影子分身术-数字人设计介绍

unique

94人浏览 · 2026-05-26 19:44:16

unique · 2026-05-26 19:44:16 发布

一、它是什么

Digital Employee Agent（DE-Agent） 不是一个"帮你写代码"的 Copilot 插件，而是一个完整的 AI 研发员工：你给它一份需求文档，它按照企业级 7 阶段流程，从需求澄清一路推进到代码上线、灰度发布、经验沉淀——全程自主，关键节点人工审批。

它是四个 AI 编程项目精华的有机融合体：

以 qs-harness-flow 的"操作系统骨架"为底，以 qs-coding-agents 的"研发动作肌肉"为肉，借鉴 superpowers 的"工作流护栏"，借鉴 agent-skills 的"反偷懒文化"，自建 7 阶段编排器 + 多工程总控 + 企业平台 Skill 复用，做一个跨 IDE 可用的"数字研发员工"。

二、设计思路：四大项目精华融合

问题：现有 AI 编码工具的局限

痛点	表现
只做单点	能写代码、能 review，但不会串成完整流程
没有记忆	每次对话从零开始，不记得上次做过什么
单仓视角	看不到前后端协同、跨仓联调的全景
缺乏护栏	不会自己停下来等审批，容易"偷懒"跳步骤

解法：从四个项目中各取所长

数字员工并非从零发明，而是站在四个已验证项目的肩膀上，取其精华，融为一体：

来源项目	角色定位	被吸收的精华	在数字员工中的体现
qs-harness-flow	🦴 骨架	工程级状态机 + 长程记忆 + 自进化	`harness/` 目录结构、episodes/trace 跨需求记忆、Evolver 自动产出新 skill 草稿
qs-coding-agents	💪 肌肉	PRD 评估 + 代码执行 + 验收 + 分支分析	Research 六维评估、Build TDD 编码、Verify 9 维 CR + 5 层验证
superpowers	🛡️ 护栏	工作流模式 + git worktree 隔离 + GATE 审批	HARD-GATE 机制、worktree-mgr skill、IDE 内 slash command
agent-skills	📏 纪律	反偷懒条款 + 三铁律 + 强制 TDD	反偷懒条款表（6 条）、Build 三铁律（clean/skipTests/IDEA 环境）、红旗机制

用一张图看它们如何组装：

                    ┌───────────────────────────────┐
                    │   Digital Employee Agent      │
                    │   (7 阶段编排器 + 多仓总控)      │
                    └───────┬───────────────────────┘
                            │
          ┌─────────────────┼─────────────────┐
          │                 │                 │
    ┌─────▼─────┐    ┌─────▼─────┐    ┌──────▼──────┐
    │qs-harness │    │qs-coding  │    │ superpowers  │
    │  -flow    │    │  -agents  │    │ + agent-     │
    │           │    │           │    │   skills     │
    │ 骨架层     │    │ 能力层     │    │ 护栏+纪律层   │
    │           │    │           │    │             │
    │·episodes  │    │·评估agent │    │·HARD-GATE   │
    │·trace     │    │·code-exec │    │·worktree    │
    │·evolver   │    │·acceptance│    │·反偷懒条款   │
    │·recorder  │    │·branch-   │    │·三铁律       │
    │·creator   │    │  diff     │    │·TDD 强制    │
    └───────────┘    └───────────┘    └─────────────┘

融合后的三层架构

┌─────────────────────────────────────────────────┐
│ L1  编排层  CLI + 7 阶段状态机 + HARD-GATE       │
│     一条命令启动，状态持久化，断点续跑              │
│     ← superpowers 的 GATE 思想                   │
├─────────────────────────────────────────────────┤
│ L2  角色层  10 个虚拟员工 Persona                 │
│     每个阶段激活对应角色，注入专业 prompt           │
│     ← agent-skills 的角色化 + 反偷懒文化          │
├─────────────────────────────────────────────────┤
│ L3  能力层  22+ Skills（3 个来源）                │
│     Bundled Skills + 平台 Skills + 自有 Skills   │
│     ← qs-harness-flow（骨架）                    │
│     ← qs-coding-agents（肌肉）                   │
└─────────────────────────────────────────────────┘

核心设计原则

CLI 驱动：de run 一行命令启动全流程，状态落盘到 .digital-employee/，断电重启可续跑
IDE 整合：de install --ide <ide> 一键将 Persona + Skill 安装到 Copilot / xxAgent / Cursor / Qoder / Claude Code，LLM 自动识别并激活
多工程协同：前后端多仓同时管理，git worktree 隔离（来自 superpowers）、OpenAPI 契约联调、跨仓状态同步
GATE 护栏：关键节点强制暂停等人审批（来自 superpowers），三种模式可调（demo 2 门 / standard 5 门 / strict 7 门）
长程记忆：harness episodes/trace 跨需求持久化（来自 qs-harness-flow），记得过去做过什么
反偷懒纪律：6 条反偷懒条款 + 红旗机制（来自 agent-skills），AI 不允许跳步骤

三、7 阶段流程

这是数字员工的核心运行机制——一个带有状态回退的有限状态机：

Intake → Research → Design → Build → Verify → Ship → Learn
  │         │          │        │        │       │       │
  │         │         GATE     auto    auto    GATE    auto
  │         │       方案审批            　     发布审批
  ▼         ▼                                          ▼
 澄清后   自动推进                                   写 episode
 自动推进                                          触发自进化

阶段	做什么	激活角色	关键产出
1. Intake	拉 PRD、识别多仓、harness 自检、需求澄清	PO	澄清记录、多仓识别结果
2. Research	领域知识加载、实现侧调查、六维评估 + A~K 扩写	BA / DE	评估报告、扩写文档
3. Design	技术方案、OpenAPI 契约、任务拆解、拉分支	TL	技术方案、契约 YAML、任务清单
4. Build	派子 Agent 到 worktree 中 TDD 编码	FE / BE	代码变更、构建验证
5. Verify	9 维 CR + 真实单测 + 契约校验 + 质量评分	QA / DE	验收报告、测试结果
6. Ship	推代码 → 创 MR → 合并 → 部署 → 灰度 → SLS 监控	DevOps / SRE	PR、部署记录、灰度数据
7. Learn	episode 写入、触发 Evolver 自进化、跨仓经验聚合	KO	改进总结、skill 草稿

失败阻断机制

Ship 阶段 PR/merge/deploy 任一失败 → 立即阻断（不会静默成功）
Verify 阶段单测失败 → P0 阻断
OpenAPI 契约校验失败 → P0 阻断
灰度 canary 错误率超标 → 立即停止并回滚

四、功能特征

维度	能力
CLI 驱动	`de run` 一行启动 7 阶段；`de stage` 单阶段重跑；`de status` 查进度；`de gate pass` 通过审批
IDE 整合	支持 / Copilot / Qoder / Cursor / Claude Code，一处安装处处可用
多工程协同	前后端多仓总控 + git worktree 隔离 + OpenAPI 契约测试 + 跨仓状态同步
角色化	10 个虚拟员工，每个阶段自动激活对应角色，注入专业 prompt 和工具集
流程护栏	HARD-GATE 机制，demo/standard/strict 三档可调，关键节点强制暂停
长程记忆	Harness Flow episodes/trace 跨需求持久化，记得过去做过什么
自进化	Evolver 全闭环：从 episode 自动产生新 skill 草稿、修补旧 skill
企业集成	Aone / Aone Code / BIZPHIN / space.o2 / SLS / 钉钉通知
Dry-run	`--dry-run` 本地空跑全流程，不触外部 API，适合验证和 CI

五、多工程协同机制

数字员工天然支持大工程和多工程场景：

~/workspace/REQ-2FA/
├── .digital-employee/           ← 顶层总控状态（7 阶段产物 + 审计日志）
│   ├── state.json               ← 当前阶段 / 仓库 / GATE / 模式
│   ├── contracts/               ← OpenAPI 契约（前后端共享）
│   └── stage-results/           ← 各阶段执行结果
├── repos/
│   ├── cco-biz/user-center-be/  ← 后端仓克隆
│   └── cco-biz/user-center-fe/  ← 前端仓克隆
└── worktrees/
    ├── REQ-2FA-be/              ← 后端 worktree（隔离编码）
    │   └── harness/             ← 子仓 harness 状态
    └── REQ-2FA-fe/              ← 前端 worktree（隔离编码）
        └── harness/

顶层总控：.digital-employee/state.json 追踪全局阶段、多仓状态、GATE 记录
子仓隔离：每个角色在独立 worktree 中编码，互不干扰
契约共享：Design 阶段写订的 OpenAPI 契约是前后端的单一真相来源
跨仓同步：Learn 阶段自动聚合各仓 episode，检测跨仓重复模式

六、GATE 模式选择

数字员工通过 --mode 参数控制流程中的人工审批门数量，适配不同场景的风险等级：

模式	GATE 数	审批点	适用场景
`--mode demo`	2	Design 方案审批 + Ship 发布审批	演示 / 风险低的小需求
`--mode standard`（默认）	5	Intake 澄清 + Design 方案 + Verify 验收 + Ship 合并 + Ship 发布	日常开发，关键节点把关
`--mode strict`	7	每个阶段均设 GATE	涉及付款/隐私/安全/数据迁移等高风险需求

推荐使用 standard 模式（默认），在自动化效率和人工把关之间取得平衡。

七、快速体验

# 1. 安装
curl -fsSL https://test-local.oss-cn-zhangjiakou.aliyuncs.com/digital-employee-agent/install.sh | bash

# 2. 安装 Skill 到你的 IDE
de install --ide copilot

# 3. 本地 dry-run 体验全流程（不触外部系统）
de run --requirement examples/prds/req-2fa.md \
       --repos "local/be:backend,local/fe:frontend" \
       --mode standard --dry-run --auto-pass

# 4. 真实场景（standard 模式，5 个 GATE 审批点）
de run --requirement "https://xxx.com/req/12345" \
       --repos "xx/user-center-be,cxx/user-center-fe" \
       --mode standard

数字员工接管全流程，你只在 GATE 处点 y 即可。

七、与传统 AI 编码工具的差异

维度	传统 AI Copilot	数字员工
范围	写代码 / 补全 / review	需求 → 设计 → 编码 → 验收 → 发布 → 学习，全链路
记忆	单次会话	Harness episode 跨需求持久化
工程规模	单文件 / 单仓	多仓协同、前后端联调、git worktree 隔离
流程保障	无	7 阶段状态机 + HARD-GATE 审批 + 失败阻断
角色分工	无	10 个虚拟角色，各阶段自动激活对应专家
自进化	无	Evolver 从历史 episode 自动生成/修补 skill
运行方式	IDE 插件	CLI 命令 + IDE 整合，两种方式互补

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

上下文是你的 · Agent 是雇的 · 三步节省 90% Token 账单

AtomGit开源社区

[智能体-100]：采样策略深度详解：temperature /top_p/top_k

控整体随机程度的万能参数；越低越稳、越高越放飞；工业级标准化接口、高精度场景优先拉低温度。：调整体 “脑洞大小”，数值越大越放飞；top_p：筛选 “优质候选词”，在可控范围内增加变化，更稳更流畅；top_k：按数量硬筛，功能老旧，OpenAI 场景基本不用；生产环境严格二选一，不要同时微调 temperature 和 top_p。

AtomGit开源社区

LLM应用长期记忆工程2026：向量DB以外的持久化方案

大多数开发者构建AI应用时，谈到长期记忆，脑子里浮现的第一个词是"向量数据库"。Pinecone、Weaviate、Qdrant……这些名字几乎成了AI记忆的代名词。但在2026年，随着LLM应用复杂度不断攀升，向量检索只是冰山一角。本文深入剖析LLM长期记忆的完整工程体系，带你走出向量DB的思维定势。