信创安全合规背景下，数字员工的选择应该更加严谨

2026 年，企业级 AI 智能体正经历从封闭单体架构到开放模块化组合的范式迁移。8 月 13 日，DeepSeek Harness 开发者预览版以 MIT 协议开源，上线半小时 GitHub 星数破万。该框架以一切皆插件为核心设计，标志着数字员工构建方式从垂直集成走向横向组合。

 与此同时，企业市场已给出明确回应。IDC 数据显示，2025 年中国 AI 智能体市场规模达 212 亿元，预计 2026 年增至 449 亿元。中国大模型市场中私有化部署占比已达 63%。企业不再满足于对话式 Chatbot，而需要具备自主决策、跨系统操作、安全合规的数字员工。搭积木时代已然开启。

 一、架构底层重构：从内核固化到能力解耦

 数字员工是融合人工智能、RPA、大语言模型等技术，能模拟人类在计算机上操作、理解要求、拆解指令并执行任务的智能化实体。传统数字员工将功能写死在内核——更换模型需修改源码，新增工具需重新编译。这种紧耦合设计导致扩展成本高、迭代周期长、厂商锁定风险显著。

 插件化架构彻底反转这一逻辑。以 DeepSeek Harness 为代表的新一代框架，将模型、工具、技能、会话、沙箱、存储、Agent 循环、任务调度、用户界面等所有能力拆分为独立插件，可自由替换、灵活重组。底层基于 Cordis 微内核，该元框架仅负责插件的加载、卸载与依赖管理，所有具体组件通过标准化服务与事件彼此协作。开发者无需修改框架源码，即可在配置层选择、替换或扩展任意功能模块。

 这种设计的工程价值体现在三个层面：

 能力解耦：模型适配器、工具注册表、会话日志乃至 Agent 循环本身均属独立插件，通过标准化接口通信。

 按需组合：开发者根据场景加载不同插件集合，形成定制化 Agent 预设。

 持续演进：插件可独立升级、替换或废弃，不影响核心系统稳定性。

 更值得关注的是自进化潜力：当 Agent 执行任务时发现能力缺失，可自主编写插件并即时调用。这一特性将数字员工从被配置推向自组织的新阶段。

二、拆解与组装：插件化能力全景

基于 Cordis 的插件系统已在 Koishi 聊天机器人框架中运行四年，超过 4000 个社区插件在生产环境中验证。DeepSeek Harness 内置四种运行模式，每种默认加载不同插件集合：

标准模式：完整编码 Agent，支持文件编辑、Shell、文件与网页检索、Skills、计划、目标、子代理和工作流。

PTC 模式：程序化工具调用，让模型用 TypeScript 程序组合多步操作。

极简模式：仅保留 shell 与文件编辑，用于基准测试。

创造模式：用于创建自定义 Agent 预设，提供运行时检查与插件实验支持。

四种模式的内在逻辑一致：Agent 能力不是写死的，而是通过插件组合拼装而成。

三、场景落地：插件化数字员工的应用全景

插件化架构使数字员工能以极低边际成本适配多元场景。以下从办公自动化与行业专用两个维度呈现应用全景：

办公自动化与跨系统协同

数字员工核心价值在于打通决策到执行的最后一公里。实在 Agent 采用大模型+RPA+API/MCP 融合路线，以大模型为决策大脑，通过 RPA 技术配备界面操作能力，系统性解决 AI 只能说不做的痛点。在网银流水入账场景中，用户只需说出指令，Agent 即可完成从网银获取流水到大模型分类分析再到导入财务系统的全流程自动化。

 企业级部署方面，实在智能推出企业版一体机，基于 TARS 大模型与实在 Agent 架构构建企业大脑，通过本地化私有部署实现开箱即用。HCR 慧辰股份提供从底层算力、大模型部署到数字员工应用的全栈解决方案，支持一键式部署。

行业专用场景

供应链物流：实在 AI Agent 数字员工平台入选工信部 2025 年中小企业典型应用场景，覆盖询报价、接单、订放舱、提单处理、客服跟踪等环节。提单处理 Agent 将传统 30-40 分钟人工录入压缩至 5 分钟自动化处理。

政务服务：深圳福田区发布 AI 数字员工 2.0，基于开源 Agent OpenClaw 实现任务分解、流程调度与自主决策。安徽交通政务服务数字员工可自动读取证件信息填入表单、自动生成报表。

能源电力：深圳电网部署 119 名数字员工，主网智能巡视与督察数字员工日均处理超百万张现场图片，将设备告警从小时级压缩至分钟级，近一年累计调用算法处理图片和视频超 8.5 亿次，人员驱车现场频次降低 90%以上。

四、主流数字员工工具综合对比

五、挑战与展望

插件化数字员工在快速演进中仍面临多重挑战。

技术层面，动态生成的插件目前仅能驻留内存，系统重启后即消失，缺乏自动沉淀为永久插件的机制。软件自进化可能带来维护混乱，未经设计的自动进化反而降低系统可靠性。

安全层面，企业级 AI 最大挑战不是让 AI 更聪明，而是让企业更放心。对于金融、政务等高合规行业，安全、可信、可控是落地前提。私有化部署虽是主流，但如何在开放插件生态与数据主权之间取得平衡仍是待解难题。

生态层面，插件生态繁荣需要庞大用户基础，而用户积累又取决于产品易用性。当前主流框架仍偏向开发者友好，普通用户门槛较高。从技术突破到市场接受，仍有相当距离。 

展望未来，数字员工插件化趋势不可逆转。正如腾讯首席 AI 科学家姚顺雨所言，一场长周期变革才刚开始，真正的产品形态、商业机会和使用方式远未被充分发明。当一切皆插件，数字员工的构建将从专业开发者的专属领域，走向业务人员的自由创造——搭积木时代，刚刚开启。

附录：插件化 Agent 执行流程图（文字示意）

用户指令 → 认知层（模型适配器）选择合适模型 → 控制层（循环/调度插件）分解任务 → 技能层（Skill 插件）调用工作流 → 执行层（工具插件）操作具体系统 → 环境层（沙箱插件）安全隔离 → 记忆层（存储插件）记录上下文 → 结果返回用户。所有环节均通过标准接口与插件管理器交互，任意节点均可替换或扩展。