数字员工概述
数字员工是煎蛋平台提出的企业级 AI Agent 形态。它的设计目标不是做一个"个人 AI 助手"，而是打造一个可以被企业管理、审计、规模化部署的数字劳动力。
从"AI 玩具"到"数字资产"
当前市面上的 AI Agent 框架大多面向个人开发者，关注的是"能不能让 AI 操作电脑"。这类方案在单个用户的实验场景中表现出色，但在企业环境中会暴露出三个根本问题：
第一，记忆是私有的。 每个 Agent 的记忆保存在本地文件中，一个 Agent 只能服务一个用户。金融企业有 200 个客服，难道要部署 200 个 Agent 实例？
第二，安全是缺失的。 Agent 在开发者电脑上以本地权限运行，能读取 SSH 密钥、修改代码。一旦 Agent 逻辑失控或被恶意注入，后果不堪设想。
第三，管理是分散的。 技能（Skills）由用户自行安装和配置，没有统一的审核机制。无法知道哪个 Agent 在调用什么工具、消耗了多少资源。
煎蛋数字员工的设计正是为了解决这三个问题，让 AI Agent 从"开发者电脑上的脚本"变为"企业 IT 系统中可治理的资产"。
核心架构：大脑在云，肢体在端
数字员工采用云-端分离的架构设计：
大脑在云端： Agent 的核心推理、决策逻辑、工作流引擎在服务端运行。所有对话的思维链（CoT）、工具调用决策、记忆检索，都在服务端的统一环境中完成。这样做的好处是：
- 推理过程可被审计，每一次决策都有完整的上下文记录
- 模型调用受配额管控，不会因为 Agent 逻辑死循环导致"账单爆炸"
- 核心逻辑集中升级，不需要每个客户端手动更新
肢体在客户端： 工具执行和技能（Skills）在客户端本地环境运行，直接调用本机资源。这样做的好处是：
- 功能不打折：本地工具可以访问文件系统、调用本地 API，不受云端沙箱限制
- 安全性可控：客户端不暴露网络端口，工具执行采用服务端下发指令、客户端拉取执行、结果回传的受控模式，极大收窄了内网渗透的攻击面
这种架构的核心思想是：核心决策必须集中可控，执行层面可以分布式部署。
身份穿透：Agent 以你的权限行事
这是数字员工最关键的"企业级"能力。当一个数字员工被分配给某个用户使用时，Agent 调用任何资源（知识库、工具、API）时都会携带该用户的身份凭证。
这意味着：即使 Agent 的逻辑写了"读取所有财务报表"，当它被分配给一个只拥有华东区权限的员工时，Agent 只能读取华东区的数据。权限控制不是在 Agent 层面做的，而是在身份层面做的——Agent 严格继承其所属用户的权限边界。
从安全角度看，这是一道根本性的防线：Agent 的行为范围被人为地约束在用户的职权范围内，从机制上杜绝了越权访问。
记忆隔离：每个人都有自己的"数字同事"
传统 Agent 的记忆是全局的——所有用户共享同一份对话记录。数字员工为每一个用户维护完全独立的记忆空间：
- 员工 A 告诉 Agent "本周五我要出差"，这个信息只存在于 A 的记忆中
- 员工 B 与同一个 Agent 对话时，Agent 完全不知道 A 的任何信息
这是通过向量数据库的标量过滤与分区键机制实现的。每个 Agent-User 对拥有独立的记忆分区，支持大并发下的秒级检索。一个数字员工可以同时为数百个用户提供服务，而每个人的交互体验是隔离和个性化的。
技能管控：标准化能力，集中化审核
在个人 Agent 方案中，用户可以自由安装任何脚本作为"技能"。这在企业场景中是灾难性的——无法审核技能来源，无法验证技能是否包含恶意代码。
数字员工的技能管理采用平台集中管理模式：
- 所有技能在平台层面统一上传、审核、发布
- 管理员可以按用户角色配置细粒度权限——哪些部门可以使用哪些技能
- 数字员工只能挂载已通过审核的技能，杜绝了"黑产"插件的可能性
实时引导：在执行中调整智能体行为
与传统聊天不同，数字员工不需要等它说完才能继续输入。在智能体回复过程中，你可以随时继续输入来调整它的行为：
- 智能体正在生成分析报告，你输入"改分析 Q2 的数据"——智能体会在当前输出完成后自动调整方向
- 智能体在调用工具时，你输入"用英文回复"——智能体切换语言继续
- 智能体走偏了方向，你输入修正指令——智能体会在下一次推理时采纳
这种"实时引导"（Steering）机制让你不再被动等待 AI 的输出，而是像和真人同事协作一样——边看边给反馈。
全链路审计：看得见的信任
数字员工的每一次对话、每一个工具调用、每一步思维链推理，都会被完整记录在服务端数据库中。这是企业合规的基础：
- 当客户投诉"AI 说了不该说的话"时，可以精确回溯到对话的每一步
- 当需要排查"Agent 为什么调用了这个 API"时，可以查看完整的决策链路
- 所有日志集中在服务端，不需要到各个客户端上搜集
数字员工 vs. 普通智能体
| 维度 | 普通智能体 | 数字员工 |
|---|---|---|
| 记忆 | 单次对话上下文 | 用户级长期记忆，跨会话持久化 |
| 身份 | 匿名对话 | 身份穿透，继承用户权限 |
| 技能 | 工作流内嵌调用 | 独立技能包，集中审核管理 |
| 工具 | 工作流节点调用 | 独立开关管控，支持客户端执行 |
| 委托 | 不支持 | 可委托任务给其他数字员工或工作流（Coordinator-Worker 模式） |
| 检索 | 工作流节点按预设关键字单次检索 | 自主决定关键词和多轮检索，支持多跳推理 |
| 部署 | 发布为聊天服务 | 可部署到物理/虚拟机工作站 |
| 审计 | 基础对话记录 | 全链路审计：CoT + 工具调用 + 身份 |
适用场景
数字员工尤其适合以下企业场景：
- 多用户共享的专家助手：同一个财务数字员工分配给整个财务团队，每个人看到的数据不同但使用的规则一致
- 需要审计合规的客服场景：所有对话可追溯，满足金融、医疗等行业的合规要求
- 跨部门协作的流程自动化：数字员工携带用户身份在不同系统间传递和处理数据