织元协作台 geniusdapeng-collab/workloom-im

WorkLoom 织元 · DeepSeek Harness 企业级智能体 IM

面向 AI 时代人机共存的新形态组织协作底座 · Enterprise Agent IM powered by DeepSeek Harness

传统软件给人一堆扳手，WorkLoom 给业务负责人一座太空驾驶舱。

English · 简体中文

🌐 官网 · Official Website：workloom.ok.kimi.link

想更直观地了解这个项目？官网有完整的产品故事、系统架构、技能市场案例与实机截图。

🧭 理论纲领 · AI 自主经营模式

客户购买的不是工具，而是一家正在运行的公司。
本仓是 WorkLoom「AI 自主经营」体系的一部分；完整纲领《AI 自主经营纲领——论一个新经营范式的诞生》见 AI-AUTONOMOUS-OPERATIONS.md。

- 成本结构翻转：人类公司的管理动作，是为"人不可靠"支付的三种对冲税（激励 / 层级 / 监督）；AI 自治退掉这笔税，转而为 边界定义 + 持续评测 付费。
- 三个翻转：管理对象从动机 → 边界；经营动作从传递信息 → 分配注意力；行业 knowhow 从"人在经验在" → 可计量资产。
- 责任不可自动化：AI 不能坐牢、不能赔钱。围栏 / 人审 / 汇报 / 事件账本构成的治理层，是自治的对价，不是限制器。
- 终态判据：没有客户操作，这件事还会不会发生？"开箱即用"不够——终态是 没开箱就在运营：首次登录看到的是已经跑出来的业务进展与第一份汇报。
- 自治权是挣来的：观察 → 请示后执行 → 汇报后执行 → 全权自治，按决策域用回测证据升降档；汇报透明是自治的价格标签。
- 度量即货币：自治率、客户干预率、回测命中率三条曲线决定自治权扩张；模拟成功不计入自治率。

🧩 系统能力速览（自动生成 · 与代码同步）

以下为源码目录与入口清单；实际调用及结果状态见能力导览的独立证据字段，未验证项不能作交付承诺。

- 🖥 三端应用入口：PC 端 · B 端工作台 · 移动端 · B 端高保真 · 移动端 · C 端 AI 服务前台
- 🏨 行业 Bundle（垂直能力包）：bundles/ai-pm/ · bundles/hotel/ · bundles/platform/
- 🧑💼 数字员工与数字人（本仓自带）：数字员工中心（/agents） · 织伴数字人（Live2D 常驻浮层） · 语音与口型引擎 · Live2D 渲染后端与资产
- 🖐 操作电脑能力（本仓自带 · 可装生产工作站）：computer-use 三层感知入口 · HTTP 远程驱动 + MCP server
- 🤖 AI 自动化引擎（系统内置能力）：围栏 DSL 引擎 · 技能保鲜环（下行分发） · L2 编排（ASK/QUEST） · 夜班自动运行 · 模型路由 · 五元事件 + RLS 隔离 等 10 项
- ✅ 验证与质量（工程纪律）：一键安装（bootstrap） · 主测试套件 · 发布门禁 · 五元事件验链 · Agent 能力巡游 · 环境自检
- 🎁 演示与交付资产：高保真演示页 ×6 · 官网静态站 · 自带技能 ×5 · 能力导览 PPT · Mock 数据体系

📖 完整能力导览（含截图与体验路径）：docs/capabilities.auto.md ｜ 🤖 AI Agent 入口：AGENTS.md ｜ 🎯 首启必跑：pnpm preview:all

目录

- 这是什么
- 实机运行截图
- 五分钟跑起来
- 核心创新：首款企业级专业 Agent IM
- 业务模式：给老板一座太空驾驶舱
- 与通用 AI 办公的本质区别
- 核心能力
- 系统架构与业务闭环
- 开发者与 AI Coding Agent 指引
- 安全设计
- 文档索引
- 路线图

这是什么

WorkLoom 织元是一台企业级 Agent IM（Enterprise Agent IM）——以「即时通讯」为人机共存的统一界面，把 AI Agent 班组（数码员工）与人类员工编进同一个通讯录、同一套会话、同一份组织记忆里协作。运行时地基采用 DeepSeek Harness（dsh），是企业场景下 dsh 的深度最佳实践。

它不是又一个聊天机器人，也不是又一个 Copilot 侧边栏。它回答的是一个更根本的问题：

当大模型成为新的生产力引擎，企业的「生产关系容器」应该长什么样？

WorkLoom 的答案是：大模型是蒸汽机，企业 Agent IM 是织机。 蒸汽机本身不织布——织机才把动力变成布匹。同样，大模型本身不产生经营结果，Agent IM 才把模型能力变成可度量、可治理、可沉淀的经营产出。

- 适用：任何「有明确产出指标 + 大量重复处置动作」的组织——服务业门店（餐饮/零售/生活服务）、社媒营销团队（选题/文案/发布/互动/复盘）、AI 视频与内容创作团队（脚本/分镜/素材/排期/评论处置）等；需要 AI Agent 进组织、上产线、可问责的团队。行业能力以 Bundle 可插拔加载，bundles/ 下附服务业门店参考实现。
- 不适用：纯聊天机器人 / Copilot 侧边栏诉求；无状态问答 SaaS；不愿自托管 PG 的场景（数据主权设计是 local-first）。

实机运行截图

以下截图全部来自本仓库一键拉起的真实模拟运行态（pnpm preview:all：种子演示数据 + 离线确定性模型，页面顶部琥珀色横幅为刻意的运行态标识），非设计稿。

PC 端 · B 端工作台（:3000）

经营主页（/）· 经营剧场：数字CEO 晨报、员工卫星群、待决策请示、实况字幕流，全部由事件实时驱动

数字员工（/agents · 人机混编通讯录：人类成员与数字员工同册，含岗位、版本、围栏绑定、30 天战绩与段位）｜ 经营驾驶舱（/executive · 数字CEO 授权/裁决/评议/汰换）

审批中心（/approvals · 决策收件箱，推进/校准/制动三手势）｜ 夜班中心（/night · 夜班值守班组频道与峰谷计量）

统一待办（/inbox · 一人多店跨工作区聚合）｜ 组织记忆（/memory · 三级作用域 + 语义检索 + 来源归因）

技能中心（/skills · 技能市场与自建技能）｜ 考试院（/exams · 数字员工上岗/复考，错题本与红线题）

围栏规则（/guardrails · auto/review/block 三级与基线红线）｜ 事件账本（/events · 五元事件 + SHA-256 哈希链，可回放可验链）

数字人 · 织伴（Live2D 常驻小秘书）

织伴开场（S0–S4 全身像登场 + 语音字幕）｜ 织伴面板（聊聊 / 设置 / 记忆：换人设、换音色、看得见 AI 记住了什么）

移动端（:3001 高保真演示 / :3002 C 端服务前台）

移动 B 端经营主页（数据与 PC 同源）｜ 移动 B 端数字员工名册 ｜ C 端 AI 服务前台（真实问答，打通工单与账本）

移动 B 端统一待办 ｜ C 端服务大厅 ｜ C 端工单（与 B 端账本同源，处理进度用户可见）

五分钟跑起来

⚠️ 强制约定：首次启动必须执行 pnpm preview:all，否则视为未完成环境初始化。
一键拉起三端全貌并自动固化 Mock 模拟数据（无需任何真实后端/密钥）：

pnpm setup && pnpm preview:all
pnpm setup = 一键安装：环境检查 → .env → 依赖 → PG 数据库 → 迁移种子 → 可选「操作电脑」桌面栈（幂等）

| 端 | 地址 | 说明 |
| 🖥 PC 端 · B 端工作台 | http://localhost:3000 | 经营主页 / 任务中心 / 规则中心 |
| 📱 移动端 · B 端 | http://localhost:3001 | 高保真演示页 + 手机壳容器（自动发现） |
| 📱 移动端 · C 端 | http://localhost:3002 | AI 服务前台 H5（小程序入口模拟，演示直登） |

- Mock 数据口径见 mock/README.md；验收清单见 PREVIEW_CHECKLIST.md
- 日常开发 pnpm dev 只起 PC 端（server:8787 + web:5173），保持开发习惯

三分钟启航（Mac 用户，免命令行）

1. 下载：到 CNB Release 下载对应架构的安装包—— Apple Silicon（M 系列）用 WorkLoom-mac-arm64.dmg，Intel 用 WorkLoom-mac-x64.dmg；同页附 WorkLoom-SHA512SUMS.txt（sha512 校验表，shasum -a 512 可逐字节核对）。
2. 打开 dmg 拖入应用程序：首次打开如遇 Gatekeeper 提示，在「系统设置 → 隐私与安全性」点一次「仍要打开」即可——这是唯一一次需要手动授权。
3. 双击 WorkLoom.app：启动器自动完成一切——内嵌 PostgreSQL 17 + pgvector 初始化、数据库迁移、服务拉起、工作台打开。无需安装任何依赖，无需命令行。

系统要求：macOS 13 Ventura +；Apple Silicon（M 系列）与 Intel（x64）均有对应安装包。

开箱即运行态与真实数据接入

db:seed 完成即进入一个「忠实客户高频重度使用」的全模拟运行态：经营剧场（默认首页 /，等距 2.5D 数字职场里员工打字/踱步/举手/庆祝全由事件实时驱动）有数字CEO 晨报、员工卫星群、待决策请示、实况字幕流，全部为演示种子数据 + 内置确定性模型（零外部依赖）。

接入真实数据走落地向导（/onboarding，点击横幅「接入真实数据 →」）：① 环境自检（自动）→ ② 真实大模型（DeepSeek/Kimi/智谱/OpenAI 预设一键填，真实试调通过才落盘，保存即全链生效免重启）→ ③ 经营主体 → ④ 启用真实模式（横幅熄灭，全程五元事件留痕）。ask 问询另支持联网实时检索事实面（ASK_WEB_SEARCH=1，Bing RSS，keyless），与库内实时数据合并供模型合成。

Keywords: Enterprise Agent IM, DeepSeek Harness, dsh, AI Agent 协作, 多智能体 Multi-Agent, 人机共存 Human-in-the-loop, 数码员工 Digital Workforce, 事件溯源 Event Sourcing, 组织记忆 Organizational Memory, pgvector, 本地优先 Local-first, 数据主权 Data Sovereignty, Hono, tRPC, React 19, PostgreSQL 17, 企业 IM, Agent 技能市场 Skill Marketplace, WorkData

一、核心创新：首款企业级专业 Agent IM

1.1 企业引入 AI 的五道断层

企业不缺模型，缺的是让模型「进组织、上产线、可问责」的最后一公里。五道断层横在中间：

| 断层 | 现象 | WorkLoom 的接法 |
| 上下文断层 | AI 不知道企业是谁、业务到哪一步 | WorkData 五元事件库沉淀组织记忆，Agent 与员工共享同一份上下文 |
| 执行断层 | AI 只会说不会做，或做了没人敢认 | Quest 任务卡 + 围栏三级授权，动作全部落在事件链上 |
| 治理断层 | 出了错没人知道是谁、哪一步 | 黑匣子式全量审计：谁发起、谁批准、谁执行、结果如何，逐条可回放 |
| 度量断层 | AI 的产出无法换算成经营语言 | 经营目标（Quest）驱动，早八点战报用 KPI 口径汇报 |
| 数据安全断层 | 数据上云不放心，权限边界说不清 | 本地优先 PostgreSQL + 行级安全（RLS），数据主权在企业自己手里 |

1.2 AI 原生：第一公民不是消息，而是「可追责的动作」

传统 IM 把「沟通」数字化了，但没有把「行动」数字化——消息发出去，事还得人去办。Agent IM 是 AI 原生（AI-native）的协作底座：它的第一公民不是消息，而是「可追责的动作」——每个动作都有主体、有授权、有结果、有留痕。

最直观的分水岭是审批卡片：飞书里的审批卡片是外挂的 OA 插件，点一下就跳出 IM、跳进另一个系统；WorkLoom 里的审批卡片是原生消息类型——它本身就是事件流里的一环，批准手势直接写回事件库成为校准样本。这个差别，就是两个时代的差别。

服务对象也换了：传统 IM 服务人，Agent IM 服务 AI——主体换了。在 WorkLoom 里，人和 AI 在同一个 workspace 协作，IM 的每个原生概念都被重新定义：

| IM 概念 | Agent IM 重定义 |
| 消息 | = 事件（五元结构，append-only，可审计） |
| 通讯录 | = 人机混编班组（人类员工与数码员工同册） |
| 群 | = 任务线程（三态：进行中 / 待裁决 / 已归档） |
| 审批 | = 原生消息类型（不是外挂插件） |
| 在线时长 | = 无人值守经营时长（7×24 夜班不打烊） |

1.3 IM 本体正名：为什么底座是 IM

市面上把 AI 塞进 IM 的产品不少，但把 IM 作为人机共存操作系统来正经设计的，WorkLoom 是第一款：

| 能力域 | IM 原生语义的重新诠释 |
| M1 消息即事件 | 每条消息都是五元事件（主体/动作/对象/上下文/结果），天然 append-only、可审计 |
| M2 围栏即行动权限 | 「群公告」式围栏：Agent 能做什么动作，由权限三级（自动/审批/禁止）精确控制 |
| M3 三态会话 | 会话即工单：进行中 / 待裁决 / 已归档，业务状态一目了然 |
| M4 夜班永不下线 | Agent 数码员工 7×24 值守，夜班班组自动巡检，人类下班业务不下班 |
| M5 审批原生消息 | 审批不是跳转外链，是 IM 里的一张卡片：同意 / 驳回 / 改派，一键完成 |
| M6 人机混编通讯录 | 人类员工与 Agent 数码员工同册并列，按部门、技能、可调度性编排 |
| M7 组织记忆 | 会话沉淀为可检索的组织知识，pgvector 语义召回 |
| M8 塔台管制 | 紧急制动：一键暂停全场 Agent，控制权永远在人类手里 |
| M9 经营仪表 | KPI 巡检、阈值告警、早八点战报，IM 首页就是经营驾驶舱 |

1.4 人机共存的新形态：人只做三件事

在 WorkLoom 组织的协作里，人类从「操作者」升格为「主理人」，只做三件机器替代不了的事：

- 供给：提供目标、素材、预算与业务判断（设定航线）
- 裁决：在围栏审批点上拍板（同意 / 驳回 / 改派）
- 沉淀：把一次好的协作固化成班组 SOP 与技能，下次自动复用

其余一切——执行、巡检、对账、夜班值守、写战报——交给 Agent 班组。

二、业务模式：给老板一座太空驾驶舱

WorkLoom 的购买决策人不是 IT 部门，而是业务负责人——门店老板、运营总监、社媒营销负责人、内容团队主理人。产品的一切设计都对着他们的语言。

2.1 太空驾驶舱六条公理

| 太空驾驶舱 | WorkLoom 对应 | 业务含义 |
| 目的地 | 经营目标（Quest） | 不说「功能」，说「本月营收提升 8%」这类可验收目标 |
| 自动驾驶 | Quest + 夜班自动执行 | 设定目标后，班组自动拆解、执行、巡检，夜班不打烊 |
| 禁飞区 | 围栏三级（自动/审批/禁止） | 涉及钱、合同、客户数据的动作，未经批准一律不得执行 |
| 仪表盘 | KPI + 巡检告警 | 经营指标实时可视，异常自动亮红灯并 @ 负责人 |
| 黑匣子 | WorkData 五元事件库 | 每一步操作留痕，可回放、可审计、可归责 |
| 塔台 | IM 卡片 + 一键暂停 | 老板在手机上就能审批、改派、紧急制动 |

2.2 业务价值的三个「不再是」

- 投入不再是买软件：不再是按账号付年费买一堆用不起来的功能，而是按经营目标雇佣一支「数码班组」——先定目标，再看产出。
- 产出不再是过程指标：WorkLoom 汇报的不是「AI 调用了多少次」，而是「昨夜线上差评全部响应、本周渠道价差收敛、本月夜班挽回 N 笔流失订单」——经营口径，老板语言。
- 数据不再是代价：组织记忆沉淀在企业自己的数据库里（本地 PostgreSQL + pgvector），不喂给任何第三方。用 AI 越久，企业自己的数据资产越厚——这是复利的方向。

2.3 通用底座：任何「有指标 + 有重复动作」的组织都能落地

WorkLoom 是一套通用 Agent 协作底座，不是某个行业的专用系统。 今天大量行业有一个共同的低效结构：企业买了大量平台和工具，员工在十几个系统之间切来切去，大量时间耗在机械化的操作上——查数、对账、抄单、回消息、发内容、回评论；更贵的是，人在机械操作的间隙里还要不断做判断，注意力和决策力被反复切碎。这个结构里的每一件事，AI 能力今天都已经被验证可以承担；缺的不是 AI 能力，而是一个让 AI 进组织、上产线、可问责的容器。

WorkLoom 就是来解这个问题的——行业能力以 Bundle 可插拔方式加载，底座（安全网关 / 事件库 / 围栏 / 审批 / 夜班 / 技能市场 / 组织记忆）与行业无关：

| 领域 | 典型数码员工 | 经营口径产出 |
| 服务业门店（餐饮/零售/生活服务） | 收益管理、渠道对账、差评处置 | 营收指标、差评响应时长、价差收敛 |
| 社媒营销 | 选题策划、文案生产、发布排期、互动回复 | 发布节奏达成率、互动响应时长、线索转化 |
| AI 视频与内容创作 | 脚本起草、分镜拆解、素材生成、评论处置 | 产出管线吞吐量、发布准点率、爆款复盘沉淀 |
| 销售型电商/门店运营 | 巡检告警、客服分流、对账值守 | 异常发现时长、挽回订单数 |

bundles/ 下的服务业门店参考实现（收益管理 / 渠道对账 / 差评危机处置三个预制技能随包附赠，新客户约 30 分钟跑通，详见新客户首次接入完整流程）；社媒营销与内容创作领域的 Bundle 在路线图上（见文末）。同一底座复用到新领域时，需要换的只是 Bundle（技能包 + 围栏基线 + 巡检项），底座代码零改动——这也是 H-15 验收断言的硬约束。

三、与通用 AI 办公的本质区别

通用 AI 办公助手（如腾讯 WorkBuddy、阿里千问办公、QoderWork 等）解决的是「帮员工把活干完」——数字化的是个人办公任务。WorkLoom 解决的是「让组织里的人与 AI 一起把生意跑起来」——数字化的是组织经营动作。这不是功能多寡的差别，是品类差别：

| 维度 | 通用 AI 办公助手（WorkBuddy / 千问办公 / QoderWork） | WorkLoom 织元 |
| 服务对象 | 服务「人」：个人/员工的桌面提效助手 | 服务「AI 与组织」：AI 是组织成员，人升格为主理人 |
| 数字化对象 | 个人办公任务：文档、表格、纪要、资料整理 | 组织经营动作：每一个动作可追责、可审计、可回放 |
| 产品形态 | 桌面客户端 / 个人工作台，一人一助手 | 企业级 IM 底座：人机混编班组在同一个 workspace 协作 |
| 与 IM 的关系 | IM 是远程遥控入口（手机发指令指挥电脑） | IM 是本体：消息=事件、审批=原生消息类型 |
| 协作粒度 | 单人任务拆解执行 | 目标 → 步骤 → 技能装配的组织级流水线，夜班班组 7×24 |
| 数据归属 | 个人账号 / 云端为主 | 企业本机：数据主权 + RLS 多租户隔离 |
| 产出口径 | 交付文档、表格等个人产物 | 经营口径：营收、差评响应时长、挽回的订单 |

一句话：通用 AI 办公让员工的 8 小时更高效；WorkLoom 让企业的 24 小时自动运转。 二者不冲突——员工可以继续用 WorkBuddy 写文档，而 WorkLoom 在组织层把 AI 编成一支可治理、可度量、可归责的数码班组。

四、核心能力

4.1 WorkData 数据大脑：核心底座

WorkData（packages/base/workdata）是 WorkLoom 的核心底座——企业的「数据大脑」与「黑匣子」。九域能力、DeepSeek Harness 运行时、工作台前端的所有读写，都经由 WorkData 唯一收口。

三段核心机制：

| 机制 | 做什么 | 为什么重要 |
| ① 安全网关三段瀑布（gateway） | PII 脱敏 → 围栏预检 → 幂等去重，三段全过才落账 | gateway 是唯一写入者，双角色收口——旁路写入在物理上不存在 |
| ② 五元事件库（events） | 主体/动作/对象/上下文/结果，append-only + SHA-256 哈希链 | 「模型可见即已记录」：Agent 看到的每一条上下文都已留下不可篡改的痕 |
| ③ 组织记忆（memory + recall） | 三级作用域（个人/班组/组织）+ pgvector 语义检索 + 来源归因 + 脱敏回流 | 企业用 AI 的每一天都在积累自己的数据资产，而不是替别人训练模型 |

可靠性实证（敢让 Agent 碰生产业务的前提）：

- kill -9 崩溃测试：Agent 执行到一半强制杀进程，重启后沿哈希链重放恢复——25 条事件链逐条校验，零丢失、零重复执行
- 验链：全量哈希链校验，任何篡改都会断链报警（pnpm db:verify-chain）
- 重放幂等：同一事件流重放 N 次，世界状态必须一致

数据主权：全部数据存于企业本机 PostgreSQL 17 + pgvector，RLS 行级安全隔离多租户，不上传任何第三方。

4.2 技能市场：目标如何自动拆解为步骤，步骤如何装配技能

WorkLoom 的装备库（skills）就是技能市场：技能分三级——official（随行业 Bundle 官方分发）、team（工作区自建）、industry（脱敏后跨组织共享）。用户可以安装现成技能，也可以用自然语言自建。

真实案例（服务业门店）：店长说「差评响应要做到 2 小时内」

店长一句话目标 │ ▼ 意图路由（intent）——LLM 分类 + 规则兜底，判定为 Quest（经营目标） │ ▼ 自动拆解为任务卡步骤 │ ├─ 步骤 1 差评监测 ── 装配技能 review-crisis（official，行业 Bundle 自带） │ └─ 夜班班组 7×24 巡检线上评价渠道，新差评 5 分钟内检出 │ ├─ 步骤 2 安抚草稿 ── Agent 基于组织记忆（该客户历史消费记录）起草回复 │ └─ 调用 WorkData recall 检索相似历史差评的处置经验 │ ├─ 步骤 3 主理人审批 ── 围栏判定：对外发送 = review 级 → 审批卡片发给店长 │ └─ 店长点「同意」，手势写回事件库（校准样本 +1） │ ├─ 步骤 4 回复发布 ── 批准后自动执行，全程留痕进五元事件链 │ └─ 步骤 5 复盘沉淀 ── 意识系统（awareness）发现「同类差评每周 ≥3 次」 └─ 自动建议固化为新技能 → 店长一键确认 → forge 生成技能草稿 → dry-run 回放最近 10 条历史动作预览效果 → 正式上线

同一底座在内容领域：社媒营销负责人说「每天 3 条小红书，评论区 1 小时内必回」

营销负责人一句话目标 │ ▼ 意图路由 → Quest 拆解为步骤 │ ├─ 步骤 1 选题起草 ── 装配文案技能（team 自建 or industry 上架）， │ └─ 基于组织记忆（历史爆款复盘）生成 3 条初稿 ├─ 步骤 2 主理人审批 ── 对外发布 = review 级 → 审批卡片逐条裁决（可改后采纳） ├─ 步骤 3 定时发布 ── 触发器按排期执行，全程事件链留痕 ├─ 步骤 4 评论夜班巡检 ── 夜班班组巡检评论区，常规问题自动草拟回复、 │ └─ 敏感/投诉类自动升级人工（围栏判定） └─ 步骤 5 数据复盘 ── 早八战报汇报曝光/互动/转化，高表现打法经意识系统 └─ 固化为新技能——团队的「内容手感」从此沉淀在组织记忆里

AI 视频创作同理：脚本起草 → 分镜拆解 → 素材生成 → 发布排期 → 评论处置，每一步都有主体、有授权、有结果、有留痕——内容团队的生产管线就是 Quest 流水线。

技能市场的安全铁律：

- 安装即绑定围栏，卸载即撤销：技能声明自己能做什么动作，安装时与现有围栏冲突的一律进审批，不静默放行
- industry 层上架前必须脱敏（desensitized=true），否则拦截，禁止降级
- 生产仅签名白名单：首版只认 official + team，其余来源拒绝并留痕
- 自建技能生效前必须 dry-run：回放真实历史动作预览效果，没有预览留痕就拒绝安装

零代码自建技能（forge）：用自然语言说清三要素——触发（什么时候做）、步骤（怎么做）、边界（不能做什么）——系统自动生成标准 SKILL.md 技能草稿，进版本管理，同名再生成自动递增版本号。

4.3 通用模型路由系统

积分是货币，模型是生产资料，路由是资源配置机制，数字员工是新型劳动编制。 底座内置完整的模型路由与商业化积分体系，行业差异全部经 bundle 配置注入，底座代码零改动：

- 国产三档模型池：L1 轻量档 0.2×（DeepSeek-V4-Flash / GLM-5.3-Flash / Qwen3.8-Flash）· L2 中坚档 1×（DeepSeek-V4-Pro / GLM-5.2 / MiniMax M3）· L3 旗舰档 3×（GLM-5.3 / Kimi K3 / Qwen3.8-Max），每档三家互备降级链（L6.1 禁止静默换模型，全程事件留痕）
- 场景路由表（bundle 第⑦装配槽 model-policy.yml）：行业场景 → 默认档位/降级语义/计费归属，非阻断校验、草稿自带骨架；新行业五要素填充即继承底座路由策略
- 三档套餐映射：智享版整体压一档 / 标准版标准混合 / 智能版简单任务也保底 L2——差异是默认映射不是功能墙，任何档可经升级重答触达 L3
- 真实积分计量与三池账本：1 积分 = 1,000 tokens（L2 基准），谷时 22:00–08:00 ×0.2；赠送（30 天）/加油包（180 天）/本金（不过期）三池先扣先到期；账单 = 事件投影不重算（L6.3）；售前体检 bill_to: platform 平台承担成本
- 反馈环：AI 生成卡片 👍/👎 → 点踩升一档免费重答（24h 限免 1 次）→ model.feedback 事件回流 → 路由质量周报（升级率 >15% 场景建议上调默认档，接入 CEO 晨报风险栏）
- 多模态生成池：视频渲染异步任务制（submit→task_id→poll→回填），Seedance → 可灵 → 即梦三供应商降级链；渲染额度台账（套餐秒数配额 + G8 前置预算闸）
- 轻量复杂度分类：自由输入场景规则启发式定档（短问句→L1 / 分析归因→L3），可挂 L1 分类器复核（单次 ~0.2 积分）
- 降级语义行业化：downgrade（降档重答）/ passthrough-disclose（金融：宁可不答不可错答）/ queue（谷时排队）/ rule-template（确定性兜底）

商业化换算：加油包五档 450→13,800 元（单积分 0.090→0.069 元递减）；定价锚定「一个基础员工的月薪 = 一支自主经营的 AI 团队」。

4.4 数字CEO 与经营剧场

为什么有它：数字员工解决的是「手」的问题，没解决「脑」的问题——员工越强，老板越忙。人类 CEO 的三件事是做决策、带团队、向董事会汇报，数字CEO 把这三件事机器化：它统领全部数字员工、对经营结果负责，人类（董事长）只做「提目标、听汇报、批少数决策」。

三大职责：

- 做决策：三级分流——微决策规则直通 <1s / 常规单模型推理 / 重大决策六步深度管线（情报→案例回忆→多方案→红队对抗→影响预估→Memo Pro）；决策日记 + 命中率回测，命中率数据驱动授权扩缩
- 带团队：员工绩效档案六指标 → 周度评议（表扬/关注/辅导）→ 辅导改善→汰换重生（诊断书+新员工设计方案→董事长批→旧停新上，基因重组）
- 向董事会汇报：晨报/周会/月度董事会包（五段式含宪章修订提案）IM+App 双通道；赞/踩反馈入组织记忆

运行机制：

- 默认关闭：启用须经六步深度授权（风险揭示/逐项确认/边界设定/试用计划/身份核验/签署留痕），见 docs/CEO-RISK-DISCLOSURE.md
- 影子→试用→正式：影子期模拟决策不执行（dry_run 留痕），试用期自治边界自动降一档，到期不自动续期
- 五级审批路由：L2 公司CEO 裁决 / L3 集团CEO / L4 董事长请示，Decision Memo 依据链强制
- 自治熔断：KPI 跌破宪章下限自动收紧授权一档

经营剧场：打开系统首页（/）即是经营剧场——「织元体」全息数字CEO 与员工卫星群站在舞台中央（纯 SVG+Canvas 零素材），晨报它主动讲、请示它举着等你批、聊天框三模式真实路由；董事长不说话，剧场照常运转。P1–P21 成为剧场的「镜头」：剧场管感觉，工作台管操作。

演示：pnpm db:seed 后 pnpm dev → 首页即剧场（云栖已有一位试用期中的公司CEO）；P21 董事长视图体验授权/裁决/评议/汰换全流程。

4.5 夜班：服务的不是「夜晚」，是「人的离线」

夜班锚的从来不是「AI 的工作时间」——AI 本来就 24 小时全勤——而是「人的离线时间」。它是人类免打扰时段的系统运行模式，底座内置四层实质：

1. 触达上免打扰——非 P0 不叫人，全部聚合为清晨决策包（什么事配得上叫醒人，由系统先把关）
2. 权限上自降级——夜间仅白名单动作自治、高危审批超时升级而非自动放行，人不在线时系统自己把权力收小
3. 业务高峰窗口由行业 Bundle 定义——酒店=夜班接待与无人店断点、电商=欧美日间跨时区、社媒=流量晚高峰排期
4. 成本上是洼地——批量任务在谷时算力窗口执行（费率 ≤20%）

4.6 运行时地基：DeepSeek Harness 行业应用最佳实践

WorkLoom 没有重复造 Agent 运行时的轮子，而是站在 DeepSeek Harness（dsh）的肩膀上，把全部工程火力集中在企业级护城河上——这可能是 dsh 发布以来最深入的一次行业化落地。

双轨架构：地基用 dsh，护城河自研

┌─────────────────────────────────────────────────┐
│ L2 自研九域护城河（WorkData / fence-engine / │ │ im-channels / inspection / model-router / │ │ night-shift / review-console / skills / │ │ bundles / tenancy） │ ├─────────────────────────────────────────────────┤ │ L1 DeepSeek Harness（vendor/dsh，MIT） │ │ 智能体运行时地基：loop / 工具 / 模型路由 / │ │ 会话 / 持久化 / 插件（cordis） │ └─────────────────────────────────────────────────┘

为什么不自研地基？ 智能体主循环、工具调度、模型适配是会快速商品化的通用能力，跟开源社区共建远比闭门造车划算——dsh 由 DeepSeek 团队维护，迭代速度和质量都有保障。为什么九域必须自研？ WorkData、围栏、审计、夜班调度这些能力直接贴着企业的钱和数据，是 WorkLoom 的价值所在，必须完全掌控。

dsh 的消费方式：seam 精确对接（packages/runtime 只消费稳定接口）：

| 能力 | dsh 组件 | WorkLoom 用法 |
| 智能体主循环 | dsh-agent-loop | 班组执行引擎的底层循环 |
| 工具呈现 | dsh-agent-tool-presentation | 围栏拦截点在工具调用前生效 |
| 模型适配 | dsh-agent-default-model + model-router | 多模型路由：成本/时延/任务类型三维权衡 |
| 插件系统 | cordis | 通道插件（dsh-im）以插件形态挂载 |
| 指令体系 | dsh-agent-instructions | 班组 SOP 注入智能体上下文 |
| 持久化 seam | dsh session 持久化 | 事件桥落账到 WorkData 五元事件库 |

回馈社区：WorkLoom 把 IM 通道适配层抽成了独立的 dsh 插件 vendor/dsh-im（MIT），任何 dsh 应用都可以用它把智能体接入 IM 通道——这是我们对 dsh 生态的回赠。

4.7 账号体系：三域模型 · 行业版开箱自带的基础设施

账号体系（packages/base/accounts + 迁移 0027_accounts.sql）是行业无关的基座能力——客户域与伙伴域的全部机制都落在基座，经 base-sync 同步到所有行业仓；开辟新行业、拓展新客户时，这套体系随基座自动包含，无需任何额外动作。平台域（运营账号/服务账号/break-glass）在仙女座单方仓，不同步。

三域模型（真人三种，各进各的门）：

| 域 | 主体 | 认证 | 权限 |
| 客户域 | 客户企业真人（owner/manager/staff/readonly） | 手机验证码 / 邮箱密码 / 微信扫码（seam 先行） | 全局账号 accounts × 成员关系 memberships（角色+点状权限+快切 PIN） |
| 伙伴域 | 代运营 agency / 外包 contractor / 观察者 observer | 手机验证码 + grant 校验 | 能力白名单（客户 owner 签发、随时吊销、资金类永不开放、动作双向留痕） |

核心机制：
- 登录模块：自助注册开通（建企业+首店+本人即 owner）/ 邀请接受 / 激活码 / 工作区切换 / 前台快切 PIN（三班倒共用电脑）；双令牌（2h access + 30d refresh 散列旋转，单设备踢出/全员下线）；验证码散列一次性+日限 5+错 5 作废；连续失败 5 次锁 15 分钟；
- 身份兼容：账号登录终点仍解析为工作区成员身份（members 行）——既有 Identity/三守卫/RLS 零改动；
- 审批模板：三套业态默认（民宿一人店/无人酒店委托型/集团门店分级型），approval_policies 落库、参数可调；
- 集团层级：tenant_relations 两级租户（集团→门店，直营/加盟），配合覆盖层实现集团标准下发；
- API 密钥：scoped key（工作区级、能力白名单、速率限制、可吊销），集团 PMS/财务/HR 对接；
- 审计台账：login_events 全量留痕（登录/异常/锁定/邀请/激活）。

tRPC accounts 路由：auth.（公开：验证码/密码登录、注册、激活、邀请接受、refresh、伙伴登录）· my.（个人中心：会话/日志/PIN/我的授权）· admin.（成员邀请/移除/改角色、审批模板、API 密钥、伙伴授权、集团挂接）· inbox.unified（统一待办：跨 membership 聚合，一人多店的首页）。

Web 页面：/login（验证码+密码+扫码占位）· /activate（自助开通）· /invite（接受邀请）· P28 统一待办 · P29 我的 · P30 成员管理 · P31 伙伴授权。

测试：22 条（真实 PG 集成全链路：注册→登录→刷新旋转→切店→邀请→伙伴吊销→密钥→审批模板→集团层级）。

4.8 数字员工与数字人：从「一支班组」到「一个在场的人」

底座把 AI 从「对话框」变成「编制内的同事」，再进一步变成「一直在场的人」。两件事各自独立、可以分别启用：

① 数字员工（/agents · 人机混编通讯录）

- 同一本通讯录：人类成员卡（经营者/管理员/只读，在线状态由近 24h 事件留痕推导，不伪造 presence）与数字员工卡并列——岗位、版本角标、等级/段位、围栏绑定、技能包一目了然；
- 员工档案：点击任一数字员工进档案：身份与归属（Agent ID / 版本 / 工作区 / 来源 Bundle）→ 航道许可（围栏授权与实际声明逐条对账，悬空标红）→ 技能包（跳技能中心）→ 运行约束 → 30 天战绩（动作数 / 采纳率 / 被驳回 / 积分与峰谷占比，驳回原因回流偏好模型）→ 直接派遣（就地建任务线程）；
- 夜班自动上线：22:00–08:00 窗口内自动进入夜班态（青脉冲），窗口外转待命；只读岗位标绿（无写工具，物理上不能改数据）；
- 加装 / 汰换：加装走装配中心（行业 Bundle 分发），汰换由数字CEO 提诊断书 + 董事长批；
- 游戏化不是装饰：等级 / 段位 / XP / 采纳率是同一个投影——「经营即游戏」在员工层同样成立。

② 数字人 · 织伴（LoomMate · 全页面常驻）

织伴：Live2D 数字人常驻浮层，可切换人设与音色、语音播报、随时对话；记忆面板让「AI 记住了什么」完全透明

- 形象：Live2D 渲染（pixi-live2d-display + Cubism core，官方示例模型 Mao，可商用许可）——风格化 2D 绕开写实 3D 的恐怖谷，纯 WebGL，桌面端与浏览器一致；
- 驱动四要素：口型（语音边界事件 → 中文逐字开口度 + 快开慢收平滑，消灭方波硬切）、表情（mood → expression）、动作（gesture → motion + 常态呼吸）、视线追随（鼠标驱动注视，无操作时自主游移——「她在照看团队」）；
- 三态共存：小角落 / 大形象 / 屏保（全屏守护：红色事件中央强提醒、Esc 退出）；可拖拽吸附边缘、可收成小球、可隐藏为边缘把手；
- 首装开场：S0–S4 开场序列（全身像登场 → 自我介绍 → 行业化系统介绍 → 过渡引出团队），话术来自当前行业 Bundle，语音 + 字幕同步；
- 小秘书能力：统一待办聚合（勿扰时段静默，清晨一次性送达）、提醒、对话问答、记忆透明面板（按身份/事实/偏好/关系/情景/进行中分层展示，可单条删除）；
- 省电：静止 2.6 秒自动降帧（生态模式），说话/手势时满帧；应用空闲时预热渲染核；
- 三条铁律：不替人决策（只汇总与提醒）、不打扰（勿扰 + 聚合）、不装在线（状态与真实回执一致）。

想快速看效果：pnpm db:seed && pnpm dev → 打开 :5173，首页右下角即是织伴；点她可聊、可设置人设音色、可查看记忆。换形象 = 换模型文件，驱动链路零改动。

五、系统架构与业务闭环

五层结构自上而下：体验层（PC B 端工作台 / B 端与 C 端移动 / 织伴数字人浮层 / IM 通道 / Mac 桌面包）→ 服务层（Hono + tRPC v11，工作区上下文 + PG 行级安全）→ 能力层（自研十域护城河：WorkData 数据大脑、护栏、数字员工名册、数字人能力、守夜、决断、路由、装备库、巡检、服务前台……）→ 运行时地基（DeepSeek Harness seam 适配）→ 数据层（PostgreSQL 17 + pgvector，五元事件 append-only + hash chain）。

设定航线 → 护栏判定 → 班组执行 → 守夜战队（18:00 候选 / 22:00 出征）→ 08:30 决策包 → 主理人拍板，六节点闭环；「校准写回」与「沉淀」两条回路让每一次协作都让系统更懂这家企业。数字人织伴在闭环中承担人类的「不在场时段」；底部安全底线带（紧急制动 / 黑匣子 / 失败转人工）兜住一切异常。

六、开发者与 AI Coding Agent 指引

AI Coding Agent：进仓先读 AGENTS.md 与 .ai-prompt；全量能力清单见 docs/capability-map.md；一键能力自检 pnpm agent:tour；浏览器自动化指南 docs/agent-computer-guide.md。
🖐 操作电脑能力（本仓自带 · 可装生产）：packages/base/computer-use/ 65 动作三层感知，pnpm computer:preflight && pnpm computer:smoke 即验；专用工作站一键安装 + HTTP/MCP 远程驱动见 docs/computer-use-production.md。

6.1 仓库地图（pnpm monorepo）

| 路径 | 职责 |
| packages/base/workdata | 核心底座：安全网关 / 五元事件库 / PII 脱敏 / 组织记忆与检索 |
| packages/base/{fence-engine,review-console,im-channels,night-shift,inspection,skills,tenancy,bundles,model-router} | 九域能力：围栏判定 / 审批流 / IM 通道 / 夜班调度 / 巡检 / 技能市场 / 多租户与演示 JWT / 行业 Bundle / 模型路由 |
| packages/runtime | dsh seam 适配：意图路由（Ask/Agent/Quest 三模式）、Quest 循环（replay 断点续跑）、装配 |
| packages/{shared,db} | 五元 zod schema / 手写 SQL 迁移（DDL 事实源） |
| apps/{server,web,webc,site,desktop} | Hono+tRPC 服务 / 工作台 PC 前端 / C 端 H5 / 官网 / Mac 桌面包 |
| packages/base/wizard | 行业落地向导：首次装机的状态机与编排（技能一/二/三→交付配置），行业内容零预置（D18） |
| skills/official/ | 官方套件：industry-entry/（行业落地四技能 + 快速上线模板）、product-feedback/（反哺分析技能）（D17） |
| vendor/{dsh,dsh-im} | dsh 0.1.6-alpha.2 审计基线（只读）/ dsh IM 通道插件（MIT 回馈） |
| scripts/ | migrate / seed / demo / verify-chain / suite（371 场景用例） / dsh-gate |

6.2 最小跑通路径

环境：Node 24 LTS（corepack 自带 pnpm 10）+ PostgreSQL 17 + pgvector 0.8（docker compose up -d postgres 一条命令就绪）。

git clone https://github.com/workloom-ai/workloom-im.git
cd workloom-im
corepack enable && pnpm install && cp .env.example .env

数据库初始化（建库建扩展即可；migrate 自动创建 app/gateway 双角色并完成授权—— A3 旁路防控：只有 gateway 角色可 INSERT biz_events） psql -U postgres -c "CREATE DATABASE workloom;" psql -U postgres -d workloom -c "CREATE EXTENSION vector;"
pnpm db:migrate && pnpm db:seed # 17 个迁移 + 演示种子（种子幂等可复跑）

质量门禁（与 CI ci-gate 完全同口径）
pnpm typecheck # 全仓类型检查
pnpm test # vitest 168 例（base 152 + runtime 12 + shared 4）
RUN_DB_TESTS=1 pnpm -C packages/base test # PG 集成测试（默认 skip）
pnpm db:verify-chain # 哈希链全库重算（篡改检测）
pnpm suite # 371 条全场景用例（服务层 344 + HTTP E2E 27）
pnpm demo # 端到端演示剧本
pnpm doctor # 环境自检

日常开发
pnpm dev # server(:8787) + web(:5173)
pnpm app # 源码 server/web + Electron 桌面窗口；不需要 dist-payload
pnpm app:dev # 同一源码桌面入口，web 使用 HMR
pnpm app --smoke # 无头验证源码服务与 Electron 主进程；不代替安装包渲染冒烟

dist-payload/ 与 dist-payload.tar.gz 是安装包流水线产物，只在 app:pack / app:dist 之前按目标平台装配。正式安装包的后端首启与 WORKLOOM_RENDER_SMOKE=1 真实窗口验收始终从安装包 Resources 读取并校验完整载荷；源码启动不会伪造或复用这条发布路径。

6.3 真实模型接入（三模式真实运行态）

三种交互模式（ask 问询 / agent 逐步商量 / quest 自主执行）默认以确定性 mock 运行（D4 全流程可跑）；配置真实模型后全链真实化——意图分类（B8）、任务规划（B9）、ask 应答合成三环均走真实模型推理，模型出站强制脱敏（L6.2）：

.env
LLM_PROVIDER=openai # 任意 OpenAI 兼容端点（DeepSeek/月之暗面/智谱/OpenAI…）
LLM_BASE_URL=https://api.deepseek.com/v1
LLM_API_KEY=sk-xxx
LLM_MODEL=deepseek-chat

行业化落地经「落地向导」自动化完成（D18/D20）：写 LLM_ 四 env + registerAskFactProvider 注册行业事实面 + 装载行业 bundle（六槽），代码零改动即真实运行。

6.4 客户旅程模式（先体检，再托管）

底座为行业落地定义标准旅程——新客户从「质检模式（Audit-Only）」起步：只读接入数据源 → 快照快扫（15–30 分钟当场出《快速体检报告》，由 @workloom/audit-core 引擎 + 行业分析器算出真实发现）→ 持续体检（1–2 周）→ 影子模式（3 天）→ 正式托管。围栏纪律：体检期一切写操作物理 block（行业包 audit-only patch），检项由行业 Bundle 定义。

6.5 给 AI 助手的修改纪律

- 改网关/权限/RLS/append-only 相关代码前必读 docs/AUDIT.md 第 1 轮 P0 教训（RLS 事务级上下文必须配显式事务）
- 每个逻辑变更一个 commit；修复必须附回归测试（往 scripts/suite.ts 加用例优先于新建测试文件）
- 改完代码必须跑 pnpm suite；发布前必须跑 pnpm release:gate（未全过禁止发布，见 docs/release-checklist.md）
- UI 改动必须用浏览器能力实际打开页面截图核对，禁止「改了就算完成」
- 改了能力面（脚本/包/技能/演示页）必须跑 pnpm capabilities 重新生成人类版导览

6.6 桌面安装包发布通道（CNB）

仓库事实源在 CNB（GitHub 账号已失效），桌面安装包在 CNB 流水线内构建与发布：

- 流水线：.cnb.yml#desktop-release（触发 api_trigger_desktop_release，须以 DESKTOP_RELEASE_VERSION=vX.Y.Z 指定版本）。
编排顺序为 desktop-release-preflight（发布输入/资产锁/发布策略/命名一致性）→ desktop-release-macos（自托管 mac 节点：签名 Bundle → 载荷装配 → dmg arm64/x64 → 验签+公证+拆包验收）→ desktop-release-windows（自托管 windows 节点：同源 PG 运行时 → NSIS exe → 拆包验收）→ desktop-release-finalize（回读候选字节逐字节复核 sha512，产出 WorkLoom-SHA512SUMS.txt 与 WorkLoom-release-manifest.json）。
- 产物名（对外恒定，勿改）：WorkLoom-mac-arm64.dmg / WorkLoom-mac-x64.dmg / WorkLoom-win-x64.exe + 校验表 WorkLoom-SHA512SUMS.txt（sha512）。命名一致性由 node scripts/desktop-artifact-naming.mjs 门禁守住（文档 / CNB 流水线 / 发布策略事实源三处口径必须一致）。
- 前置（组织侧一次性）：接入自托管 mac / windows 构建节点（组织设置 → 构建节点，tags 分别为 mac,arm64 与 windows），并在仓库密钥注入桌面签名/公证/Bundle 私钥。缺任一项时流水线 fail-closed（预检列出缺项），不会产出未签名或半套制品。当前登记：BLK-B-01-003（桌面签名与公证密钥未配置）。
- 遗留通道：.github/workflows/desktop-production-release.yml 保留为发布策略事实源（product.manifest.json#release.workflow 与 release-publisher-policy 门禁按它校验发布纪律），GitHub 侧不再作为供货通道。

七、安全设计

- 数据主权：local-first，全部业务数据存于企业本地 PostgreSQL，RLS 行级安全隔离多租户
- WorkData 五元事件库：append-only + hash chain，审计不可篡改
- 围栏三级授权：自动 / 审批 / 禁止，碰钱碰数据的动作默认需人工批准
- 一键紧急制动：塔台随时可暂停全场智能体
- 依赖合规：vendor 内 dsh / dsh-im 均为 MIT，主仓库 Apache-2.0

八、文档索引

| 文档 | 适合谁 | 内容 |
| 门店店长使用指南 | 门店店长 / 门店负责人 | 下载安装 → 配置 → 日常使用，全程无技术术语 |
| 新客户首次接入完整流程 | 任意行业新客户 | 从下载到正式使用的通用接入流程（约 30 分钟） |
| 功能清单（用户版） | 所有人 | 全部功能按使用场景分类，业务语言描述 |
| 行业落地向导（用户版） | 新客户 / 交付 | 落地向导四步全解 |
| 测试套件用例清单 | 开发者 / AI 助手 | 371 条场景用例全表（pnpm suite 运行时导出） |
| 架构决策记录 | 开发者 | ADR：为什么这么设计（含否决方案论证） |
| 审计记录 | 开发者 / 安全 | 六轮审计的问题、根因、修复与门禁实测 |
| CHANGELOG | 所有人 | 版本变更历史（Keep a Changelog 格式） |
| 行业落地方法论 | 交付 / 行业拓展 | 行业落地三技能体系 |

九、路线图

- ✅ 当前：Mac 桌面包一键启航 + 官网 + CI 质量门禁（371 场景用例 + 哈希链验证，每次 push 全量执行）
- ✅ 数字员工中心（/agents）：人机混编通讯录 + 员工档案 + 30 天战绩 / 段位 / 派遣 / 夜班自动上线
- ✅ 数字人织伴（LoomMate）：Live2D 常驻浮层 + 语音口型 + 三态（小角落 / 大形象 / 屏保）+ 记忆透明面板
- ✅ v1.10 自我进化飞轮 P0（D24）：反馈 → 记忆 → 行为校准（偏好注入主链路 / 记忆提炼器 / 进化积分卡 / P23 组织记忆中心）
- ✅ dsh 0.1.6-alpha.2 已集成（subagent Codex / Claude Code 按需安装；E6 dsh-gate 门禁全绿）
- 🔜 Intel Mac 包 / Windows 包
- 🔜 技能市场 industry 层开放（脱敏审核流水线 + 跨组织安装）
- 🔜 更多领域 bundles（社媒营销、AI 视频与内容创作、餐饮、零售、物业）
- 🔜 dsh 上游新版本持续跟进（任何新版本含预发布即升 + seam 兼容回归）

致谢

- DeepSeek Harness — 智能体运行时地基（MIT）
- pgvector — 组织记忆的语义检索
- Hono / tRPC / React / Vite — 优秀的工程基座

License

Apache-2.0 © WorkLoom 织元。vendor/dsh 与 vendor/dsh-im 遵循其各自 MIT 许可。