StaffDeck：面壁智能 + 清华 THUNLP 开源的企业数字员工平台，状态机 SOP + 多层级知识检索

GitHub：OpenBMB/StaffDeck · Stars：633
机构：面壁智能 + NEU-ModelBest联合实验室 + 清华THUNLP + OpenBMB + AI9Stars
官网：staffdeck.openbmb.cn
许可：GNU AGPL v3.0 · 开源时间：2026-07-15

---

问题定义：AI 工具 vs 组织资产

大多数企业用 AI 的方式是：给每个员工一个 ChatGPT 账号，让他们自己想提示词。这有个隐患——经验不沉淀。某个人摸索出了一套有效的工作流，离职了，经验就消失了。

StaffDeck 试图解决的是另一个问题：如何把个人经验、业务流程和判断标准，转化为组织可复用的数字员工，让这些员工能持续运行、接管重复工作，并且随着时间迭代进化。

这不是”又多了一个 AI 助手”，而是给企业提供了一套制造和管理数字员工的工厂。

---

四个核心能力

1. 数字员工生命周期管理

每个数字员工有完整的”员工档案”：岗位、员工 ID、能力画像、工作记录、权限范围。

关键设计：能力成长——员工不是一次性配置好的静态系统，而是通过对话日志、用户反馈、记忆积累持续进化。权限隔离——用户可以从 Marketplace 复制资源，但无法修改 Marketplace 原版，保护模板不被污染。发布与复用——经过验证的员工可以发布供组织内其他人使用。

2. 状态机驱动的 SOP

这是 StaffDeck 最有技术含量的一块。

普通 Agent 的流程控制依赖模型的随机性——同样的输入，不同的运行可能走不同的路径。StaffDeck 用状态机来执行 SOP：流程节点是确定的，状态转移条件是明确的，不靠 LLM 猜要走哪条路。

输入方式是自然语言——你描述业务流程，系统生成结构化状态机。生成后可以用可视化编辑器调整，支持版本管理和分支演化（同一个 SOP 可以有不同场景的分叉版本）。

自然语言描述 → 结构化 SOP → 状态机 → 确定性执行
                            ↓
                   支持实时切换多个流
                   保留跨流的上下文
                   可视化编辑和版本管理

这意味着什么：合规性强要求的流程（法务、财务、客服升级路径）终于有了可审计的执行记录，不再是黑盒。

3. 文档结构感知的知识检索

普通 RAG 的问题：把文档切块，向量检索最相似的块，返回。这在文档结构复杂时效果差——一份 200 页的合同，某个条款的解释需要结合前面的定义章节，切块检索找不到上下文。

StaffDeck 的方案：多层级导航索引。

文档层
  └── 章节层
        └── 页面层
              └── 段落层 + 摘要层

检索时先估算信息可能在哪个层级，然后逐步定位原文——不是直接返回相似块，而是先找到大致位置，再精确定位。这类似于人类读书的方式：先看目录估位置，再翻到对应章节找答案。

额外功能：溯源引用（返回答案时标注来自哪个文档哪个章节）、知识桶（不同数字员工可以绑定不同的知识范围）、检索调试（查看检索过程，方便排查为什么没找到正确答案）。

4. 持续运营与闭环改进

数字员工的价值不在于”部署完成”那一刻，而在于持续运营：

执行能力：通过 HTTP API 和 MCP 连接业务系统，通过定时任务让员工主动工作（不用等人 @ 它）。

可观测性：每次对话都有完整的执行记录——流式展示意图分析、知识检索、技能调用、工具执行、回顾和回复的全过程。这不是日志，是可读的决策轨迹。

人工接管：运行中可以随时介入——继续排队的请求、取消当前运行、移交给人工处理、批准待批的答案。

改进闭环：对话日志 + 用户反馈 + 长期记忆 → 分析 → 改进员工能力配置。

---

快速部署

桌面安装包（最简单）

平台	架构	下载
macOS	Apple Silicon (arm64)	.dmg
Windows	x64	.exe installer
Linux	x86_64 (Debian/Ubuntu)	.deb

从 官网 或 GitHub Releases 下载，安装后开箱即用。

源码部署（macOS/Linux/WSL）

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

编辑 backend/.env：

APP_SECRET="换成一个长随机字符串"
DEMO_MODEL_BASE_URL="https://你的OpenAI兼容端点/v1"
DEMO_MODEL_NAME="你的模型名"
DEMO_MODEL_API_KEY="你的API Key"

兼容所有 OpenAI 格式端点——可以是 OpenAI、DeepSeek、Qwen、本地 Ollama，甚至 llama.cpp 的 HTTP 服务。

# 启动（单端口 5173，前后端合一）
scripts/dev_up.sh --detach

# 验证
curl http://127.0.0.1:5173/api/health
# → {"status":"ok"}

打开 http://127.0.0.1:5173/workspace/gallery，初始账号密码 admin/admin，第一次登录后立刻改密码。

Agent 友好的快速部署提示词（直接粘给 Claude Code/Cursor/Codex）：

Read https://raw.githubusercontent.com/OpenBMB/StaffDeck/main/README.md.
Clone the OpenBMB/StaffDeck repository, prepare Python 3.11+ and Node.js 20,
create backend/.venv, install dependencies, copy backend/.env.example to
backend/.env, ask me for the model endpoint and API key, start with
scripts/dev_up.sh --detach, then verify /api/health.

---

六步标准工作流

1. 创建数字员工 → 定义岗位/角色边界/服务风格/权限范围
2. 配置员工能力 → 从 Marketplace 复制或新建知识库/技能/SOP/工具
3. 启动对话     → 从 gallery 或员工列表进入，首条消息后会话持久化
4. 执行观测     → 流式查看意图分析/检索/技能/工具/回复的完整执行记录
5. 必要时介入   → 继续/取消/移交人工/处理待批答案
6. 持续运营     → 记忆积累 + 反馈分析 + 定时任务 → 员工能力持续进化

---

项目结构

StaffDeck/
├── backend/               # FastAPI API、Agent 运行时、存储、任务 worker
├── frontend-enterprise/   # React/TypeScript 工作台
├── docs/                  # 教程、API、Schema、示例流程
├── scripts/               # 服务生命周期管理脚本（单端口）
├── packaging/             # macOS/Linux/Windows 打包资产
├── README.md              # 英文
└── README.zh.md           # 简体中文

---

路线图

• 群聊、多数字员工协作与任务分工
• 更多企业连接器和 Marketplace 资源（经审核）
• 高风险工具行为的细粒度审批策略

---

与同类项目对比

	StaffDeck	HugAgentOS	Dify	Open WebUI
机构	面壁+清华THUNLP	浙大REAL	Langgenius	开源社区
核心差异	数字员工生命周期+状态机SOP	本体治理控制平面	工作流可视化	模型前端UI
SOP执行	✅ 状态机（确定性）	基于ReAct	工作流	✗
知识检索	✅ 文档结构感知多层级	向量+关键词	向量	向量
桌面安装包	✅ Win/Mac/Linux	✗	✗	✗
Stars（对比日）	633	50	数万	数万

StaffDeck 和 HugAgentOS 解决的是相似问题（企业 Agent 治理），但路线不同：HugAgentOS 从语义本体出发做规则门控，StaffDeck 从员工生命周期管理出发做流程确定化。两者不互斥，可以组合使用。

---

核心判断

StaffDeck 的赌注是：企业 AI 最终要解决的是知识资产化和流程确定化，而不是让 LLM 更聪明。

状态机 SOP 这个设计选择特别务实——不是相信模型永远能做对，而是把关键判断节点结构化、可审计、可调试。这在真实企业场景里比”更好的 Prompt”可靠得多。

633 Stars 开源 6 天，出道即巅峰节奏。清华 THUNLP + 面壁智能的背书，加上同时提供桌面安装包（降低部署门槛）和源码（支持企业内部定制），这个项目的走向值得持续关注。

---

参考资源

• GitHub：OpenBMB/StaffDeck
• 官网：staffdeck.openbmb.cn
• 快速开始：staffdeck.openbmb.cn/#/docs/introduce
• 面壁智能：modelbest.cn
• 清华THUNLP：nlp.csai.tsinghua.edu.cn

© 2026 Author: Mycelium Protocol