让 AI 真正上岗：UniEmployee 企业数字员工平台
从“回答问题”到“交付结果”，把岗位经验、业务流程和判断标准，固化为可上岗、可配置、可审批、可观测的数字员工。
为什么需要数字员工
很多企业已经试过智能体，但仍然面临同一个问题：AI 可以回答问题，却不能真正完成工作。
| 模式 | 工作链路 | 结果 |
|---|---|---|
| 普通智能体 | 用户问 -> AI 答 -> 用户自己做 | AI 只是辅助，责任和动作仍落在人身上 |
| 数字员工 | 用户问 -> AI 理解 -> 调用工具 -> 执行流程 -> 返回结果 | AI 直接交付结果，并接受审批与审计 |
UniEmployee 的目标不是做一个更好的聊天窗口，而是让 AI 成为岗位上的执行者。
平台定位
UniEmployee 是一个企业级数字员工构建与运行平台。
它通过页面化配置，把人设、模型、技能、工具、知识库、SOP、连接器七个要素组合起来，形成可复用、可治理的数字员工。
平台特色
| 特色 | 说明 |
|---|---|
| 七要素能力模型 | 人设、模型、技能、工具、知识库、SOP、连接器，均可配置和复用 |
| 流程型技能 | 关键 SOP 可固化为状态机，重要步骤不可跳过 |
| 企业知识本体 | 知识按业务语义组织，回答可标注来源，不是简单 RAG |
| 跨会话记忆 | 按用户隔离的长期记忆，数字员工可以记住用户偏好 |
| 自动化执行 | 定时或事件触发，数字员工可以主动完成任务 |
| 全链路可观测 | 每次执行都可回溯，错误可定位，效果可评估 |
| 人机协同审批 | 高风险操作可触发人工审批，AI 在受控范围内工作 |
| 企业级交付 | Web 化访问，按岗位分配，权限随员工继承 |
| 零代码配置 | 页面化配置能力、技能和知识库，业务人员可参与搭建 |
| 开源可信 | 浙江联通打造并开源，代码可审计，支持私有化部署 |
一、企业面临的挑战
1.1 智能体落地的典型挑战
挑战一：会回答，但完不成任务
- 多数普通智能体以回答问题为主，无法执行完整业务流程。
- 一旦涉及审批、系统调用或多步骤操作，就无法形成业务闭环。
- 员工仍需自行跑流程，AI 更像一个高级检索工具。
挑战二：知识分散，回答难以可信
- 企业知识散落在文档、系统和员工经验中。
- 智能体要么知识覆盖不全，要么无法说明答案来源。
- 关键业务问题不敢交给 AI，担心答错或无法追责。
挑战三：过程黑盒，问题难以定位
- 回答出错时，难以判断问题来自模型、知识、工具还是流程。
- 缺少执行轨迹，无法回溯和复盘改进。
- 业务部门不敢用，IT 部门难以运维。
挑战四：只能被动应答，缺少主动执行
- 用户不问，系统就不动，工作依赖人工发起。
- 日报、巡检、预警等周期性任务难以自动闭环。
- 执行结果仍需人工整理、推送和跟进。
挑战五：权限与审批边界模糊，风险难管控
- AI 不知道什么操作必须人工确认，什么操作可以直接执行。
- 敏感操作容易越权，数据权限难以与岗位匹配。
- 高风险行为缺少可靠的拦截和审计机制。
挑战六：对话记忆断裂，服务不连续
- 每次对话都可能失忆，无法延续上下文。
- 用户偏好不沉淀，跨会话体验不稳定。
- 多员工场景下容易串扰，缺少用户级隔离。
挑战七：落地慢、重复开发，能力难沉淀
- 新场景通常需要重新开发，能力复用率低。
- 依赖技术团队，业务人员难以参与配置。
- 部署、培训和运维成本高，企业难以快速验证价值。
挑战与平台能力的对应关系
| 典型挑战 | 对应 UniEmployee 能力 |
|---|---|
| 会回答，不会执行 | 技能、工具、SOP、连接器 |
| 知识分散，回答不可信 | 企业知识本体、来源溯源、知识分桶 |
| 过程黑盒，问题难定位 | 全链路 Trace、错误分类、步骤回放 |
| 只能被动应答 | 定时触发、事件触发、结果推送 |
| 权限审批边界模糊 | 人工审批、工具白名单、数据权限继承 |
| 对话记忆断裂 | 跨会话长期记忆、按用户隔离 |
| 落地慢、能力难沉淀 | 页面化配置、能力复用、Web 化交付 |
1.2 传统方案的局限
| 方案 | 局限性 |
|---|---|
| 直接调用大模型 API | 没有业务流程、知识库、工具和长期记忆 |
| 搭建 RAG 知识库 | 只能回答，不能执行任务 |
| 开发单个 Agent | 一个场景一套代码，难以复用 |
| 低代码流程平台 | 流程相对固定，AI 能力弱，扩展成本高 |
| 桌面端 AI 办公软件 | 需要安装客户端，难以按岗位分配和管控数据权限 |
二、UniEmployee 解决方案
2.1 核心理念
UniEmployee 把“能对话的 AI”升级为“能干活的数字员工”。
- 普通智能体：回答问题，用户自己执行。
- 数字员工：理解问题、调用工具、执行流程、交付结果。
数字员工不是替代所有人，而是承接重复、规则明确、可审计的工作，让人专注于判断、协调和复杂决策。
2.2 平台价值
把专业员工的经验，固化为可复用的数字员工。
- 不是替代人，而是让 AI 承担人不想重复做的工作。
- 不是通用助手，而是懂业务、有边界的岗位员工。
- 不是黑盒工具，而是可审计、可改进的生产力系统。
- 不是被动应答，而是可以主动执行的自动化员工。
2.3 内置员工与定制员工
UniEmployee 既提供内置示例员工，也支持企业根据自身业务构建专属数字员工。
内置示例员工
| 员工 | 定位 |
|---|---|
| 小联 | 浙江联通售前客服 |
| 小数 | 数据分析专家 |
| 小经 | 经营分析顾问 |
| 小网 | 算网运营专家 |
| 小小 | 客户经理 / 解决方案顾问 |
| 小智 | 综合人力专员 |
内置员工用于展示平台能力边界，并提供最佳实践参考。企业可以基于这些示例快速调整，也可以从零配置自己的数字员工。
可配置维度
| 维度 | 说明 | 示例 |
|---|---|---|
| 人设 | 角色定位、表达风格和沟通边界 | “专业、耐心、结论先行” |
| 模型 | 选择模型和推理参数 | 不同岗位使用不同模型 |
| 技能 | 操作规程和执行能力 | 退货处理、投诉处理、VIP 服务 |
| 工具 | 可调用的原子能力 | 查询订单、创建工单、发送通知 |
| 连接器 | 外部系统集成 | CRM、ERP、OA、工单系统 |
| 知识库 | 企业专属知识资产 | 产品文档、政策法规、FAQ |
| SOP | 刚性业务流程 | 退款审批、故障升级、合规检查 |
三、UniEmployee 与普通智能体的对比
UniEmployee 与普通智能体的对比
3.1 能力对比
| 能力维度 | 普通智能体 | 桌面端 AI 办公软件 | UniEmployee 数字员工 |
|---|---|---|---|
| 定位 | 通用对话助手 | 个人效率工具 | 岗位专业员工 |
| 部署方式 | 需开发集成 | 需安装客户端 | Web 化交付，浏览器即用 |
| 使用门槛 | 需技术背景 | 需安装配置 | 开账号即用，IT 负担低 |
| 分配方式 | 无 | 统一使用 | 按岗位分配，员工有专属助手 |
| 数据权限 | 无隔离 | 无隔离 | 继承员工权限，数据安全可控 |
| 知识 | 通用知识或简单 RAG | 通用知识 | 企业知识本体，可结构化、可溯源 |
| 流程 | 无流程能力 | 无流程能力 | 内置 SOP 和状态机工作流 |
| 工具 | 基础工具调用 | 基础工具 | 可集成 CRM、ERP、OA 等企业系统 |
| 记忆 | 无记忆或短期记忆 | 无记忆 | 跨会话长期记忆，按用户隔离 |
| 审批 | 无审批能力 | 无审批能力 | 支持人工审批和人机协同 |
| 自动化 | 被动应答 | 被动应答 | 定时或事件触发，主动执行 |
| 可观测 | 黑盒 | 黑盒 | 全链路 Trace，支持回放 |
| 可配置 | 需写代码 | 需写代码 | 页面化配置，降低开发门槛 |
| 可复用 | 一次开发一件事 | 一次开发一件事 | 多员工共享能力、知识和连接器 |
3.2 场景对比：客户想退款
普通智能体的做法
用户：我想退款
AI：根据退货政策，您可以在 7 天内申请退款，请提供订单号。
用户：O12345
AI：您的订单 O12345 符合退款条件，请登录系统提交退款申请。
用户：（离开对话，自己去系统操作）
UniEmployee 数字员工的做法
用户：我想退款
数字员工：好的，我来帮您处理。请提供订单号和退款原因。
用户：O12345，商品有质量问题
数字员工：（查询订单）您的订单 O12345 已签收 3 天，符合退款条件。
数字员工：（触发退款流程，按 SOP 校验订单并计算金额）
数字员工：该退款需要主管审批，已生成审批单。
主管：（在审批中心批准）
数字员工：退款已批准，退款单号 R12345，金额 399.00 元，预计 3 至 5 个工作日原路返回。
普通智能体告诉用户怎么做；数字员工直接把事情做完，并在关键节点接受审批。
3.3 场景对比：每日经营日报
普通智能体的做法
用户：帮我出一份昨天的销售日报。
AI：请问您需要哪些数据？
用户：销售额、订单量、TOP10 商品。
AI：（查询数据）昨天销售额 123 万，订单量 4567。
用户：（自己整理格式、自己发送到群）
UniEmployee 数字员工的做法
每天 09:00，自动化任务自动启动。
数字员工：自动查询销售数据。
数字员工：自动生成可视化报告。
数字员工：自动推送到经营分析群。
群成员：直接查看报告，无需人工操作。
定时任务可以按计划执行、推送结果并留下执行记录，避免依赖人工记忆。
四、核心功能亮点
UniEmployee核心能力
4.1 七要素能力模型
数字员工由以下要素组合而成：
数字员工
├── 人设：角色定位、表达风格
├── 模型：模型选择与推理配置
├── 技能：操作手册和执行能力
├── 工具：可调用的原子能力
├── 知识库：企业专属知识资产
├── SOP：刚性流程和审批节点
└── 连接器：CRM、ERP、OA 等外部系统
能力可以被多个员工复用。新增员工的核心工作是选择和组合能力，而不是重复开发。
4.2 流程型技能与 SOP
普通智能体依赖模型记忆执行流程，容易出现跳步、遗漏和不一致。UniEmployee 将关键流程固化为可执行的规程和状态机。
实现方式
- SKILL.md 规程：操作手册数字化，AI 在执行前查阅。
- StateGraph 状态机：关键流程固化，步骤不可跳过。
- 内化审批节点：流程中间可插入人工审批。
退款流程示例
validate_order -> calc_refund -> await_approval -> execute_refund
校验订单 计算金额 人工审批 执行退款
4.3 企业知识本体
普通 RAG 只做文档切片和向量检索，缺少业务语义。UniEmployee 通过知识本体组织企业知识。
- 概念类型化：按主题、操作手册、业务规则等类型组织。
- 语义关联：业务规则、源文档、流程、主题之间建立关系。
- 来源溯源：回答可标注来自哪份文档、哪个章节。
- 知识分桶：不同员工访问不同知识范围，减少信息串扰。
示例
用户：X1 智能音箱的退货政策是什么？
普通 RAG：根据退货政策，7 天内可退货。
UniEmployee：根据《智能硬件退货管理办法》第 3.2 条，
X1 智能音箱属于“智能穿戴设备”类目，享受 7 天无理由退货。
来源：产品知识库 - 退货政策 - 第 3.2 节
4.4 跨会话长期记忆
普通智能体每次对话都可能“失忆”。UniEmployee 按用户隔离保存长期记忆。
- 每个用户拥有独立记忆空间。
- 记忆持久化，跨会话延续。
- 在对话中逐步积累用户偏好。
示例
第一次对话：
用户：我姓张，喜欢简洁的回答。
数字员工：好的，张先生。
第二次对话：
用户：X1 音箱多少钱？
数字员工：399 元。
4.5 人机协同审批
UniEmployee 根据风险等级选择不同执行策略，避免“要么全自动，要么事事都问人”。
- 高风险操作：触发人工审批，审批通过后继续执行。
- 低风险操作：按策略直通执行，并记录操作日志。
- 审批配置：不同岗位、不同工具可以配置不同审批策略。
- 审批时效：审批单可设置有效期，避免任务堆积。
示例
高风险操作（退款）：数字员工 -> 触发审批 -> 主管审批 -> 自动继续
低风险操作（查询订单）：数字员工 -> 直接执行 -> 记录日志
创建工单：是否审批按岗位策略配置
4.6 全链路可观测
每次执行都记录为一条可回溯的 Run。
- 记录 LLM 调用、工具调用、耗时和 token 消耗。
- 支持步骤回放，快速定位问题。
- 自动映射错误码，便于告警和统计。
正常执行示例
Run: r_abc123
- LLM 调用：0.8s，1200 tokens，意图识别
- 工具调用：sql_db_query，1.2s，查询订单
- LLM 调用：0.5s，800 tokens，生成回答
- 状态：done，总耗时 2.5s
异常执行示例
Run: r_def456
- LLM 调用：0.6s，意图识别
- 工具调用：kb_search，3.0s，知识库检索
- 错误：timeout，RAGFlow 服务不可达
- 状态：error，错误码 upstream_unavailable
4.7 自动化执行
数字员工不只在被提问时工作，也可以按计划或事件主动执行。
- 定时触发：按 Cron 表达式自动执行任务。
- 事件触发：外部系统推送事件后自动响应。
- 结果推送：执行结果可推送到 IM 频道或 Webhook。
典型自动化场景
| 场景 | 触发方式 | 执行内容 |
|---|---|---|
| 每日经营日报 | 每天 09:00 | 查询数据、生成报告、推送到群 |
| 库存预警监控 | 每小时 | 检查库存阈值，创建补货工单 |
| 客户投诉响应 | 事件触发 | 接收投诉事件，创建工单并回复 |
| 系统自动巡检 | 每天 08:00、20:00 | 检查系统状态，生成巡检报告 |
| 合同到期提醒 | 每天 | 扫描到期合同，发送提醒 |
调度器支持到期任务扫描、多实例防重复执行和停机补跑，执行结果进入会话历史，可追溯。
4.8 企业级交付
UniEmployee 以 Web 方式交付，浏览器打开即用，可按岗位分配数字员工。
交付链路
管理员创建账号并分配岗位
-> 岗位自动关联可用的数字员工
-> 数字员工继承用户的数据权限
-> 员工登录后直接使用
| 特性 | 说明 | 价值 |
|---|---|---|
| Web 化访问 | 无需安装客户端 | 降低部署和分发成本 |
| 按岗分配 | 不同岗位看到不同数字员工 | 精准匹配岗位需求 |
| 权限继承 | 数字员工只能访问权限范围内数据 | 数据安全可控 |
| 开账号即用 | 员工无需复杂配置 | 降低使用门槛 |
部署方式
支持 Web 化交付，也可根据企业需求采用 SaaS 或私有化部署。具体部署模式以商务方案为准。
五、典型应用场景
以下效果为预期示例，实际效果需结合客户数据和业务流程验证。
5.1 企业客服场景
痛点
- 客服回答不一致，新人培训周期长。
- 复杂问题转人工后响应慢。
- 退款、退货等流程仍需人工操作系统。
UniEmployee 方案
- 部署“小联”售前客服数字员工。
- 接入产品知识库和退货政策。
- 退款流程内化审批，自动流转。
预期效果
- 常见问题自助解决率提升。
- 平均响应时间从分钟级缩短到秒级。
- 退款流程从人工多步处理变为自动流转加审批留痕。
5.2 数据分析场景
痛点
- 业务人员不会写 SQL，依赖数据团队。
- 数据团队响应慢，需求排队。
- 报告格式和质量不统一。
UniEmployee 方案
- 部署“小数”数据分析专家。
- 支持自然语言问数，自动生成 SQL。
- 自动生成结构化报告和可视化内容。
预期效果
- 业务人员可自助取数，降低数据团队压力。
- 报告生成时间从小时级缩短到分钟级。
- 数据口径更统一，减少解释成本。
5.3 经营分析场景
痛点
- 经营数据分散在多个系统。
- 分析报告需要跨部门汇总。
- 决策支持缺少可靠数据依据。
UniEmployee 方案
- 部署“小经”经营分析顾问。
- 集成 CRM、ERP、BI 等数据源。
- 支持归因分析和决策分析。
- 使用子代理完成市场情报调研。
预期效果
- 经营分析从周期报告变为按需查询。
- 决策更依赖数据，减少主观判断。
- 市场情报自动收集，辅助战略判断。
5.4 算网运营场景
痛点
- 故障响应慢，影响面评估依赖经验。
- 运营指标分散，缺少统一视图。
- SOP 执行依赖人工记忆，容易遗漏。
UniEmployee 方案
- 部署“小网”算网运营专家。
- 自动分析故障影响面。
- 实时监控运营指标。
- 按 SOP 路由执行，关键步骤不可跳步。
预期效果
- 故障响应时间缩短。
- 重点客户保障过程可留痕、可追踪。
- SOP 执行过程可审计，降低合规风险。
5.5 定时监控与预警场景
痛点
- 监控数据依赖人工定期查看。
- 异常发现滞后，响应不及时。
- 预警信息分散，缺少统一处理链路。
UniEmployee 方案
- 按需配置监控预警数字员工。
- 定时自动采集监控数据。
- 异常自动识别并创建工单。
- 预警结果自动推送到群或外部系统。
预期效果
- 异常发现时间从小时级缩短到分钟级。
- 支持 7×24 小时无人值守监控。
- 预警处理过程可回溯、可统计。
六、平台技术优势
6.1 配置化与能力复用
传统 Agent 开发通常是一个场景一套代码。UniEmployee 通过资源中心页面化配置，组合已有能力生成数字员工。
同时支持 YAML 配置模板，用于批量初始化、版本管理和运维交接。
id: my-sales
name: 销售顾问
role: 企业销售
model: deepseek-chat
persona: |
你是专业销售顾问。
skills:
- enterprise-sales
- report-generation
tools:
- kb_search
- create_ticket
mcp_servers:
crm:
transport: stdio
command: python
args: ["app/connectors/crm_server.py"]
价值
- 新场景上线从周级缩短到天级。
- 业务人员可以参与配置，降低开发依赖。
- 技能、知识、连接器可在多个员工间复用。
6.2 企业级安全管控
- 工具白名单：敏感工具需要管理员授权。
- 子代理只读：子代理默认不能写文件或执行命令。
- 敏感词过滤：输入硬拦截，输出检测留痕。
- 审批机制：高风险操作必须人工确认。
价值
- AI 在受控范围内工作，避免越权。
- 问题可追溯，具备审计日志。
- 更符合企业合规要求。
6.3 可监控、可改进
- 全链路 Trace：每次执行都可回放。
- 错误分类：自动识别问题类型。
- 性能指标：耗时、token 消耗清晰可见。
- 健康状态：服务状态可监控。
价值
- 问题定位从猜测变为查看。
- 基于 Trace 数据持续优化。
- 降低运维和排查成本。
6.4 运营商背景与开源可信
UniEmployee 由浙江联通打造并开源，从售前客服、经营分析、算网运营等真实业务场景中沉淀而来。
来自企业真实场景
- 内置员工围绕岗位闭环设计，不是脱离业务的演示概念。
- 客服、销售、HR、经营分析和网络运营等场景可直接参照配置。
- 企业落地可对接平台团队，完成调研、集成、部署和运维支持。
开源透明，代码可审计
- 项目采用 MIT 协议开源，企业可以自行审查、部署和二次开发。
- 不依赖黑盒厂商，模型调用、知识检索、审批和执行轨迹均可追踪。
- 支持私有化部署，核心数据无需离开企业环境。
内置安全基线
- JWT 鉴权、登录限流、首次登录强制改密。
- 输出内容 HTML 消毒，降低 XSS 风险。
- 工具白名单、敏感词过滤、子代理默认只读。
- 高风险操作人工审批，关键动作留痕可审计。
合规边界
开源透明和安全基线为可信运行提供了基础。等保、密评、行业合规仍需结合具体部署环境、数据范围和业务系统进行专项评估。
七、总结
7.1 核心价值
| 价值维度 | 具体体现 |
|---|---|
| 提升效率 | 自动化重复工作，员工专注高价值事务 |
| 保证质量 | SOP 固化加知识溯源，回答可验证 |
| 控制风险 | 人机协同审批，AI 在受控范围内工作 |
| 持续改进 | 全链路可观测，数据驱动优化 |
| 快速落地 | 配置化组合，新场景快速上线 |
| 降低门槛 | 页面化配置，业务人员可参与 |
| 主动执行 | 定时或事件触发，不只被动应答 |
7.2 与竞品差异
| 差异点 | UniEmployee | 桌面端 AI 办公软件 | 通用智能体平台 |
|---|---|---|---|
| 部署方式 | Web 化交付，浏览器即用 | 需安装客户端 | 需开发集成 |
| 使用门槛 | 开账号即用 | 需安装配置 | 需技术背景 |
| 分配方式 | 按岗位分配 | 统一使用 | 无 |
| 数据权限 | 继承员工权限 | 无隔离 | 无隔离 |
| 定位 | 岗位专业员工 | 个人效率工具 | 通用对话助手 |
| 流程 | SOP 加状态机 | 无流程能力 | 无流程能力 |
| 审批 | 人机协同审批 | 无审批能力 | 无审批能力 |
| 知识 | 企业知识本体 | 通用知识 | 简单 RAG |
| 自动化 | 定时或事件触发 | 被动应答 | 被动应答 |
| 可观测 | 全链路 Trace | 黑盒 | 黑盒 |
| 可配置 | 页面化配置 | 需写代码 | 需写代码 |
7.3 适用企业
- 有明确岗位场景：客服、销售、HR、数据分析、运营等。
- 有业务流程需要执行：退款、工单、审批、巡检等。
- 有企业知识需要沉淀：产品文档、政策法规、操作手册等。
- 有合规审计要求：金融、电信、政务等。
- 希望快速落地 AI，而不是从零开发。
- 员工数量多、岗位差异大，需要按岗位分配。
- 数据安全要求高，需要按员工权限隔离数据。
- IT 资源有限，希望降低部署和维护负担。
开源项目
UniEmployee 已在 GitHub 开源，欢迎访问、体验和参与共建。
浙公网安备 33010602011771号