【免费下载链接】UniEmployee
面向企业的数字员工构建与运行平台：把专业员工的经验、流程与判断标准，固化为可随时上岗、可配置、可审批、可观测的 AI 数字员工。
刚接触 UniEmployee 的朋友常被一个问题卡住：这个"数字员工平台"到底是怎么把一个 AI 大模型，变成能上岗干活的客服、客户经理或分析师的？答案就在它的五层能力模型：Employee → Workflow/SOP → Skill → Connector → Tool。本文用一张装配线图 + 平台真实截图，带你 10 分钟看懂这五层如何层层拼装出一名可上岗、可审批、可观测的 AI 数字员工。
五层模型一图速览：数字员工的"装配线"
可以把 UniEmployee 理解成一条数字员工装配线，每一层只负责一件事：
Employee ── 数字员工（人设 / 模型 / 技能 / 工具 / 知识库 / 连接器装配）
│
├── Workflow / SOP ── 状态机工作流（流程固化）与技能规程
├── Skill ── 技能（SKILL.md 规程 + frontmatter，播种进 Store）
├── Connector ── MCP 连接器（CRM / 新闻 / RAGFlow 知识库）
└── Tool ── 原子工具（工单 / 搜索 / 知识库 / 文档生成 / 数据分析）
| 层级 | 它回答的问题 | 一句话概括 |
|---|---|---|
| Employee 数字员工 | 它是谁、边界在哪 | 人设 + 模型 + 能力清单的"岗位说明书" |
| Workflow / SOP | 关键流程怎么走 | 把刚性流程固化成状态机，多步执行不跑偏 |
| Skill 技能 | 这件事按什么规程做 | 以 SKILL.md 沉淀触发条件与执行步骤 |
| Connector 连接器 | 外部系统怎么连 | 通过 MCP 标准接入 CRM、新闻、知识库等系统 |
| Tool 工具 | 最小动作是什么 | 工单、搜索、SQL 查询等可被授权的原子能力 |
💡 记忆技巧：Employee 是"人"，Workflow/SOP 是"作业规程"，Skill 是"SOP 文档"，Connector 是"手"，Tool 是"工具"。
第一层 Employee：像填岗位说明书一样配置数字员工
数字员工在 UniEmployee 里不是一段 prompt，而是一份结构化的岗位说明书（EmployeeSpec）。它定义了员工 ID、角色、模型、人设（persona）、技能、工具、知识库、SOP、连接器，以及遇到高风险动作时的审批策略（interrupt_on）。
在"员工管理"页面，你可以像填表一样配置一名数字员工：名称、角色、模型、运行后端（state / local_shell / sandbox）和完整人设，全部页面化、无需写代码。
平台内置 8 名示例员工，种子定义存放在 backend/employees/ 目录，例如客户经理"小小"的岗位说明书 xiaoxiao.yaml 就完整声明了它的技能路由、知识来源与审批红线；员工配置的运行时载体是 EmployeeSpec 模型类，页面修改则落库到 catalog 目录库。
第二层 Workflow / SOP：流程固化，技能规程
这一层解决的是"多步流程不能凭记忆"的问题，分两种形态：
- Skill 技能（柔性规程）：每个技能是一个目录 + 一份
SKILL.md，frontmatter 声明触发条件，正文按"触发条件 → 执行步骤 → 输出格式"书写。例如 customer-360/SKILL.md 规定了查客户必须"先查客户档案知识库 → 再查业务本体关系 → 不足再走 CRM 连接器 → 结论先行输出"四步。技能启动时由 skill_runtime.py 快照后播种进 Store，模型执行前会read_file查阅完整规程，而不是靠记忆跳步。 - Workflow / SOP（刚性状态机）：对退款、投诉这类必须按序执行的流程，平台用 StateGraph 状态机固化节点，审批本身就是流程中的一个显式节点。参考实现见 workflows/refund.py。
技能资源都在"资源中心 → 技能"页可视化管理，可随时查看内容或新建技能：
⚠️ 新手建议：先给员工配"能说明白怎么做"的 Skill，再给最刚性流程上 Workflow/SOP，不要一上来就写状态机。
第三层 Connector：用 MCP 连接器打通外部系统
数字员工要"干活"，离不开外部系统的数据。UniEmployee 通过 MCP（Model Context Protocol）标准接入连接器，支持 stdio 与 npx 两种形态：
- CRM 连接器：客户经理查询客户档案、订单履约状态；
- 新闻连接器：市场情报分析师抓取行业动态；
- RAGFlow 知识库：深度知识检索，检索结果标注来源。
连接器代码位于 backend/app/connectors/。设计上很贴心：连接器初始化失败会自动降级，服务仍可启动，不会因为某个外部系统挂掉而拖垮整个平台。
值得强调的是：连接器 + 知识库让数字员工的回答"必须真实检索、禁止编造"。结构化关系数据则由业务本体承载，实体与关系可视化维护：
第四层 Tool：原子工具，最小可授权单元
Tool 是最小的"动作"：建一个工单、发一次搜索、执行一条 SQL。所有内置工具集中登记在编译层的 ALL_LOCAL_TOOLS 注册表中，员工只能使用被授权白名单内的工具，越权调用会被护栏拦截。
几个设计细节值得了解：
get_current_time等通用工具对全员无条件注入，解决"对话时不知道当前时间"这类低级问题；- 高风险工具（如
create_ticket建投诉工单）在 catalog 中标记needs_approval，运行时自动派生出审批拦截，无需每个员工重复配置； - 文件与命令类工具按员工后端策略裁剪，内联子代理默认只读。
工具实现代码集中在 backend/app/tools/，数据分析类 SQL 工具见 sql_tools.py。
五层如何合体：一次 compile_agent 装配出可运行 Agent
前面四层只是"图纸"，真正合体发生在编译期。流程可以概括为：
- 从 catalog 目录库读出员工配置，拼成
EmployeeSpec； - compiler.compile_agent() 按需装配工具与连接器、拼接 system prompt（人设 + SOP 文档 + 技能路由规则）；
- 经
create_deep_agent()生成可运行 agent，运行时按(employee, user, model)维度缓存并隔离记忆（见 runtime.py）； - 技能与记忆通过 CompositeBackend 路由到不同命名空间，改技能正文无需重启即可生效。
进入对话工作台后，左侧"执行流水线"会实时展示这次装配成果如何运转：用户输入 → Employee 加载 → 加载 SOP → 加载 Skills → 智能体规划 → 调用 Skill → 输出回复，每一步状态一目了然。
可观测与可管控：装得好，更要看得住
装配只是第一步，企业落地更关心"出了问题能不能查、危险动作能不能拦"：
- HITL 人工审批：高风险动作（退款、投诉登记）触发流程中途中断，等待管理员在审批卡上批准/拒绝后自动继续，实现见 approvals.py。
- 全链路 Trace：每次对话 = 一条 run，记录模型调用、工具调用、耗时与 token 消耗，可回放定位，实现见 traces.py。
新手上手路径：从看懂到装出你的第一个数字员工
看懂模型后，动手其实只有三步：
- 起服务：
docker compose up -d db起库，配置.env的模型参数后启动（详见 README 快速开始）； - 配员工：在"员工管理 + 资源中心"页面完成人设、技能、工具、知识库、连接器的装配；
- 跑起来：对话工作台发起会话，用执行流水线与 Trace 页验证装配是否生效。
新增员工、编写技能规程的详细手册见 docs/guide/add-employee.md 与 docs/guide/skill-authoring.md，平台原理深度解读系列见 docs/articles/。
📌 一句话总结：Employee 定义"是谁"，Workflow/SOP 定义"按什么规矩"，Skill 定义"具体怎么做"，Connector 与 Tool 定义"用什么手段做"——五层装配逻辑，就是 UniEmployee 把大模型变成组织生产力的核心秘密。
【免费下载链接】UniEmployee
面向企业的数字员工构建与运行平台：把专业员工的经验、流程与判断标准，固化为可随时上岗、可配置、可审批、可观测的 AI 数字员工。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
