你花了一个月做出来的 AI Agent上线后用户问“能退款吗”它秒回“当然可以”。第二天老板找上门谁批准它退的UniEmployee 就是为了解决这类问题。企业要的 AI首先得懂规矩光会聊天远远不够。我们最近开源了UniEmployee一个面向企业的 AI 数字员工构建与运行平台。 GitHubhttps://github.com/zj-unicom-ai/UniEmployee如果你正在研究 AI Agent、数字员工、企业智能体、Agent Workflow、MCP、AI 原生组织欢迎来看看也欢迎帮我们点一个 Star ⭐。01 为什么 AI Agent 很难真正进入企业这两年 AI Agent 很火。能不能自己调用工具、操作浏览器、接 MCP、执行 Workflow这些问题当然重要。但真正到了企业场景很快会碰到一个更棘手的问题怎么让一个 AI 真正承担一个岗位比如领导说“给我做一个客服数字员工”。听起来简单落地时却要回答一串问题它是谁、以什么身份工作、懂什么产品、制度、FAQ、业务知识从哪来什么情况查知识库、什么情况调系统退款投诉有没有固定 SOP哪些事能自己做、哪些必须请示、敏感操作谁来审批出了问题怎么查调了哪个模型、用了什么工具、结果怎么来的这些问题没解决所谓数字员工大概率还是一个套着数字员工外壳的聊天机器人。UniEmployee 要解决的恰恰就是这一层。02 UniEmployee 想做的事把 AI 当成一个真正的员工一个员工不只有大脑还需要岗位、工作流程、工作技能、企业知识、外部系统、操作工具、权限、审批机制、工作记录和长期记忆。简单说员工 岗位 制度 经验 通讯录 手脚。我们把数字员工拆成五层能力模型Employee岗位你是谁 ↓ Workflow/SOP制度遇到什么事按什么流程走 ↓ Skill经验什么能碰什么不能碰 ↓ Connector通讯录怎么找 CRM/ERP ↓ Tool手脚具体点哪个按钮、查哪个表大模型负责思考和决策这五层能力负责把它变成能上岗的数字员工。03 一个数字员工到底是什么样以客服数字员工为例。除了接待问答它还要按业务规则走完整流程用户提出问题 → 判断问题类型 → 查询企业知识库 → 根据 SOP 判断处理流程 → 必要时调用业务工具查询订单、查库存等→ 判断风险等级 → 低风险自动执行高风险暂停并请求人工审批 → 审批通过后继续执行 → 返回结果。到这一步AI 才真正像个员工不再只是个聊天窗口。04 它不仅能回答问题还能干活UniEmployee 内置了客服、数据分析、销售顾问、HR、经营分析等多个示例数字员工。这些员工不只是套个人设的 Demo平台提供统一的资源管理能力把技能、工具、知识库、SOP、连接器统一装配到数字员工身上。比如数据分析数字员工你告诉它“帮我分析一下本季度销售情况”它会判断要哪些数据、调什么工具、走什么分析流程最后给出结论不会只丢给你一段看起来专业却没什么用的文字。05 我们如何解决企业最怕的 AI 失控问题第一道防线Skill SOP先立规矩。传统 Agent 有个常见问题模型知道怎么做但未必每次都按公司规定来。所以 UniEmployee 引入 Skill SOP 的思路。技能通过SKILL.md沉淀具体的工作规程包括什么情况下触发、需要做什么、按什么步骤做、哪些事情绝对不能做。关键业务流程还可以用状态机固化。简单说把专家脑子里的经验变成 AI 能执行的流程。第二道防线HITL 人工审批高风险操作必须请示。企业最怕 AI 自作主张所以我们加入 HITLHuman-in-the-Loop机制。比如用户让客服“直接帮我退款”数字员工先判断风险等级普通咨询自动处理低风险操作自动执行退款、敏感数据、权限变更这类高风险操作暂停请求人工审批通过后 AI 才继续执行。我们的理念该自动的时候自动该请示的时候请示。06 最容易忽略的企业能力AI 工作过程可观测AI 员工做错了总得能查清楚为什么错。传统聊天机器人只能告诉你它回复了什么数字员工则要能追溯到调了哪个模型、查了哪些知识、用了什么工具、返回了什么、花了多久、消耗多少 Token、中间有没有触发人工审批。UniEmployee 对每次运行做全链路记录支持回放和定位模型与工具的调用过程。AI 的工作过程可以被观察、分析和追责。对企业场景来说这项能力是刚需谈不上锦上添花。07 它还能记住你像一个真正的老员工真正的员工不会每次见面都问“您好请问您是谁”UniEmployee 提供跨会话长期记忆记忆按用户和数字员工隔离数据持久化保存服务重启后也不丢失。比如第一次和销售数字员工说“我更关注华东地区客户”下次再聊它能接着之前积累的信息继续工作。这让数字员工有了持续工作的能力不会每次对话都从零开始。08 MCP让数字员工真正连接企业系统UniEmployee 通过MCP等方式连接外部系统目前已提供工单、搜索、文档生成、数据分析等工具能力。未来数字员工可以连上 CRM、知识库、工单系统、数据平台、OA、邮件/IM 等各类企业内部业务系统。到那时AI 就从“教你怎么做”变成“替你把事办完”。09 从单个 Agent 到 AI 组织这是我们对 UniEmployee 更大的期待。今天做一个客服 Agent明天做销售 Agent后天做数据分析 Agent。如果这些 Agent 共用同一套能力底座Skill、Workflow、Knowledge、Tool、Connector、Memory、Observability、Approval 等它们就能组成一个AI 组织彼此协作而不是各自孤立。AI Organization │ ┌────────────────┼────────────────┐ ↓ ↓ ↓ 客服员工 销售员工 数据员工 │ │ │ Skill/SOP Skill/SOP Skill/SOP │ │ │ Tools Tools Tools │ │ │ └──────────── 企业系统 ────────────┘这可能才是我们理解的AI 数字员工时代。10 用你的 AI 直接跑起来我们不想让 UniEmployee 停在 Demo 阶段希望它能成为开发者可以研究、修改、扩展、二次开发的基础项目。跑起来也省事把项目交给你的 AI 助手说一句“把这个项目跑起来”它会自己读文档、装依赖、启动前后端跑通后把访问地址给你。想自己动手也只需一行命令docker-composeup-d马上得到一个带 UI 界面的数字员工平台可配置模型支持 DeepSeek、OpenAI 等 OpenAI Chat Completions 兼容接口。项目不要求 GPU选什么模型服务由你决定。项目已包含前后端完整工程、Skill 管理、Workflow SOP、知识库、MCP Connector、Tool、长期记忆、HITL 人工审批、全链路运行记录、示例数字员工等支持 Docker 部署。11 如果你正在研究这些方向欢迎来试试如果你在做 AI Agent、数字员工、企业智能体、Agent Workflow、MCP、AI Native、RAG 企业知识库、AI 自动化等方向UniEmployee 也许能给你一些新思路。我们不打算给出“所有企业都应该这样做”的结论只提供一个能真正跑起来的开源实现大家一起探索一个 AI 怎么从会回答问题走向能承担岗位。最后动手三步走 看代码⭐ 点 Star 提 Issue访问 GitHub →支持我们 →反馈需求 →对开源项目来说一句“不错”不如一个真实的 Star。你的一个 Star 不只是一个数字它代表有人在认真关注 AI 数字员工也让我们知道这条路值得继续走下去。 Star UniEmployee → GitHub 开源 UniEmployee：一个能干活、能审批、出错可追溯的 AI 数字员工平台
你花了一个月做出来的 AI Agent上线后用户问“能退款吗”它秒回“当然可以”。第二天老板找上门谁批准它退的UniEmployee 就是为了解决这类问题。企业要的 AI首先得懂规矩光会聊天远远不够。我们最近开源了UniEmployee一个面向企业的 AI 数字员工构建与运行平台。 GitHubhttps://github.com/zj-unicom-ai/UniEmployee如果你正在研究 AI Agent、数字员工、企业智能体、Agent Workflow、MCP、AI 原生组织欢迎来看看也欢迎帮我们点一个 Star ⭐。01 为什么 AI Agent 很难真正进入企业这两年 AI Agent 很火。能不能自己调用工具、操作浏览器、接 MCP、执行 Workflow这些问题当然重要。但真正到了企业场景很快会碰到一个更棘手的问题怎么让一个 AI 真正承担一个岗位比如领导说“给我做一个客服数字员工”。听起来简单落地时却要回答一串问题它是谁、以什么身份工作、懂什么产品、制度、FAQ、业务知识从哪来什么情况查知识库、什么情况调系统退款投诉有没有固定 SOP哪些事能自己做、哪些必须请示、敏感操作谁来审批出了问题怎么查调了哪个模型、用了什么工具、结果怎么来的这些问题没解决所谓数字员工大概率还是一个套着数字员工外壳的聊天机器人。UniEmployee 要解决的恰恰就是这一层。02 UniEmployee 想做的事把 AI 当成一个真正的员工一个员工不只有大脑还需要岗位、工作流程、工作技能、企业知识、外部系统、操作工具、权限、审批机制、工作记录和长期记忆。简单说员工 岗位 制度 经验 通讯录 手脚。我们把数字员工拆成五层能力模型Employee岗位你是谁 ↓ Workflow/SOP制度遇到什么事按什么流程走 ↓ Skill经验什么能碰什么不能碰 ↓ Connector通讯录怎么找 CRM/ERP ↓ Tool手脚具体点哪个按钮、查哪个表大模型负责思考和决策这五层能力负责把它变成能上岗的数字员工。03 一个数字员工到底是什么样以客服数字员工为例。除了接待问答它还要按业务规则走完整流程用户提出问题 → 判断问题类型 → 查询企业知识库 → 根据 SOP 判断处理流程 → 必要时调用业务工具查询订单、查库存等→ 判断风险等级 → 低风险自动执行高风险暂停并请求人工审批 → 审批通过后继续执行 → 返回结果。到这一步AI 才真正像个员工不再只是个聊天窗口。04 它不仅能回答问题还能干活UniEmployee 内置了客服、数据分析、销售顾问、HR、经营分析等多个示例数字员工。这些员工不只是套个人设的 Demo平台提供统一的资源管理能力把技能、工具、知识库、SOP、连接器统一装配到数字员工身上。比如数据分析数字员工你告诉它“帮我分析一下本季度销售情况”它会判断要哪些数据、调什么工具、走什么分析流程最后给出结论不会只丢给你一段看起来专业却没什么用的文字。05 我们如何解决企业最怕的 AI 失控问题第一道防线Skill SOP先立规矩。传统 Agent 有个常见问题模型知道怎么做但未必每次都按公司规定来。所以 UniEmployee 引入 Skill SOP 的思路。技能通过SKILL.md沉淀具体的工作规程包括什么情况下触发、需要做什么、按什么步骤做、哪些事情绝对不能做。关键业务流程还可以用状态机固化。简单说把专家脑子里的经验变成 AI 能执行的流程。第二道防线HITL 人工审批高风险操作必须请示。企业最怕 AI 自作主张所以我们加入 HITLHuman-in-the-Loop机制。比如用户让客服“直接帮我退款”数字员工先判断风险等级普通咨询自动处理低风险操作自动执行退款、敏感数据、权限变更这类高风险操作暂停请求人工审批通过后 AI 才继续执行。我们的理念该自动的时候自动该请示的时候请示。06 最容易忽略的企业能力AI 工作过程可观测AI 员工做错了总得能查清楚为什么错。传统聊天机器人只能告诉你它回复了什么数字员工则要能追溯到调了哪个模型、查了哪些知识、用了什么工具、返回了什么、花了多久、消耗多少 Token、中间有没有触发人工审批。UniEmployee 对每次运行做全链路记录支持回放和定位模型与工具的调用过程。AI 的工作过程可以被观察、分析和追责。对企业场景来说这项能力是刚需谈不上锦上添花。07 它还能记住你像一个真正的老员工真正的员工不会每次见面都问“您好请问您是谁”UniEmployee 提供跨会话长期记忆记忆按用户和数字员工隔离数据持久化保存服务重启后也不丢失。比如第一次和销售数字员工说“我更关注华东地区客户”下次再聊它能接着之前积累的信息继续工作。这让数字员工有了持续工作的能力不会每次对话都从零开始。08 MCP让数字员工真正连接企业系统UniEmployee 通过MCP等方式连接外部系统目前已提供工单、搜索、文档生成、数据分析等工具能力。未来数字员工可以连上 CRM、知识库、工单系统、数据平台、OA、邮件/IM 等各类企业内部业务系统。到那时AI 就从“教你怎么做”变成“替你把事办完”。09 从单个 Agent 到 AI 组织这是我们对 UniEmployee 更大的期待。今天做一个客服 Agent明天做销售 Agent后天做数据分析 Agent。如果这些 Agent 共用同一套能力底座Skill、Workflow、Knowledge、Tool、Connector、Memory、Observability、Approval 等它们就能组成一个AI 组织彼此协作而不是各自孤立。AI Organization │ ┌────────────────┼────────────────┐ ↓ ↓ ↓ 客服员工 销售员工 数据员工 │ │ │ Skill/SOP Skill/SOP Skill/SOP │ │ │ Tools Tools Tools │ │ │ └──────────── 企业系统 ────────────┘这可能才是我们理解的AI 数字员工时代。10 用你的 AI 直接跑起来我们不想让 UniEmployee 停在 Demo 阶段希望它能成为开发者可以研究、修改、扩展、二次开发的基础项目。跑起来也省事把项目交给你的 AI 助手说一句“把这个项目跑起来”它会自己读文档、装依赖、启动前后端跑通后把访问地址给你。想自己动手也只需一行命令docker-composeup-d马上得到一个带 UI 界面的数字员工平台可配置模型支持 DeepSeek、OpenAI 等 OpenAI Chat Completions 兼容接口。项目不要求 GPU选什么模型服务由你决定。项目已包含前后端完整工程、Skill 管理、Workflow SOP、知识库、MCP Connector、Tool、长期记忆、HITL 人工审批、全链路运行记录、示例数字员工等支持 Docker 部署。11 如果你正在研究这些方向欢迎来试试如果你在做 AI Agent、数字员工、企业智能体、Agent Workflow、MCP、AI Native、RAG 企业知识库、AI 自动化等方向UniEmployee 也许能给你一些新思路。我们不打算给出“所有企业都应该这样做”的结论只提供一个能真正跑起来的开源实现大家一起探索一个 AI 怎么从会回答问题走向能承担岗位。最后动手三步走 看代码⭐ 点 Star 提 Issue访问 GitHub →支持我们 →反馈需求 →对开源项目来说一句“不错”不如一个真实的 Star。你的一个 Star 不只是一个数字它代表有人在认真关注 AI 数字员工也让我们知道这条路值得继续走下去。 Star UniEmployee → GitHub