请假、发 offer 不用再打开 HR 系统：Darwinbox 把 280 个工具搬进 Claude

2026 年 11 月 11 日，Darwinbox 宣布进驻 Claude Marketplace：280 多个 HR 工具、100 多个可执行动作，直接塞进 Claude 的对话框。请假、改考勤、换班、报销不用再打开 HR 系统；招聘官 shortlist 候选人、排面试、批量发 pre-offer、发起入职，也不用离开 Claude。

这不是又一个“AI 问答助手”。Darwinbox 卖的不是“你问、它答”，是“你说、它办”——动作直接写回 HR 系统。同一天，另一条新闻值得放在一起看：Workday 的 Agent Passport 进入 early access，给每个 agent 发一张“印章”，写明测过什么、谁测的、按什么标准，同时给每个 agent 指定具名负责人。

两条新闻拼在一起，才是这周 HR 科技真正的风向：agent 开始替人办事之后，问题从“它能不能办”变成了“它凭什么办、办错了谁负责”。Darwinbox 回答了前半句，Workday 在补后半句。

先把时间线拉直。2025 年 5 月，Darwinbox 成为全球首家上线自有 MCP server 的主流 HCM 平台，起步只有 20 个工具。一年半后，这个数字变成 280 多个。同一时期，HR 系统的入口之争换了三拨打法。

第一拨是“系统内嵌 AI”：在 HR 系统里加一个聊天框，员工有问题先问 AI，问完再点进原来的流程办事。AI 是系统的附庸。

第二拨是“后台 AI 包办”：前两天我写过的 DianaHR 就是这个路子——AI 在后台把 90% 的 HR 活干完，前端不用换系统，员工感知不到 AI 的存在。AI 是系统的代工。

Darwinbox 是第三拨：“系统拆成工具，住进对话”。员工不用打开 HR 系统，不用知道系统叫什么名字，在 Claude 里说一句话，活就办了。AI 不再是系统的附庸或代工，系统反过来成了 AI 的工具箱。

三拨打法回答的是同一个问题：HR 工作到底应该发生在哪里。第一拨的答案是“还在系统里”，第二拨的答案是“在后台”，第三拨的答案是“在用户已经在用的地方”。Darwinbox 的联合创始人 Chaitanya Peddi 在官方稿里说得很直白：“AI 助手是工作开始的地方，但没有组织上下文，再聪明的 AI 也不够用。”

这句话里藏着 Darwinbox 真正的赌注：HR 系统最后的护城河是上下文——谁是谁、谁归谁管、哪条政策适用、流程走到哪一步。界面可以被对话取代，上下文取代不了。

Darwinbox 这次发布的东西，拆开看是四层，层层递进。

第一层：日常事务直接在对话里办完

员工最常见的四件事——请假、考勤修正、换班、报销——在 Claude 里说一句话就能办。不用打开 Darwinbox，不用找菜单，不用填表单。

这听起来简单，做起来是把原来分散在系统各处的表单、审批、校验规则，全部翻译成 Claude 能调用的工具。每个工具背后都是一段真实业务逻辑。办请假这件事，系统里直接生成一条记录、走完审批，省掉了“写邮件、再提交”这一步。

第二层：招聘官有了一间完整的“面试间”

比日常事务更重的是招聘。Darwinbox 给招聘官配了一整套不用离开 Claude 的工作台：shortlist 候选人、排面试、记录反馈、批量发 pre-offer、发起入职。

注意“批量发 pre-offer”这个动作。它是直接写入，而且一次能批量发。招聘流程里最怕的就是“AI 建议、人工点鼠标”，建议再准，最后一步还得人进系统一个个点。Darwinbox 把最后一步也收了。

第三层：三个专职 agent，带着交互界面进来

除了通用工具，Darwinbox 还把三个专职 agent 嵌进 Claude：Recruiter Agent、Employee Support Agent、Onboarding Agent。每个 agent 都带 A2UI（Agent-to-user Interface）交互界面，也就是说，agent 不只回文字，还能在对话里弹出可交互的界面——列表、卡片、表单。

这个细节值得多看一眼。纯文字对话办复杂事有个天花板：候选人名单、入职清单这种结构化信息，用文字念一遍既低效又容易错。A2UI 是在承认这个天花板，然后绕过去：对话负责意图，界面负责结构——办事就得有办事的界面。

第四层：Context Graph，回答问题的底座

前面三层都是“动作”。Darwinbox 还给了一个“答案”的底座：Context Graph。官方口径称这是业内首个——一张实时映射，记录组织里的人、角色、政策、工作流是怎么拼在一起的。问题超出单个动作的范围时，Claude 就去查这张图，再作答。

比如员工问“我今年还能请几天假”，答案不在某一条政策里，而在“你的职级+入职时间+已休天数+所在地区政策”四者的交集里。没有这张图，AI 只能把政策原文贴给你；有了这张图，AI 才能直接给你一个数。

Context Graph 是 Darwinbox 这次发布里最容易被低估的一层。工具可以复制，agent 可以复制，一张实时、准确、覆盖全组织的上下文图谱复制不了——它就是 HR 系统本身多年积累下来的数据资产。界面让出去了，数据资产反而成了核心。

权限：每一次写入都要过两道关

280 个工具能写回系统，第一反应应该是风险。Darwinbox 的官方稿对权限写了两句话，值得逐字读。

第一句：每个动作以登录用户身份执行，沿用其在 Darwinbox 中已有的角色权限。用户只能看到和操作其角色允许的范围。也就是说，Claude 没有超级权限，它借用的是你自己的权限。你在系统里批不了的假，在 Claude 里也批不了。

第二句：Claude 在写入 Darwinbox 之前，会请用户确认每一次更新。动作发生前，先有人点头。

这两句合起来是一个设计立场：agent 的能力边界，就是人的权限边界；每一次写入都要有人确认。Darwinbox 没有因为“AI 能办”就绕过审批和确认，而是把审批和确认嵌进对话流程里。

这个立场对不对，取决于你怎么看 agent 的定位。如果 agent 是“替人办事的下属”，那确认每一步是应该的；如果 agent 是“自动跑完流程的管道”，那每步确认就是摩擦。Darwinbox 选了前者，至少在第一版里是这样。

Darwinbox 回答了“怎么办事”，Workday 的 Agent Passport 回答了“办错了找谁”。

印章：把“安全吗”变成能查的东西

Workday 的 Agent Passport 是一套 agent 信任层，建立在今年 2 月 GA 的 Agent System of Record（ASOR）之上。现在处于 early access，GA 计划在年底。

它的核心设计是一个“印章”（Stamp）：一张有签名的、可审计的记录，写明这个 agent 测过什么、谁测的、按什么标准。测试由独立评估方做，Workday 发印章。Cisco AI Defense 负责 Workday 自有 agent 的对抗测试，包括提示词注入抵抗和越狱抵抗；Straiker 计划作为首家扩展测试方加入；OneTrust 则把治理印章映射到 EU AI Act、ISO/IEC 42001、NIST AI 风险管理框架。

Workday 官方博客里有一句话点破了这个设计的意图：“CIO 不用再在‘信厂商的话’和‘为了一次部署拖慢人工评审’之间二选一。”印章把“这个 agent 安全吗”从一个需要开会讨论的问题，变成一个几分钟能查完的记录。而且印章的缺席本身也是信息：如果一个 agent 没有提示词注入抵抗的印章，它还能跑，但你是在盲目信任它。

每个 agent 都要有一个具名的人

印章只解决了一半问题：它告诉你 agent 被测过，但不告诉你谁在为它背书、它的成本记在谁头上。Workday 同时推出的 Agent Owners 补上了另一半：每个 agent 指定一名业务负责人——用这个 agent 创造价值、拥有其计费成本中心——和一名技术负责人——负责配置与支持。Agent 还要进入 supervisory org chart（监管组织架构图）。

把这两件事拼在一起看，意思就清楚了：agent 不再是飘在组织之外的工具，它要像员工一样，有档案（印章）、有上级（业务负责人）、有成本中心、有组织架构里的位置。

这和我前两天写的 Lever 报告正好接上。Lever 的调研说，45% 的企业没有单一负责人统筹“人与 AI 如何协作”，只有 21% 有专职负责人；有明确负责人的企业，称 AI“极有价值”的可能性是没负责人的 2.5 倍。Workday 是把这个结论产品化了：系统把“负责人”做成了必填字段，绕过了开会商量的环节。

两条路线正在合流

把 Darwinbox 和 Workday 放在一起，行业图景就完整了：

Darwinbox 扩的是能力：agent 能办的事越多，HR 系统的价值就越体现在它提供的工具和上下文上。Workday 补的是治理：agent 能办的事越多，组织就越需要知道它测过什么、谁在负责。

这两条路线是一枚硬币的两面。没有能力，治理无物可治；没有治理，能力不敢放开用。Darwinbox 的 280 个工具如果没有权限复用和逐次确认，不敢上线；Workday 的印章如果没有真实的 agent 在跑，也只是一张纸。

对 HR 负责人来说，判断一个 AI 方案成不成熟，可以看它同时回答了哪几个问题：能办什么事、凭什么权限办、办之前谁确认、办错了谁负责、成本记在谁头上。只回答第一个问题的方案，还处在演示阶段。

Darwinbox 的产品大多数中国企业今天还用不上——Claude 在国内的使用受限，落地路径未验证。但它的设计思路可以直接拿来评估任何一家厂商的同类方案，不管对方叫 MCP、叫连接器还是叫智能体。下次有厂商向你推销“AI 助手直接办 HR 事”，先问这六个问题：

第一，动作是真写入，还是只生成文本。 “帮你写请假申请”和“直接提交请假申请”是两回事。问清楚：动作执行后，系统里的记录状态是什么？审批流触发了吗？如果答案是“生成一段文字等你复制”，那它只是个聊天机器人。

第二，权限是复用，还是另起一套。 Darwinbox 的做法是复用 Darwinbox 里已有的角色权限。如果厂商的方案要你重新配一套 agent 专用的权限体系，问清楚两套权限怎么同步、冲突时谁说了算。权限配得乱，agent 只是把乱放大——而且放大的速度比人快得多。

第三，写入之前有没有确认环节。 批量发 pre-offer 这种动作，错一次就是一群人收到错误的录用通知。确认环节就是最后的刹车。问清楚：哪些动作需要确认、哪些不需要、确认界面长什么样、能不能批量确认。

第四，答案有没有组织上下文背书。 “今年还能请几天假”这种问题，答案对不对取决于系统知不知道你的职级、入职时间、已休天数和地区政策。问厂商：答案是直接算出来的，还是把政策原文贴回来让你自己算。如果是后者，它的“上下文”只是个搜索框。

第五，agent 有没有档案和负责人。 按 Workday 的标准问：这个 agent 测过什么、谁测的、按什么标准？业务负责人是谁、成本记在谁头上？如果厂商答不上来，说明它的 agent 还没有进入“可治理”的阶段——你可以试点，但别急着推广。

第六，先从一个高频、低风险的场景试点。 请假、查剩余年假、报销进度，这类场景频率高、后果可控、最容易看到效果。招聘批量动作、薪酬相关动作先放一放。试点跑一个月，看三个数：员工实际用对话办了多少事、多少次动作在确认环节被拦下、出了几次错。三个数都好看，再扩场景。

Darwinbox 把 280 个工具搬进 Claude，真正值得记住的不是数字，是它背后的判断：HR 系统的界面正在贬值，上下文和权限正在升值。

界面贬值，是因为用户已经不在乎在哪办——在系统里办、在 Claude 里办、在 Slack 里办，只要办得成，都一样。上下文升值，是因为 AI 越能干，对“这个组织到底怎么运行”的准确理解就越值钱。权限升值，是因为 AI 越能干，错一次的代价就越大。

Workday 的印章和负责人制度，说的也是同一件事：agent 进场之后，组织要补的课是责任制。

对 HR 团队来说，这一周的两个新闻合起来是一个行动信号：下一次评估 AI 方案，别只看演示里它能办多少事。同时问一句：它凭什么办，办错了谁负责。这两个问题的答案，比演示里的流畅程度更能预测它在你这里能不能活下来。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING