数字员工选型报告:Hermes 与 OpenMausBot
功能性需求评分总结
本轮选择 Hermes:13 分,对比 OpenMausBot 的 11 分,领先 2 分。
在以 Lark 为统一聊天入口的当前需求下,Hermes 在接入和多员工聊天组合上更占优势;OpenMausBot 在共享群聊、协作回应和信息边界设计上更占优势。按既定的“加权总分高者胜出”规则,本轮选择 Hermes。
| 排名 | 候选方案 | 加权得分(满分 16) | 本轮结论 |
|---|---|---|---|
| 1 | Hermes | 13 | 本轮选用,进入后续核心需求验证 |
| 2 | OpenMausBot | 11 | 当前功能评分次选 |
分差来自哪些功能
| 对比结果 | 对应功能 | Hermes 得分 | OpenMausBot 得分 |
|---|---|---|---|
| Hermes 胜出 5 项 | Lark 直接接入、多人分别私聊同一员工、一人私聊多个员工、多人多员工群聊、部署许可梳理(F05、F06、F07、F08、F16) | 5 | 0 |
| OpenMausBot 胜出 3 项 | 群内共享话题、协作回应与防刷屏、私聊及长期信息边界设计(F10、F12、F15) | 0 | 3 |
| 两者相当 8 项 | 多员工管理、长期记忆、技能、自主学习、多群参与、Bot 消息读取、MCP 工作流、worker 结果回送(F01、F02、F03、F04、F09、F11、F13、F14) | 8 | 8 |
| 合计 | 16 项已评估功能 | 13 | 11 |
决策边界:已评分 16 / 25 项,另有 9 项(F17–F25)待评估,不按 0 分处理。 上述得分是按既定权重计算的功能比较结果,不是需求满足率,也不是生产验收通过率。
可以据此确定本轮功能选型,不能据此直接批准生产上岗。 职责与分级授权、群聊保密、知识学习安全等核心需求仍需补评;业务安全和知识安全均须通过验收。安全能力待验证,不等于已验证失败,也不能用功能高分抵消风险。
逐项依据见第三节,权重与汇总见第七节,安全验收要求见第九节。本页前置总结沿用原有评分与权重,不新增能力已满足的判断。
目标架构:数字员工目标静态架构v2 采用“六层底座 + 治理中枢”,分层映射与选型边界见第 9.6 节;原版静态架构 保留对照。
一、报告状态与结论适用范围
本报告保存当前功能对比和初步选型结论,并收录进一步明确的数字员工定义,供后续调整。
补充评估重点:业务安全与知识安全是数字员工落地的核心选型条件。第九节补充报告明确目标架构、员工初始化要求及安全验收要求;相关能力尚待验证,不视为任何候选产品已满足,也不擅自改变已设置的权重及既有得分。
本轮加权选型结论:Hermes 13 分,OpenMausBot 11 分;按总分高者胜出的规则,选择 Hermes。
本次总分覆盖已有优劣判断的 F01–F16。F17–F25 涉及独立员工身份、职责边界、职级授权及受控信息披露,尚未完成比较,不纳入本次计分。因此,本次选型不等于 Hermes 已满足全部 25 项需求,也不代表可以跳过这些核心需求的验证。两者均不能据现有分析认定为零改造满足全部需求。
本报告依据此前源码阅读与官方文档分析整理;尚未完成真实 Lark 联调,也没有完成跨用户数据隔离与越权访问测试。表中能力描述保留此前分析口径,后续需要对关键能力逐项验证。
二、目标产品形态
2.1 基础功能要求
- 一个数字员工拥有自己的 profile、长期记忆和技能库。
- 能总结任务经验,学习并更新记忆、技能。
- 能直接接入或通过简单改造接入 Lark 等外部 IM。
- 同一产品覆盖单聊和群聊,不希望依赖两个产品拼接聊天能力。
- 多个人可以分别私聊同一个数字员工。
- 一个人可以分别私聊多个数字员工。
- 多个人可以创建多个群,在群内加入多个数字员工。
- 数字员工通过提供的 MCP 能力,自行选择合适的工作流。
- 工作流启动 worker agent 执行特定任务,由数字员工接收、检查并返回结果。
2.2 进一步明确的数字员工定义
数字员工不是“每位用户各自拥有的聊天助手”,而是公司中的一个独立员工个体。
它可以担任财务、人事等岗位,保持统一的身份、职责、记忆、技能与学习积累。公司任何人都可以找它沟通,但“可以对话”不等于“可以访问它掌握的全部信息”。
数字员工需要能够:
- 判断请求是否属于岗位职责。
- 决定何时接受任务,提供知识答复,汇报工作成果和进度。
- 根据对接人的可信身份、职级、授权白名单及工作关系,决定可处理的事项和可披露的信息。
- 面对不同等级的领导,按各自权限开放不同范围的数据与内容,而不是统一开放全部信息。
- 在私聊及多人、多 Bot 群聊中保持同样的信息边界。
例如,数字财务员工面对普通职员,可以进行报销相关的工作对接,但不会提供八卦或财务部门真实运转情况等未授权信息;面对白名单内的高级领导,可以按授权范围答复部分数据和内容。
因此,后续选型不能只比较“能否多人聊天”和“有没有长期记忆”,还必须比较:同一个员工如何向不同对象提供不同权限的服务。
三、功能需求对比
下表沿用此前分析形成的能力对比,按已填写的权重计分,不代表完成部署验收。
评分规则
- 每项需求基础分为 1 分;
F08-1.5表示 F08 的权重为 1.5,未标权重的默认为 1。 - 单项加权分 = 1 × 权重。按现有对比,更有优势的一方获得该项全部加权分,另一方为 0 分。
- 两者相当且均有基础能力时,双方均获得该项全部加权分;两者均不满足时,双方均为 0 分。
- F01–F16 已有对比判断,纳入本次评分。F17–F25 尚未完成比较,标为待评估,不以 0 分替代,也不计入当前总分。
- F06 按现有“Lark 入口更直接”的口径判 Hermes 优势,不代表其信息隔离能力更强;F15 按已有信息边界设计判 OpenMausBot 优势,不代表已通过岗位授权测试。
| 序号-权重 | 需求点 | Hermes | OpenMausBot | 当前需求点结论 | 基础分 | 权重 | Hermes 得分 | OpenMausBot 得分 |
|---|---|---|---|---|---|---|---|---|
| F01-1 | 一个产品管理多个数字员工 | 可通过多个 profile 配置员工,各自拥有配置、记忆、技能和会话 | Bot 是产品核心对象,有独立设置、记忆、技能和模型 | 两者都可作为基础 | 1 | 1 | 1 | 1 |
| F02-1 | 员工拥有长期记忆 | 默认按员工 profile 保存 | 有长期笔记、主题笔记、历史检索及维护机制 | 两者都有基础能力;权限边界需另外核验 | 1 | 1 | 1 | 1 |
| F03-1 | 员工拥有技能库 | 支持按需加载、创建和修改技能 | 支持技能及分配、共享机制 | 两者都可作为基础 | 1 | 1 | 1 | 1 |
| F04-1 | 自行总结任务、学习记忆和技能 | 有后台记忆、技能复盘机制,受配置和审批策略影响 | 有自动记忆维护、后台技能复盘及学习入口 | 不能仅凭“支持自我学习”决定选型;需验证学习质量与泄密风险 | 1 | 1 | 1 | 1 |
| F05-0.5 | 直接接入 Lark/飞书 | 已有官方适配,涉及长连接或 HTTP 回调、消息、附件及交互卡片 | 此前分析未找到与 Hermes 对等的直接 Lark 适配,需补接入层 | 外部 IM 接入优先 Hermes | 1 | 0.5 | 0.5 | 0 |
| F06-1.5 | 多个人分别私聊同一个员工 | 不同私聊可区分会话;默认长期记忆不应据此认定按人隔离 | Team Cloud 有多人使用同一 Bot 的设计,需区分共享主聊天与个人私聊 | Lark 入口 Hermes 更直接;信息边界仍需核验 | 1 | 1.5 | 1.5 | 0 |
| F07-1 | 一个人分别私聊多个员工 | 多个 profile 分别配置 IM Bot 身份 | 原生有多个 Bot 联系人;外部 Lark 还需身份映射 | Lark 场景优先 Hermes | 1 | 1 | 1 | 0 |
| F08-1.5 | 多个人拉群,加入多个员工 | 多个 profile 分别连接 Lark Bot 并加入同一个群 | 自带多 Bot 群聊机制;外部 Lark 群需桥接 | Lark 场景优先 Hermes | 1 | 1.5 | 1.5 | 0 |
| F09-1 | 同一个员工参与多个群 | 群标识参与会话区分 | 一个 Bot 可参与多个房间 | 两者有基础能力 | 1 | 1 | 1 | 1 |
| F10-1 | 群内多人共同延续一个话题 | 默认群内按人分会话;共享讨论需调整配置 | 自带房间有共享聊天记录,各 Bot 保持自己的上下文 | OpenMausBot 内置形态更贴近共享讨论 | 1 | 1 | 0 | 1 |
| F11-1 | Bot 读取其他 Bot 消息 | 飞书适配有相关开关,默认忽略其他 Bot;需配合提及规则 | 自带群聊及 Bot 间协作已有机制 | 两者都需要明确回应和停止规则 | 1 | 1 | 1 | 1 |
| F12-1 | 群内由谁回答、防止互相刷屏 | 有提及规则、Bot 消息准入和循环保护;复杂主持策略需补充 | 自带房间有回应规则、自动选人及协作运行机制 | OpenMausBot 内置协作体验更完整 | 1 | 1 | 0 | 1 |
| F13-1 | 通过 MCP 自行选择工作流 | 可调用已开放的 MCP 工具 | 可通过 MCP 向 Bot 提供外部能力 | 基本持平,取决于工具与授权设计 | 1 | 1 | 1 | 1 |
| F14-1 | 启动 worker 并接收结果后回复 | 有子代理及后台结果回送能力;外部 worker 仍需接入 | 有 Bot 委派、任务运行及结果恢复能力;外部 worker 仍需接入 | 外部工作流场景基本持平 | 1 | 1 | 1 | 1 |
| F15-1 | 多人之间的私聊与长期信息边界 | 会话分离不等于长期记忆分离,默认 profile 记忆存在共享风险 | Team Cloud 有团队、群及个人层面的记忆和可见性设计 | OpenMausBot 有设计优势,但仍需验证是否满足岗位授权 | 1 | 1 | 0 | 1 |
| F16-0.5 | 二次开发与部署许可 | 主仓库 MIT,仍需核查依赖及插件 | 核心 Apache-2.0,enterprise 部分另有商业许可 | Hermes 许可梳理相对简单;具体部署范围需核实 | 1 | 0.5 | 0.5 | 0 |
四、一个产品覆盖聊天组合
从此前分析看,Hermes 可以作为统一产品实现以下聊天组合,不必为了聊天入口同时引入 OpenMausBot。但这不代表只配置一个 IM Bot 身份,就能让多个独立员工以不同身份出现。
| 聊天组合 | Hermes 的对应方式 |
|---|---|
| 一个人与一个员工私聊 | 一个 Lark Bot 对接一个员工 profile |
| 多个人分别与同一个员工私聊 | 同一个 Bot 接收不同人的私聊,分别维护聊天会话 |
| 一个人分别与多个员工私聊 | 多个员工分别拥有自己的 Lark Bot 身份 |
| 多个人与多个员工在多个群里讨论 | 各员工加入相应 Lark 群,配置群上下文、消息准入和回应规则 |
这里的 profile 对应员工个体,而不是每个找员工办事的人。不能通过“给每个对话者复制一个财务员工”来替代同一财务员工的身份识别与授权能力。
五、此前结论对应的必要改造
5.1 员工知识与敏感信息的使用边界
此前分析建议区分员工公共知识、个人私聊信息和群内信息。这些范围有助于减少串用,但仅按聊天来源分区并不足以实现岗位授权。
同一个员工可能掌握部门机密,也可能在被授权的私聊中向领导汇报其中一部分。后续需要进一步核验:
- 信息的敏感等级、归属和允许使用范围。
- 查询者的可信身份、岗位职责及有效授权。
- 读取工具、检索记忆、调用工作流和最终答复是否都执行相同权限规则。
- 私聊信息是否会通过群答复、工作流结果或共享技能间接泄露。
- 总结记忆、提炼技能时是否剔除不应共享的业务数据、个人信息和凭据。
这部分是下一轮评估重点,不在本版中认定任何一个产品已完整满足。
5.2 多员工群聊的协作规则
应明确:
- 哪个员工在被提及时回答。
- 哪些消息可以触发其他员工参与。
- 是否允许读取其他 Bot 的消息。
- 谁汇总结果,以及何时停止讨论。
- 群内哪些成员有权看到即将输出的内容。
最后一项不能仅凭提问者有权限就放行;群内答复会被其他成员看到,需要另行判断披露范围。此处作为待验证的设计要求,不代表现有产品已经实现。
5.3 外部工作流闭环
目标链路:
提出请求 → 员工判断职责和权限 → 接受任务或给出其他答复 → 选择工作流 → worker 执行 → 员工检查结果 → 汇报进度或成果。
需要补齐任务标识、执行状态、完成通知、超时取消、重复通知去重、请求者与目标聊天的对应关系,以及结果返回时的权限检查。
支持 MCP 只说明工具可以被调用,不自动代表具备任务管理、人员授权或可靠的异步结果回送能力。
六、新定义下必须重新评估的需求
| 序号 | 新明确的要求 | 后续核验重点 | 本版状态 |
|---|---|---|---|
| F17 | 统一的员工身份 | 多人接触的是同一岗位员工,而非各自复制的私人助手 | 已明确目标,待重新评估产品适配程度 |
| F18 | 员工自主接受与安排任务 | 是否能结合职责、当前工作及权限决定接受、排期或拒绝 | 尚未完成比较 |
| F19 | 按职责提供服务 | 普通职员能办理报销,但不能索取未授权部门信息 | 尚未完成比较 |
| F20 | 按职级和白名单披露信息 | 身份是否可信、权限是否细分、是否能及时撤销 | 尚未完成比较 |
| F21 | 高级领导分级访问 | 不同领导仅获得各自授权的数据与内容 | 尚未完成比较 |
| F22 | 群聊中的信息保密 | 判断整个接收范围,而非只判断提问者 | 尚未完成比较 |
| F23 | 工作进度与成果汇报 | 对谁汇报、何时汇报、汇报到什么粒度 | 尚未完成比较 |
| F24 | 持续学习且不越权传播 | 学习产物保留知识价值,同时不复制敏感资料到公共记忆或技能 | 尚未完成比较 |
| F25 | 权限执行的可靠性 | 不能只依赖提示词;需检查记忆、工具、工作流及输出的控制机制 | 尚未完成比较 |
七、加权评分汇总与选型结论
| 评分类别 | 需求序号 | 权重合计 | Hermes 得分 | OpenMausBot 得分 |
|---|---|---|---|---|
| 两者相当,双方得分 | F01、F02、F03、F04、F09、F11、F13、F14 | 8 | 8 | 8 |
| Hermes 更有优势 | F05、F06、F07、F08、F16 | 5 | 5 | 0 |
| OpenMausBot 更有优势 | F10、F12、F15 | 3 | 0 | 3 |
| 合计:16 项已评估需求 | F01–F16 | 16 | 13 | 11 |
两者相当的项目由双方各自得分,因此两家得分之和可以超过需求权重合计;每家在当前范围内的理论满分均为 16 分。
按“总分高的就选它”的规则,本轮选择 Hermes,领先 2 分。
未计分范围与结论边界
- F17–F25 共 9 项尚未形成产品优劣判断,权重暂按默认值 1 保留,得分为待评估,不计入上述总分。
- 本次只使用已记录的需求判断和你设置的权重,没有重新做源码核验、Lark 联调或安全测试。
- 职责边界、按职级披露信息、群聊保密及学习过程中的权限控制,仍是待验证的核心需求。本轮得分不能用来证明这些能力已满足;后续评估后应重新汇总全部需求。
八、参考来源
以下为此前分析所引用的源码与文档版本。本版没有重新验证这些链接及实现,也没有完成端到端部署测试。
Hermes
OpenMausBot
九、补充报告:业务安全、知识安全与数字员工初始化
9.1 核心判断与评估依据
业务安全与知识安全同等重要,必须同时成立。业务查询被正确授权,不代表查询结果可以被无限记忆、学习和传播。
本补充依据需求方确认的共用底座目标静态架构,以及数字员工按对话者有效权限提供服务的要求整理。架构描述的是最终目标,不代表接口已对接或安全能力已经通过验证。本节属于落地要求和待验证设计,不是候选产品的实现承诺。
数字员工仍是一个拥有统一 profile、岗位职责、职业记忆和技能积累的员工个体;无需为每位对话者复制员工。但“同一个员工”不等于“所有对话共同加载一份完整记忆”。
每次任务的可执行或披露范围 = 数字员工职责范围 ∩ 请求者有效授权范围 ∩ 当前场景允许范围。
职级只是授权属性之一,不能替代具体的数据、资源、动作和白名单权限。领导身份也不意味着可以读取全部信息。
9.2 业务安全:MCP 代理网关关联 IdP 与权限服务
目标链路:
Lark 消息 → 可信身份映射 → IdP / 权限服务核验 → 调度中心形成任务授权 → Harness 检查 → MCP 代理网关 → 工具服务端独立鉴权 → 业务系统 → 结果回送前再次核验。
| 控制点 | 必要要求 |
|---|---|
| 可信身份 | 将 Lark 账号与唯一员工身份绑定,不信任昵称、自称职级或消息正文中的身份声明 |
| 授权来源 | IdP 确认身份与账号状态,配套权限服务判断资源和动作;身份不明、授权查询失败或无权时默认不放行 |
| 网关代持 | 长期凭证留在可信服务端,按任务提供受限能力;真实密钥不进入模型、记忆、技能、消息或日志正文 |
| 任务约束 | 授权关联实际请求者、员工服务身份、任务、资源、动作与有效期;这些属性由可信程序绑定,不由模型自行声明 |
| 服务端执行 | 网关和工具服务端实施程序级授权及数据过滤;无权数据不先交给模型再要求保密 |
| worker 继承 | 后台任务继承经核验的任务授权,不因数字员工服务账号权限较高而替请求者扩大权限 |
| 回送检查 | 长任务结束、恢复任务或主动汇报时,重新确认授权和实际接收范围,不把旧授权当作永久许可 |
| 群聊披露 | 按整条消息的实际可见受众判断,不能只检查提问者;受众无法可靠核验时不在群内披露敏感信息 |
| 人工责任 | 工具调用能力不替代人工批准;保持目标架构中的人工审批与业务边界 |
| 审计与旁路 | 记录请求者、任务、授权依据、访问对象和接收范围;限制文件、shell、网络等绕过网关直接访问业务系统的路径 |
MCP 是工具接入方式,代持是凭证管理方式;只有结合可信身份、授权绑定、服务端检查和旁路限制,才能形成架构级业务访问控制。
9.3 知识安全:网关之外仍需独立控制
主要风险示例:
财务员工获准读取经营数据 → 将数据写入自己的记忆或技能 → 普通职员发起对话 → 员工不再查询业务系统,而从已加载的知识中泄露数据。
原查询即使经过正确授权,也不能阻止这一传播路径。控制范围必须覆盖:对话历史、任务恢复记录、缓存、长期记忆、摘要、技能索引、技能正文、脚本及能力包。
| 知识类型 | 建议保存方式 | 使用边界 |
|---|---|---|
| 员工身份、岗位职责、通用工作方法 | 基础 profile 与基础技能 | 可供相应对话加载,不夹带机密业务事实 |
| 报销制度等内部公共知识 | 公司内部知识区 | 仅对经核验且获准的员工开放 |
| 个人报销材料及办理记录 | 按人员、事项和权限关联的受控记忆 | 按本人、经办人及其他有效授权检索 |
| 部门预算、经营数据等 | 优先留在权威业务系统;记忆保存受控引用和必要元信息 | 使用时重新鉴权;引用和元信息本身也需要保护 |
| 必须保留的敏感事实或任务记录 | 带来源、分类及授权策略的受控存储 | 不能进入所有对话默认加载的文件 |
| 复盘产生的方法与技能 | 先形成候选,经验证后按授权范围发布 | 总结不是自动脱敏,学习成功不等于获准共享或执行 |
学习写入:候选、校验、发布分开
建议将目标架构中的“对应 Agent 复盘、直接写回”细化为:
执行历史 → RSI 候选提炼 → 内容与权限校验 → 版本化入库 → 按授权发布或分发。
- 每条候选关联来源、所属事项、敏感级别、授权策略引用和有效期;来源不明或分类不明时先隔离。
- 摘要、改写和技能默认继承来源限制;多个来源合成时不得扩大任何来源允许的披露范围,无法可靠判断则不发布。
- 将敏感知识降级为通用知识,必须经过可信脱敏或审核流程,不能由员工自行宣布“已总结,所以可公开”。
- 技能中的示例、附件、脚本和参数也要检查,禁止夹带人员信息、真实预算、凭证或其他不应共享的业务事实。
- 含代码的技能还需执行权限与代码安全检查;内容通过入库不代表获得新增工具或网络权限。
- 调度中心的唯一写入入口和串行队列应保留,但串行只解决写入顺序,不解决正确性与泄密问题。
- 员工不能通过学习改写授权规则、扩大自身权限或修改安全边界;基础安全配置与可学习知识分开管理。
知识读取:进入上下文之前鉴权
- 根据当前请求者、任务和接收场景,仅检索并加载必要且获准的知识;标题、索引、摘要与正文执行一致的授权规则。
- 不把全部敏感记忆先加载给模型,再依赖提示词控制输出。
- 受控知识不能同时以可自由读取的原始文件挂载给员工,否则检索接口的鉴权会被 shell 或文件读取绕过。
- 敏感内容一旦进入模型上下文,输出过滤只能作为补充,不能替代加载前授权。
对话隔离、撤权与知识生命周期
- 同一员工可以保持连续身份,但不同人员、任务和授权范围的活动上下文必须隔离;不得把领导对话的经营数据续接进普通职员的报销对话。
- 权限撤销、调岗或离职后,阻断相关知识加载、任务恢复、结果回送与旧能力包使用;处理缓存、分发副本及已受污染的活动上下文。
- 模型已经看到的文字不能靠更新 IdP 自动忘记;必要时丢弃旧上下文,并基于当前授权重新构建。
- 保留来源与版本关系,支持错误知识纠正、撤回、到期清理及对衍生摘要和技能的关联处理,避免只删除原文却保留泄密副本。
- 历史、审计和计量各自保留职责,访问和保留期限也受控;不能通过复盘或排查入口读取本无权访问的历史。
9.4 数字员工落地的必要初始化
需要初始化,但一次初始化不能替代每次运行中的授权与知识控制。
| 初始化项目 | 必须建立的内容 |
|---|---|
| 员工身份与 profile | 唯一员工 ID、岗位、部门、负责人、独立服务身份;与人的身份分开 |
| 职责与任务边界 | 可接受、排期、拒绝或转交的任务,以及必须人工批准的事项 |
| 身份与授权映射 | 聊天账号映射、权限查询方式、授权有效期、撤销机制和异常时默认拒绝 |
| 初始知识与分区 | 经核验的制度和基础技能;按人员、部门、事项、密级及授权策略划分知识,不预载全部机密 |
| 读写与学习策略 | 哪些内容能保存、保存到哪里、哪些只能存引用、候选如何校验发布,以及不可自行改写的基础规则 |
| 运行隔离与凭证 | 按任务配置上下文、工具、文件挂载与网络范围;长期凭证不下发到员工可读区域 |
| 汇报与群聊规则 | 对谁汇报、汇报渠道和粒度,以及接收范围无法核验时的处理方式 |
| 审计与生命周期 | 来源追踪、版本、保留期限、撤回、回滚、缓存失效及异常处理 |
| 上岗验收 | 使用不同权限的测试身份验证完整链路;验收通过后才接触对应范围的真实数据 |
这些配置应形成可重复的员工初始化与验收流程。更换岗位、扩大权限或升级知识组件后,还需进行相应复验,不能只在首次创建时检查。
9.5 对选型评分与落地验收的影响
| 关联需求 | 本次补充的评估重点 |
|---|---|
| F02、F03、F04 | 记忆、技能和自主学习不仅要可用,还要支持受控读写、来源追踪与撤回 |
| F15 | 不仅隔离聊天记录,还要隔离加载进模型的上下文及长期知识 |
| F19、F20、F21、F25 | 外部 IdP / 权限服务能否贯穿职责判断、工具、worker、知识和结果回送 |
| F22、F23 | 群聊和主动汇报是否按实际接收范围披露,并在发送前重新核验 |
| F24 | 学习产物是否继承来源限制,能否阻止敏感事实进入公共记忆和通用技能 |
不因为 OpenMausBot 有内部权限分层,就认定符合公司的 IdP 授权模型;也不因为 Hermes 能接 MCP,就认定已经解决知识安全。 两者都需验证哪些能力原生具备、哪些需扩展,以及扩展是否能覆盖所有旁路。
本次不新增重复计分项,不替需求方调整权重,也不给尚未验证的能力打分。F01–F16 的 Hermes 13 分、OpenMausBot 11 分保留为原评估范围的阶段性结果;完成上述核心需求比较后,应重评受影响项目并汇总全部需求。
建议将业务安全和知识安全同时列为生产落地的必过条件:总分用于比较候选方案,安全验收用于判断方案能否上岗。该验收建议不改变既有加权规则,不能以其他功能的高分抵消未解决的越权或泄密风险。
最低验收场景包括:
- 普通员工只能查询获准的报销信息,不能读取他人材料或部门经营数据。
- 不同级别领导分别获得各自授权范围内的数据,伪造身份或修改请求参数不能越权。
- 领导私聊后的普通员工对话不能读取前一对话的敏感上下文。
- 有权人员在混合权限群中提问,不会导致向无权群成员公开数据。
- 敏感任务复盘后,公共记忆、技能索引、示例和脚本中不出现未授权事实。
- 直接读文件、shell、网络访问、旧能力包或历史恢复不能绕过权限控制。
- 撤权后,缓存、受控知识、后台 worker 和结果回送同步受限,旧上下文不被继续复用。
- IdP 或权限服务不可用、来源权限不明、知识校验失败时默认不放行,并留下可追踪记录。
最终原则:数字员工可以拥有完整的职业积累,但每次面对某个人时,只能调取和使用该场景获准的那部分知识;不能先让模型掌握所有秘密,再要求它自觉保密。
9.6 目标静态架构v2:六层底座 + 治理中枢
查看数字员工目标静态架构v2。本版在参考图的交互层与编排层之间新增安全层,形成交互层、安全层、编排层、模型层、知识数据层、系统层,以及贯穿六层的治理中枢;只借用参考图的分层思路,不照搬其中的产品和接入范围。原版静态架构 保留,供职责映射对照。
| 层级 | 本项目职责与组件 | 选型状态与边界 |
|---|---|---|
| 01 交互层 · 员工入口 | Lark、Slack、Web UI、邮件;通过聊天、网页或邮件交办任务、接收结果,绑定可信身份与实际接收范围 | Lark 为当前主要入口并在图中高亮,其余入口纳入目标范围、接入待验证;图中列表只列名称、不附括号;不同渠道的身份、交互与实际接收范围逐项核验,语音不因此纳入当前范围 |
| 02 安全层 · 身份、权限与工具访问 | Casdoor 及配套权限服务核验身份与资源动作权限,1Password 保管凭证,自研 MCP 安全网关在工具调用时执行授权检查、代持凭证与访问限制 | 三者组成安全控制链,职责不互相替代;产品选择或自研方向已明确,组合对接待验证;授权约束贯穿执行与结果披露 |
| 03 编排层 · 智能体调度 | Hermes 承担员工运行与会话;Grokbot 作为可接受外部任务的执行候选;可靠工作流管理任务状态、人工等待与幂等重试;沙盒隔离执行 | Hermes 为本轮功能选型;Grokbot 纳入任务执行候选,不视为替代 Hermes 或可靠工作流引擎;工作流与沙盒仍待选型,考察开源方案 |
| 04 模型层 · 能力供给 | 理解问题、分析信息与生成答复;通用大模型首选 OpenAI GPT | 图中右侧由上到下仅列模型名称:GPT、Grok、Claude、Gemini、DeepSeek、通义千问,不附括号或首选、可选标注;清单不代表已经接入,顺序不表示性能排名;OCR 独立选型,模型网关、路由与检索模型方案待定,不新增候选产品已具备的能力判断 |
| 05 知识数据层 · 企业记忆 | 独立知识库与 RAG 管道、Hermes Memory / Skills、受控业务数据;覆盖检索前鉴权、学习校验和版本撤回 | 知识库独立选型,不由 Hermes 原生记忆与技能替代;数仓按需评估,不视为既定方案 |
| 06 系统层 · 业务事实源 | 金蝶财务软件等其他业务软件,经受控适配器按需接入 | “等其他软件”表示业务系统可扩展,不承诺任意软件均可直接接入或自动操作;各系统接口、权限与操作约束逐项验证,业务系统保留事实权威 |
| 治理中枢 · 贯穿六层 | 审批策略、全链路审计、数据分级、人工接管、高风险红线 | 审计组件待选型,考察开源方案;治理能力均需验收,不能用功能得分代替 |
**对外展示口径:**每层左侧用通俗文字说明用途,右侧由上到下列产品或工具:交互层只列 Lark、Slack、Web UI、邮件,不附括号说明,并高亮 Lark;安全层列 Casdoor、1Password、自研 MCP 安全网关;编排层列 Hermes、Grokbot,不附 Grokbot 的括号说明,以及待选型的工作流与沙盒;模型层以相同样式仅列 GPT、Grok、Claude、Gemini、DeepSeek、通义千问,不显示括号及首选、可选说明;知识数据层列 Hermes Memory / Skills、待选型的独立知识库与按需评估的数仓;系统层列金蝶财务软件与“等其他软件(按需接入)”。未定产品可作为明确标注的候选展示,但不得说成已经采用或已接入。
**Grokbot 的采用边界:**依据需求方说明,Grokbot 支持从外部单向下发指令后执行任务,因此接受将其作为编排层的外部任务执行候选;这项说明尚未经过独立联调验证。它与模型层的 Grok 是不同对象,不要求互相绑定,也不据此替代 Hermes 的员工身份、会话与记忆能力。
目前只确认任务下发方向,不据此推断是否具有回调、查询或结果读取接口。任务接收确认、执行进度、完成确认、结果取回、取消、幂等与失败恢复均待核验;“指令已发出”不能记录成“任务已完成”。若未验证结果回收机制,只能将该链路标为已下发或状态未知,不能宣传为自动任务闭环。外部执行还须核验身份传递、任务级授权、数据披露范围,以及工具是否能绕过安全网关;组合安全不能由网关的存在直接推定。
**模型口径更新:**此前“大模型不列入本轮选型”的表述不再适用于 v2 的对外产品展示,现明确 GPT 为首选方向;其他模型仅列为可选示例,不构成已接入、多模型路由已实现或完整模型评测已完成的判断。原版架构保留历史口径,不因此改写 Hermes / OpenMausBot 的功能评分。
**与原版的关系:**将原版的智能体运行层、编排与执行层、工具接入层归入编排层,但仍保留各自执行边界;模型服务与知识数据从横向支撑提升为独立层;身份鉴权、最小授权、凭证代持与 MCP 安全网关归入安全层,审计等仍归治理中枢。分层表示职责,不要求所有请求严格串行穿过六层。MCP 是受控工具接入方式,不是模型或业务事实源;权限仍由可信程序、网关与工具服务端执行,不交由 Hermes 自行决定。
**安全层的落地要求:**对话员工身份鉴权(IdP)及权限判断由 Casdoor 与配套权限服务承担,1Password 保管凭证,自研 MCP 安全网关在实际工具调用时核验任务授权、代持凭证并限制访问。三者职责不同,因此层名扩为“身份、权限与工具访问”,而不是将网关和凭证库都称作 IdP;沿用第 9.2 节的逐次鉴权与旁路限制,不把凭证保管等同于已有临时授权能力,也不将网关接入视为外部任务执行器已无旁路。安全层位于编排层之前,不表示仅在入口检查一次,后续工具、知识检索与结果回送仍须核验权限。
**多入口身份边界:**Lark、Slack、Web UI 的登录身份与邮件请求分别映射至同一套可信员工身份,不能直接复用另一个平台的用户 ID 或信任昵称。邮件不能仅凭显示名称或发件地址认定身份,需要可信来源验证及必要的补充认证。各渠道独立校验来源和实际接收范围,新增入口不扩大员工的数据、工具或群聊披露权限。
治理中枢的落地要求:
- 审批策略:按动作、额度和风险配置人工审批,具体阈值待确认;不直接采用参考图的“限额内自动执行”作为已批准规则,未授权或校验失败时不放行。
- 全链路审计:关联请求者、任务、授权依据、工具操作、知识使用与结果披露;审计内容本身受访问控制,日志不记录真实凭证。
- 数据分级:薪酬、合同、经营数据等按来源权限检索、脱敏与披露,学习产物继承来源限制;不能先将全部敏感数据加载给模型再要求保密。
- 人工接管:支持暂停、取消及受控恢复,恢复前重新核验授权并保留执行记录;回滚或补偿能力逐系统验证,不承诺通用“一键回滚”,也不默认撤回已生效的外部动作。
- 高风险红线:付款、合同等关键动作保留人工审批,不交由 Agent 全自动完成;具体操作白名单和批准流程仍待业务确认。
**事实源口径:**知识库、员工记忆和可能建设的数仓承载受控知识、引用或数据副本,不替代业务系统的事实权威。业务事实需保留来源与时效,使用时重新鉴权;不直接沿用参考图中“数仓是 Agent 唯一事实源”的说法。
本版纳入数字员工选型的架构与验收范围,不增加重复计分项,不改变 F01–F16 的既有得分,也不将目标要求当作任何候选产品已通过的能力。