角色
它对应一份你本来打算去雇人来做的活。
AI Employees
一个会真的接活的 AI 员工。要做决定的时候，它停下来问你。
先从你本来想招人接手的那件事开始：一份能验收的小任务，一个跑在 Cloud 工作区里的员工实例，底层可选 Hermes 或 OpenClaw。
在 Voxyz AI 这里，AI 员工是什么
一个 AI 员工 = 角色 + 工具 + 第一份工作 + 人工确认点 + 记忆 + 运行环境。它不是会聊天的角色，是会接活的角色。
工具
它能用你授权过的源、API、模板。
第一份工作
一件具体的、能被验收的事，不是一堆模糊技能。
人工确认点
外发、花钱、改公开内容这类动作先进入待批队列。
记忆
本地记忆归员工；实例知识归工作区。
运行环境
Hermes 或 OpenClaw 都是可选 runtime，负责承载入口、任务、工具和可复核状态。
它不是这些
聊天机器人 — 你问一句它答一句
AI 员工 — 它接住一份工作，自己往前推。
Copilot — 一直跟着你打配合
AI 员工 — 它有自己的节奏，要紧的事来找你。
固定自动化 — 不会判断、不会问
AI 员工 — 遇到要做决定的事，它会停下来问你。
在 Voxyz AI 雇一个 AI 员工的样子
挑一份工作
从 Use Cases 里挑一件你今天就想松手的事。
开 Cloud 工作区
一个 voxyz Cloud 工作区，接好 runtime、记忆、待批队列、入口和日程。
审待批队列
它会把要决定的事整理好等你点。
把规则留下来
决策、口味、人和角色留给下一次用，不用每次重说。
以后再加人
同一个工作区可以继续加收件箱、研究、客服等员工。
它看起来像团队，是因为工作边界按团队方式拆开
不是把一个 prompt 叫成团队。团队该有的东西在界面里看得见：收件箱、工作状态、实例知识。
Team Inbox
所有要做决定、要外发的事都汇到一个队列里。
Work State
每件事现在归谁、卡在哪、在等谁，一眼看清。
Instance Knowledge
决策、规则、人物、口味长期留着，员工换了不会丢。
可以雇的第一批 AI 员工
从这里挑一件你今天就想撒手的事。
早间简报 AI 员工
需接入一打开电脑要扫五个工具才知道今天该做什么的人。
- 负责
- 每日简报这件事，从头到尾。
- 读什么
- 收件箱, 日历, 文档, 任务, 可选的新闻源
- 给你什么
- 今日重点, 等你做的决定, 阻塞项, 下一步动作
- 需要批准的
- 对外回复, 任何承诺, 花钱的动作, 公开内容变更
跑在HermesOpenClaw
看完整页面创始人收件箱 AI 员工
需接入邮件、DM、合作邀约堆成山，急着分类、起回复草稿的一人公司。
- 负责
- 收件箱分流：分级、起草、留交接备注。
- 读什么
- 邮件, DM, 潜在客户表单, 联系表
- 给你什么
- 优先级队列, 建议回复, 需要决策的项
- 需要批准的
- 报价, 承诺, 拒绝, 涉及客户的敏感回复
跑在HermesOpenClaw
需要先接入客户支持 AI 员工
内测小团队要顶住客服线和社区帖的回复。
- 负责
- 重复问题的草稿 + 风险升级。
- 读什么
- 客服信箱, 社区贴, 已发布常见问题
- 给你什么
- 回复草稿, 升级备注, 未解决问题追踪
- 需要批准的
- 退款, 公开冲突, bug 承诺, 账号相关回复
跑在HermesOpenClaw
即将开放研究简报 AI 员工
需接入想盯一个话题、对手、市场，但每周自己扒新闻太累的人。
- 负责
- 指定话题的周/日研究简报。
- 读什么
- 公开新闻, 指定 RSS, 可选的内部文档
- 给你什么
- 新增信号, 变化点, 需要你判断的决策
- 需要批准的
- 对外发表, 联系第三方, 花钱买报告
跑在HermesOpenClaw
需要先接入会外发、花钱、改公开内容的事，都要先经你批
默认只读。会影响外部系统的动作，得你点确认。
能看到什么
只看你授权过的源，没授权的它装不出来能看到。
要问你才能做
对外回复、承诺、花钱、改公开内容都要批准。
怎么停
随时停、暂停、撤回访问，单个动作或者整支员工都行。
常见问题
AI 员工和 agent 有什么区别？
Agent 是技术词，AI 员工是这个 agent 接住一份具体工作之后买家眼里的样子。技术上仍然是 agent，对你来说它是一个会干活的"员工"。
它能在多大程度上自己干活？
它能完整推进它那份工作，但所有"改外部状态"的动作都要你点确认。这是产品默认行为，不是开关。
它跑在哪？
跑在你的 voxyz Cloud 工作区里。Hermes 和 OpenClaw 都是可选 runtime；你看到的是同一个工作区。
我能马上拥有一个完整的 AI-native team 吗？
不能。你今天能拥有的是第一个会真的接活的 AI 员工。多个员工放进同一个工作区，长期看才会变成 AI-native team 的雏形。
