岗位职责与工作边界
以岗位说明书定义目标、输入、输出、验收标准和禁止事项，让 AI 员工只接住职责范围内的任务。
先看每位 AI 员工都具备什么能力，明确哪些边界与如何执行任务
岗位级 AI 员工不是一个角色卡片，也不是通用聊天机器人。它由职责、知识、记忆、模型、工具、流程、权限与验收标准共同组成，可以在明确边界内理解并执行真实任务。
任务理解与上下文判断
理解业务目标、历史背景与当前状态，识别缺失信息、风险节点和需要人工确认的事项。
知识与记忆调用
按权限检索制度、产品、案例和历史任务，并把专家修订与已确认经验转化为可复用记忆。
模型与工具自主选择
根据任务质量、成本、安全和部署条件选择模型，并组合搜索、OCR、翻译、邮件、日历等工具。
工作流与 RPA 执行
将目标拆成条件、步骤与异常分支；有接口时优先调用 API，无接口时在授权范围内使用 RPA。
业务系统读取与回写
连接办公、订单、生产、采购、财务、质量等系统，读取所需信息并在受控条件下回写结果。
多 AI 员工协作交接
用结构化任务包传递背景、证据、产物和下一步要求，使岗位之间能够连续接力而不丢上下文。
人工确认与全程留痕
价格、合同、资金、权限和公开发布等关键动作进入人工审批，输入、判断、调用与结果可追溯。
从任务到交付的通用执行链
识别任务
读取目标、上下文与岗位规则，判断任务是否在职责和权限范围内。
组织知识
检索知识库与历史记忆，补齐事实、流程和已确认经验。
调用工具
选择模型、技能、连接器、工作流或 RPA 完成可执行步骤。
交付与留痕
输出结果、传给下一岗位，并记录引用、审批、异常和系统回写。
岗位示例、员工卡牌与深度定制入口继续只在“AI 员工雇佣大厅”展示，本节只定义通用能力。
把 AI 员工、知识、数据和应用
组织进同一套产品体系
告诉我们你的岗位、系统和业务目标，我们会协助确认最先需要跑通的 AI 员工、治理系统与智能应用。
