English | 简体中文

更新日志

2026-07-15：StaffDeck正式开源！欢迎大家使用反馈与Star支持。

💡 关于StaffDeck

StaffDeck是一套面向企业的数字员工构建与管理平台，帮助专业员工将工作经验、业务流程和判断标准固化为可以持续工作的数字员工，接手重复性任务，并将个人能力沉淀为可复用、可迭代、可追溯的组织资产。StaffDeck由面壁智能，东北大学-面壁智能数据智能联合实验室，清华大学THUNLP实验室，OpenBMB与AI9Stars联合研发，面向希望将 AI 从个人效率工具升级为组织生产力的企业与机构。

核心亮点

🧑‍💼 数字员工构建与管理：将专业员工的经验、流程和判断标准固化为拥有岗位、工号、能力档案和工作记录的数字员工；支持能力成长、权限隔离及发布复用。
🧩 状态机驱动的流程型技能：通过自然语言生成结构化 SOP，以状态机保证复杂流程准确执行；支持多个流程实时切换、上下文保留、可视化编辑、版本管理和分支演化。
📚 文档结构感知的知识检索：基于文档、章节、页面和摘要等层级构建可导航索引，让数字员工先判断信息可能位于哪里，再逐层定位原文；支持知识分桶、定向检索、来源引用和检索调试。
🔌 自主执行与持续迭代：通过 HTTP API、MCP 和定时任务执行真实业务操作，并结合长期记忆、完整 Trace、真人接管、用户反馈和反馈分析形成持续迭代闭环。

客户端下载

访问 StaffDeck 官方网站，或直接下载最新桌面客户端：

平台	架构	下载
macOS	Apple Silicon（arm64）	下载 `.dmg`
Windows	x64	下载安装程序 `.exe`
Linux	x86_64（Debian/Ubuntu）	下载 `.deb`

Agent 一键部署

将下面的 Prompt 粘贴给 Cursor、Claude Code 或 Codex：

阅读 https://raw.githubusercontent.com/OpenBMB/StaffDeck/main/README.zh.md。
克隆 OpenBMB/StaffDeck 私有仓库，准备 Python 3.11 或更高版本和 Node.js 20，创建
backend/.venv，安装前后端依赖，将 backend/.env.example 复制为
backend/.env；缺少 OpenAI 兼容模型地址或 API Key 时向我询问，并严格使用当前
系统对应的文档命令。macOS/Linux/WSL 运行 scripts/dev_up.sh --detach，Windows
PowerShell 运行 .\scripts\dev_up.ps1 --detach；验证 /api/health 和
/workspace/gallery 后再报告完成。

快速开始

环境要求

支持 macOS、Linux、WSL 或 Windows PowerShell
Python 3.11+
Node.js 20+ 与 npm
OpenAI Chat Completions 兼容的模型接口和 API Key
应用本身不要求 CUDA；硬件要求由所选择的模型服务决定

1. 克隆并安装

首先克隆仓库：

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

macOS、Linux 或 WSL：

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

Windows PowerShell：

py -3 -m venv backend\.venv
.\backend\.venv\Scripts\python.exe -m pip install -e "backend[dev]"
npm --prefix frontend-enterprise ci
Copy-Item backend\.env.example backend\.env

2. 配置模型

首次启动前编辑 backend/.env：

APP_SECRET="请替换为足够长的随机字符串"
DEMO_MODEL_BASE_URL="https://你的OpenAI兼容接口/v1"
DEMO_MODEL_NAME="你的模型名"
DEMO_MODEL_API_KEY="你的API-Key"

API Key 用于创建初始模型配置，存入数据库前会被加密。请勿提交 backend/.env。服务启动后也可以在管理员 → 模型配置中管理模型服务。

3. 启动 Web Demo

平台	推荐命令
macOS、Linux 或 WSL	`scripts/dev_up.sh --detach`
Windows PowerShell	`.\scripts\dev_up.ps1 --detach`

两套包装脚本最终都会调用同一个跨平台 Python 生命周期入口 scripts/dev.py。启动过程会构建 StaffDeck 前端，并由一个 FastAPI 进程在 5173 端口同时提供 UI、API 与 Swagger 文档。默认管理员账号为 admin / admin，请在首次登录后通过账号配置修改密码。

4. 验证安装

macOS、Linux 或 WSL：

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

Windows PowerShell：

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

预期输出：

{"status":"ok"}

打开 http://127.0.0.1:5173/workspace/gallery，选择一个数字员工并发送首条消息。回答和执行记录应该在同一个对话轮次中流式显示。

常用命令

操作	macOS、Linux 或 WSL	Windows PowerShell
后台启动	`scripts/dev_up.sh --detach`	`.\scripts\dev_up.ps1 --detach`
前台启动	`scripts/dev_up.sh`	`.\scripts\dev_up.ps1`
查看服务状态	`scripts/dev_status.sh`	`.\scripts\dev_status.ps1`
停止本地服务	`scripts/dev_down.sh`	`.\scripts\dev_down.ps1`

统一 Python 入口

上述包装脚本最终都会调用 scripts/dev.py。也可以直接使用第 1 步创建的项目虚拟环境，避免依赖 Shell 脚本执行能力或系统 Python Launcher：

平台	直接后台启动
macOS、Linux 或 WSL	`backend/.venv/bin/python scripts/dev.py up --detach`
Windows PowerShell	`.\backend\.venv\Scripts\python.exe scripts\dev.py up --detach`

需要执行其他操作时，将 up --detach 替换为对应的生命周期参数：

操作	参数
后台启动	`up --detach`
前台启动	`up`
查看服务状态	`status`
停止本地服务	`down`

完整说明 → StaffDeck 使用教程

核心流程

创建数字员工：设置职位、岗位边界、服务风格、创建者与访问范围。
配置员工能力：从广场复制或自行创建知识库、通用技能、SOP 与工具，不修改广场原件。
发起会话：从数字员工广场或员工列表进入；发送首条消息后持久化正式 Session。
执行并观测：在执行记录中查看流式意图、检索、技能、工具、校验和回答事件。
必要时介入：继续排队请求、取消运行、转人工或处理待回答内容。
持续运营：利用记忆、反馈、对话日志和定时任务长期优化员工能力。

项目结构

StaffDeck/
├── backend/                  # FastAPI 接口、Agent 运行时、存储与任务 Worker
├── frontend-enterprise/      # React/TypeScript StaffDeck 工作台
├── docs/                     # 教程、API、Schema 与示例流程
├── scripts/                  # 单端口服务生命周期与校验脚本
├── packaging/                # macOS、Linux 与 Windows 打包资源
├── README.md                 # English
└── README.zh.md              # 简体中文

常见问题

页面可以打开，但数字员工不回答。

检查所选模型配置、API Key、模型名和模型服务网络。随后查看执行记录与 .dev/logs/app.log，定位模型服务返回的具体错误。

没有本地 GPU 可以运行吗？

可以。应用调用 OpenAI 兼容模型接口，GPU 要求由你自行部署或使用的模型服务决定。

为什么普通用户可以使用广场资源，但不能编辑？

广场资源是可复用模板。普通用户可将有权限的资源复制或绑定到自己的员工，原始资源仍由创建者与管理员权限保护。

路线图

群聊，多数字员工沟通/分工
更多企业连接器与经过审核的广场资源
面向高风险工具动作的细粒度审批策略

路线优先级由真实部署需求驱动。请通过 Issue 提供可复现的场景和预期行为。

💬 联系我们

关于技术问题及功能请求，请提交 GitHub Issues。
商业合作，请联系：
```
business@modelbest.cn
```
欢迎加入我们的社区与我们交流：

微信交流群	飞书交流群	Discord 社区

参与贡献

欢迎获得仓库权限的协作者参与：

提交可复现的 Bug 与权限问题
提议数字员工、知识、技能、SOP 或工具流程
提交范围清晰、包含测试与浏览器校验的 PR
改进文档和中英翻译

请保留工作区中与任务无关的修改，根据影响范围补充测试，并在 PR 中写明完成 UI 校验的路由与用户角色。

风险与限制

模型回答可能不正确、不完整或不一致；执行记录可以提高可审计性，但不能保证结论正确。
知识检索效果受原始文档质量、解析、索引、权限与模型能力共同影响。
外部工具与生成的 Runner 可能产生真实副作用。应使用最小权限凭据，并为高风险动作配置人工审批。
定时任务依赖持续运行的 Worker 与正确的用户时区设置。
本项目不能替代法律、医疗、金融、安全及其他受监管领域的专业审核。
未获得适当授权、隐私保护与人工监督时，不得使用本平台处理数据或自动作出重要决定。

引用

在内部研究或经授权的公开材料中使用 StaffDeck 时，可引用：

@software{StaffDeck2026,
  title  = {StaffDeck: Build, Run, and Govern Enterprise Digital Employees},
  author = {OpenBMB},
  year   = {2026},
  url    = {https://github.com/OpenBMB/StaffDeck}
}

Star 历史

许可证

本项目基于 GNU Affero General Public License v3.0 开源。

致谢

StaffDeck 由 OpenBMB 生态孵化。

Navigation Menu

更新日志

💡 关于StaffDeck

核心亮点

客户端下载

Agent 一键部署

目录

快速开始

环境要求

1. 克隆并安装

2. 配置模型

3. 启动 Web Demo

4. 验证安装

常用命令

统一 Python 入口

核心流程

项目结构

常见问题

路线图

💬 联系我们

参与贡献

风险与限制

引用

Star 历史

许可证

致谢

FilesExpand file tree

README.zh.md

Latest commit

History

README.zh.md

File metadata and controls

更新日志

💡 关于StaffDeck

核心亮点

客户端下载

Agent 一键部署

目录

快速开始

环境要求

1. 克隆并安装

2. 配置模型

3. 启动 Web Demo

4. 验证安装

常用命令

统一 Python 入口

核心流程

项目结构

常见问题

路线图

💬 联系我们

参与贡献

风险与限制

引用

Star 历史

许可证

致谢