UniEmployee 数字员工平台 · 定制数字员工「小察」 开源项目：github.com/zj-unicom-a...
先说痛点
企业每天接收的信息是海量的：技术发布、企业动态、政策文件、行业报告。但信息多不等于判断准。
真正的问题从来不是"有没有看到"，而是：
- 哪些变化会影响我们的业务？
- 某条技术路线走到哪一步了？
- 一个新领域，现在具备进入条件吗？
回答这些问题，需要围绕一个领域持续研究，把分散的信息放进同一个框架，最后形成有依据的判断。这不是几个人工整理能稳定交付的。所以我们做了 UniEmployee 数字员工平台 ，并在上面定制了一个数字员工------小察。
UniEmployee 是什么
UniEmployee 是一套开源的数字员工平台，把数字员工所需的能力------研究职责、领域划分、资料渠道、分析方法、成果工作台------组织成可复用的体系。开发者可以基于它快速搭建、定制属于自己的数字员工。
小察：平台上的一个定制数字员工
小察是 UniEmployee 平台中的一个定制型数字员工，定位是"行业深度研究员"。
它围绕企业关注的特定领域，持续积累研究证据，形成细分领域研判，再综合行业趋势、机会与风险，直接支撑战略规划、产品布局和业务拓展。
简单说：小察是 UniEmployee 平台上跑通的一个具体案例，展示了"定制一个行业研究员"可以做到什么程度。
它怎么做研究
核心是一套三级研究层次：
① 研究观察------把有价值的进展整理成可复用的观察记录，保留来源、日期、摘要，归入细分领域。
② 细分领域研判------基于积累的证据，分析技术演进、需求变化、产业化进度、竞争位置和关键风险，形成有来源支撑的判断。
③ 主题综合研判------把不同细分领域的判断放在一起，识别共同趋势、分化信号和相互影响。
比如：把"技术能力进展"和"客户部署信息"结合，才能判断某个方向商业化验证到什么程度；只看单条公告或单篇论文，得不出这个结论。
研究过程中，小察坚持几条原则：优先权威信源并交叉核验；输出时区分事实、第三方估算、分析判断与假设；数字注明口径；证据不足就保留不确定性；明确区分"宣布合作""试点""计划量产"和"持续规模化部署"------这些是不同阶段，不能混为一谈。
研究还是连续的：每次判断都留版本和引用依据，可回溯"当时为什么这样判断"；新证据出现时，先更新受影响的细分领域，再更新主题研判。
研究方向：内置参考，更支持定制
小察工作台内置了三大主题作为参考案例：
- 具身智能：VLA 与具身推理、世界模型、机器人学习，以及家庭服务机器人、工业机器人、量产商业化
- AI 前沿观察：基础模型、多模态、智能体与工具链、算力基础设施
- 政策分析：国家战略、产业扶持、监管合规、标准认证
但内置主题不是边界。UniEmployee 是开源平台，任何人都可以基于它定制自己的数字员工------你的业务关心什么，就让数字员工研究什么。
对企业的价值
- 承担资料发现、整理、归集等重复工作，让研究团队专注在关键证据核查和判断上
- 为战略、产品、业务团队提供共同的决策依据
- 持续积累的观察与研判，是可复用、可追溯、可修订的领域研究资产
边界也说清楚：小察提供外部行业研究支持，涉及实际投入和资源配置时，仍需结合内部经营数据与专业判断。
开源：你的领域，你的数字员工
小察只是 UniEmployee 上的一个定制数字员工。平台本身已经开源，意味着你不仅可以了解小察怎么工作，还能基于同一套体系，定制你自己的数字员工------盯行业、盯竞品、盯政策，都行。
如果你有一个长期需要盯的领域，与其每周人工刷信息、攒报告，不如直接基于 UniEmployee 定制自己的"行业研究员"。
GitHub：github.com/zj-unicom-a...