用 React 和 TypeScript。

企业用例

StaffDeck 可作为多种内部数字化角色的基础。

内部知识助手

数字员工可检索经批准的公司文档，引用来源，并协助员工查找流程或政策信息。

SOP 执行助手

团队可将重复性流程转化为结构化流程，并让数字员工引导或执行每个阶段。

运营协调员

通过定时任务和连接的 API，数字员工可监控常规工作并触发已获批准的操作。

客服支持

数字员工可整合产品知识、服务规则和升级流程，同时保留执行记录以供审查。

研究或分析助手

系统可整合资料，遵循既定研究流程，并保留生成答案所采用的步骤。

专家知识留存

经验丰富的员工可在更换岗位或离开组织前，将反复使用的判断标准、审查准则和工作方法转化为可复用的数字能力。

风险与限制

开源并不意味着 AI 系统已自动具备无限制的企业部署条件。

StaffDeck 仓库列出了几项重要限制：

• 模型响应可能错误、不完整或不一致。
• 执行记录可提高可审计性，但无法保证正确性。
• 检索质量取决于文档质量、解析、索引、权限和模型能力。
• 外部工具可能产生实际副作用。
• 定时任务需要持续运行的 worker 和正确的时区配置。
• 高风险操作应使用最小权限凭证并需人工批准。
• 该平台不能替代受监管领域的合格专业审查。
• 重要决策需要授权、隐私保护和人工监督。

组织应从低风险工作流开始，限制工具权限，并在扩展系统职责前审查输出。

开源许可协议

StaffDeck 根据 GNU Affero 通用公共许可证 v3.0（通常称为 AGPL-3.0）发布。

计划修改平台或通过网络提供服务的团队应仔细阅读许可协议。AGPL-3.0 可能对通过网络服务向用户提供的修改版本产生源代码公开义务。

对于商业或法律决策，组织应查阅完整的许可文本，并在必要时获取专业建议。

常见问题

什么是 StaffDeck？

StaffDeck 是一个开源的企业级平台，用于构建和管理数字员工。它将角色定义、知识库、SOP、工具、权限、记忆和执行记录整合到一个系统中。

StaffDeck 与聊天机器人有何不同？

聊天机器人主要处理对话。而 StaffDeck 旨在支持持久化的角色、受管制的知识、结构化的流程、

互联工具、预定工作、审计记录与持续改进。

StaffDeck 能否在没有本地 GPU 的情况下运行？

可以。该应用连接到兼容 OpenAI 的模型端点，因此 StaffDeck 本身不需要本地 GPU。硬件需求取决于所选模型服务是本地部署还是远程托管。

StaffDeck 可以使用哪些模型提供商？

平台需要一个兼容 OpenAI 的聊天补全端点。兼容性取决于提供商是否实现了所需的 API 行为，以及所选模型能否与 StaffDeck 的工作流正常配合。

StaffDeck 能否在 Windows 上部署？

官方项目提供了 Windows x64 桌面安装程序。对于基于源码的开发工作流，仓库支持 macOS、Linux 或 Windows 子系统 Linux 作为运行环境。

为什么普通用户能使用市场资源但不能编辑？

市场资源是由创建者和管理员权限保护的共享模板。普通用户可以复制或绑定授权资源至自己的数字员工，但无法修改原始资源。

StaffDeck 是否已准备好投入生产使用？

该项目是开源的，并已包含面向企业的功能，但当前版本仍处于早期测试阶段。组织在部署至生产环境前应进行安全、隐私、可靠性和工作流测试。

StaffDeck 采用什么许可证？

StaffDeck 使用 AGPL-3.0 许可证。修改或通过网络服务运行本软件的组织应审查许可证条款及相关源代码义务。

相关工具

• StaffDeck：企业数字员工平台官方网站。
• OpenBMB：孵化了 StaffDeck 的开源大模型生态。
• FastAPI：用于提供 StaffDeck API 和应用后端的 Python Web 框架。
• React：StaffDeck 企业工作区中使用的前端库。
• 模型上下文协议：StaffDeck 可用于将数字员工与外部工具连接的协议。
• GitHub：托管 StaffDeck 源代码、问题、发布版本和项目历史的平台。

相关链接

• StaffDeck GitHub 仓库：官方源代码仓库和主要技术参考。
• StaffDeck 官方网站：官方产品网站和文档入口。
• StaffDeck 发布版本：官方测试版发布和桌面安装包。
• StaffDeck 英文说明：官方功能、部署步骤、工作流、风险和许可证信息。
• StaffDeck 中文说明：项目仓库中维护的简体中文文档。
• StaffDeck 问题反馈：可复现的 Bug 报告和功能建议的官方渠道。

请求。

• OpenBMB GitHub组织：OpenBMB维护的其他模型、系统和开源项目。

概述

StaffDeck代表着从临时企业聊天机器人向持续型数字员工的转变。它旨在将专业知识、标准操作流程、决策规则、工具及反馈转化为可治理的能力，并在整个组织中实现复用。

该平台整合了角色管理、状态机工作流、结构感知检索、API与MCP工具调用、定时任务、长期记忆、人工干预以及详细的执行记录。其源代码、桌面安装包及部署说明均已公开提供。

该项目仍处于早期测试阶段，因此企业应从可控的低风险场景入手，并严格执行权限、隐私及人工审核策略。

StaffDeck的核心理念非常直接：当知识与流程归属组织而非随对话结束而消失时，企业AI的价值将大幅提升。