# Datasynx Shadowing：AI 驱动的自动化 SOP 生成工具

> 一款本地优先的 CLI 工具，通过静默观察员工工作流程自动生成标准化的操作程序文档，支持 PII 脱敏和 MCP 原生集成

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-10T20:45:27.000Z
- 最近活动: 2026-06-10T20:53:25.651Z
- 热度: 114.9
- 关键词: SOP, 知识管理, Claude, MCP, 本地优先, PII脱敏, 工作流自动化, 企业文档
- 页面链接: https://www.zingnex.cn/forum/thread/datasynx-shadowing-ai-sop
- Canonical: https://www.zingnex.cn/forum/thread/datasynx-shadowing-ai-sop
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：datasynx
- 来源平台：github
- 原始标题：agentic-ai-shadowing
- 原始链接：https://github.com/datasynx/agentic-ai-shadowing
- 来源发布时间/更新时间：2026-06-10T20:45:27Z

## 原作者与来源\n\n- **原作者/维护者**: datasynx\n- **来源平台**: GitHub\n- **原项目名**: agentic-ai-shadowing\n- **原始链接**: https://github.com/datasynx/agentic-ai-shadowing\n- **发布时间**: 2026年6月\n\n---\n\n## 项目概述\n\nDatasynx Shadowing 是一款创新的本地优先 CLI 工具，它像一个"静默的影子"一样观察员工的日常工作流程——从 shell 命令到活跃窗口，从 git 提交到文件变更——然后利用 Claude AI 自动生成结构化的标准操作程序（SOP）。\n\n这个项目的口号是"你的团队永远没时间写的 SOP"。它直击企业知识管理中的一个核心痛点：关键业务流程往往只存在于资深员工的头脑中，一旦人员流动，这些知识就随之流失。\n\n---\n\n## 核心功能与工作流程\n\n### 1. 主动任务模式\n\n员工可以主动启动一个任务记录会话：\n\n```\n$ shadowing start\n\n  Agentic AI Shadowing — Active\n\n? Start a new task? Yes\n? Task title: Monthly SAP Closing\n? Short description: Monthly closing tasks in SAP FI\n\n  Task started: \"Monthly SAP Closing\" (ID: a3f8c210)\n```\n\n在任务进行期间，工具会静默记录用户的操作。任务完成后，Claude 会自动生成包含目标、前置条件、步骤和预期结果的完整 SOP。\n\n### 2. 自动观察模式\n\n更强大的功能是自动观察模式：\n\n```\n$ shadowing observe --auto-sop\n\n  Observation started (Session: b7e2f4a1)\n  Sources: Windows · Shell History · Git\n  Auto-SOP: enabled\n\n  [14:23:01] Window  VS Code — src/api/routes.ts\n  [14:23:45] Shell   git diff src/api/routes.ts\n  [14:24:12] Shell   npm run test\n  [14:35:22] Shell   git commit -m \"fix: validate input\"\n  [14:35:30] Shell   git push origin feature/validation\n\n  Observation ended. 2 tasks detected → 2 SOPs generated.\n```\n\n系统能够智能识别任务边界，自动将连续的操作序列分割成独立的 SOP。\n\n---\n\n## 技术架构设计\n\n### 本地优先原则\n\nShadowing 的核心架构决策是"本地优先"：\n\n- **数据存储**: 本地 SQLite 数据库（使用 WAL 模式），而非云端服务\n- **无后台守护进程**: 不常驻内存，只在用户主动调用时运行\n- **无遥测**: 不向厂商发送使用统计或诊断数据\n- **唯一外部调用**: 仅调用 Claude API 进行 SOP 生成\n\n这种设计对于处理敏感业务数据的企业至关重要——数据不会离开员工的机器，除非显式导出。\n\n### PII 脱敏系统\n\n导出功能内置了多层 PII（个人身份信息）脱敏机制：\n\n| 数据类型 | 处理方式 |\n|---------|---------|\n| 邮箱地址 | 自动识别并替换为占位符 |\n| IP 地址 | 脱敏处理 |\n| URL | 域名和路径脱敏 |\n| 电话号码 | 格式识别并替换 |\n| 文件路径 | 路径组件匿名化 |\n| IBAN/信用卡 | 始终开启的专项脱敏 |\n| 税号/社保号 | 模式匹配并脱敏 |\n\n用户可以在导出前预览脱敏效果，确保敏感信息不会泄露到共享文档中。\n\n### MCP 原生集成\n\nShadowing 不是简单地将 MCP 作为附加功能，而是从一开始就作为 MCP 服务器设计：\n\n- **17 个类型化工具**: 提供完整的类型安全接口\n- **Claude Code 集成**: 支持 hook 处理器，实现无缝 IDE 集成\n- **多代理支持**: 兼容 Claude Code、Codex、Cursor 等主流 AI 编程工具\n\n这意味着开发者可以直接在 IDE 中通过自然语言指令驱动 Shadowing，例如"记录我当前正在进行的部署流程"。\n\n---\n\n## 质量度量体系\n\nShadowing 引入了一套独特的 SOP 质量评分系统：\n\n### 1. 一致性评分 (Consistency)\n\n衡量同一任务多次执行时 SOP 的稳定程度。如果同一任务生成的 SOP 差异很大，说明流程本身可能不够标准化。\n\n### 2. 成熟度评分 (Maturity)\n\n基于 SOP 的完整性、步骤清晰度、前置条件明确度等因素评估。\n\n### 3. 新鲜度评分 (Freshness)\n\n追踪 SOP 的最后更新时间。长时间未更新的 SOP 会被标记为可能过时。\n\n### 4. 综合评分\n\n综合以上三个维度，给出整体可信度评估。这帮助团队识别哪些 SOP 值得信赖，哪些需要重新审查。\n\n---\n\n## 企业级功能\n\n### Web 仪表板\n\n项目包含一个深色主题的企业级 Web 仪表板，提供：\n\n- SOP 编辑器：支持实时编辑和版本对比\n- 质量指标可视化：图表展示 SOP 库的健康状况\n- Diff 查看器：直观展示 SOP 版本间的差异\n- 导出工作流：支持批量导出和自定义脱敏规则\n\n### 版本历史\n\n每个 SOP 的每次变更都被完整记录，支持：\n- 时间线浏览\n- 版本对比\n- 回滚到任意版本\n- 变更作者追踪\n\n---\n\n## 对比传统方案的优势\n\n| 传统方式 | Shadowing 方案 |\n|---------|---------------|\n| SOP 依赖记忆事后编写，经常遗漏细节 | 实时捕获操作过程，自动生成完整文档 |\n| 关键知识随人员离职而流失 | 每个重复性任务都变成可版本化、可审查的 SOP |\n| 监控 SaaS 将屏幕活动上传到第三方云 | 100% 本地运行，数据不出员工机器 |\n| 导出文档泄露邮箱、IP、文件路径等敏感信息 | 自动 PII 脱敏，导出前可预览 |\n| "这个 SOP 还准确吗？"——无人知晓 | 一致性、成熟度、新鲜度评分自动标记过时文档 |\n| 需要切换到单独工具更新程序 | 通过 MCP 直接在 IDE 中驱动，不中断工作流 |\n\n---\n\n## 实际应用场景\n\n### 场景一：新员工培训\n\n资深员工执行一次"月末结账"流程，Shadowing 自动生成详细 SOP。新员工可以按图索骥，大幅减少培训时间和错误率。\n\n### 场景二：关键岗位备份\n\n对于只有一两个人掌握的关键业务流程（如特定系统的管理员操作），Shadowing 确保知识被文档化，降低人员风险。\n\n### 场景三：流程优化基准\n\n通过对比不同员工执行同一任务的 SOP，识别最佳实践和流程差异，为标准化改进提供数据支持。\n\n### 场景四：合规审计支持\n\n自动生成的操作日志和 SOP 可以作为合规审计的证据，证明关键流程有明确的执行标准。\n\n---\n\n## 技术栈与工程实践\n\n- **TypeScript**: 严格类型检查，ESM-only\n- **SQLite**: WAL 模式，本地数据存储\n- **Vitest**: 1112+ 测试用例\n- **CI/CD**: GitHub Actions 自动化\n- **文档**: 完整文档站点\n- **许可证**: MIT 开源\n\n---\n\n## 隐私与伦理考量\n\nShadowing 在设计上就考虑了隐私和伦理问题：\n\n1. **员工驱动**: 员工主动启动、暂停和完成任务，不会未经同意记录\n2. **排除规则**: 支持配置排除特定应用或操作类型\n3. **本地处理**: 敏感数据处理在本地完成，不上传云端\n4. **透明脱敏**: 导出前可预览脱敏效果，确保符合公司政策\n\n这种设计平衡了知识捕获的需求与员工隐私的保护。\n\n---\n\n## 总结与思考\n\nDatasynx Shadowing 代表了一种新的知识管理范式：从"让人写文档"到"让 AI 观察并生成文档"。\n\n它的核心洞察是：**最好的文档是在工作发生时自动生成的，而不是事后回忆编写的**。人类不擅长在完成任务后再详细回忆每个步骤，而 AI 可以无遗漏地记录和分析。\n\n这个项目的成功关键在于几个设计决策：\n\n1. **本地优先**: 消除了企业对数据安全的顾虑\n2. **MCP 原生**: 无缝集成到开发者现有工作流\n3. **质量评分**: 不仅生成文档，还评估文档质量\n4. **PII 脱敏**: 解决了企业级部署的最大障碍\n\n对于希望建立知识管理体系但又苦于"没人愿意写文档"困境的团队，Shadowing 提供了一个务实的解决方案。它不是要取代人类的判断，而是将人类从繁琐的文档工作中解放出来，专注于更有价值的任务。