两者卖的是同一个理念——AI 员工，而不是聊天机器人。分岔点在于它运行在哪里、key 握在谁手里。Junior 是云服务；Hedy 部署在您的墙内。
Hedy 是私有化部署的 AI 员工：运行在您自己的 Docker/K8s 或气隙基础设施上，使用您自己的模型 key（包括本地 vLLM/Ollama），按席位定价。像 Junior 这样的云端 AI 员工运行在别人的服务器上，按用量额度 credit 计费，数据保存在对方租户里。Hedy 把事实源、检索 ACL 与只增不改审计留在您的边界之内，并在支持 Slack 之外原生支持飞书/Lark。一位 Hedy 替代的是一个团队的产出，而不是一个聊天席位。
| Hedy | Junior | |
|---|---|---|
| 数据存放位置 | 您的 VPC——或完全气隙 | 厂商云端（AWS） |
| 私有部署 | 支持——Compose 或 Helm | 目前不提供 |
| 源码可审计 | 可以，由您的安全团队审计 | 不可 |
| 聊天平台 | 飞书与 Lark 一等支持，另有 Slack | Slack 与 Microsoft Teams |
| 模型 key | 您自己的——含本地模型 | 厂商托管 |
| 定价模式 | 按席位固定授权 | 用量额度 credit，$100/月起 |
| 行为红线测试 | 内置于评测门 | 未披露 |
| 集成广度 | 核心企业工具栈，持续扩充 | 3,000+ 连接器 |
基于截至 2026 年 7 月的公开信息整理，欢迎指正：hello@hedy.one。Hedy 列为自部署 / BYO 模式，即旗舰形态。Hedy 可选的托管模式将模型流量经 Hedy 网关转发（仅计量元数据，从不存储内容），模型用量按预付额度 credit 计费。
核心分歧在于工作跑在哪里。云端 AI 员工住在别人的租户里：您的提示词、检索到的文档与输出都要跨过对方的边界，而您得接受对方的数据次级处理方（sub-processors）。Hedy 通过 Docker 或 Kubernetes 部署进您自己的基础设施，需要时可气隙运行。在自部署 / BYO 模式（自带模型 key）下，没有任何数据次级处理方：您自带模型 key，指向托管 API 或本地 vLLM/Ollama 端点，推理可以留在与数据相同的网络内。典型的 compose 部署约需 30 分钟。
定价随模式而定。云端 AI 员工按用量额度 credit 计费，成本随每个 token、每次重试增长，预测只能靠猜。Hedy 按席位定价，每次 LLM 调用都经过唯一一个掌管计量与配额的网关，支出是一个由您掌控的数字，而不是厂商开出的浮动账单。Hedy 可选的托管模式是刻意保留的例外——模型用量按预付额度 credit 计费，因为在该模式下模型层经 Hedy 网关转发；这一点我们写在定价页上，而不是藏在脚注里。两种模式的授权都离线完成：Ed25519 签名的 license 无需回连即可校验，这正是气隙或受监管部署真正需要的。
治理是产品本身，不是一个设置项。检索按提问者的 ACL 过滤，AI 员工绝不会展示某人本无权限打开的文档。写操作默认拒绝、以白名单放行，任何留下痕迹的动作都要经过分级审批（L0/L1/L2）。审计日志只增不改，没有更新或删除路径。证据门要求回答逐字引用来源，论断因此可以追溯，而不只是听上去合理。红线行为测试直接跑在 agent 上，而不是信任写在提示词里的指令。
在集成上，Hedy 将飞书/Lark 与 Slack 同等视为一等渠道，AI 员工在您的团队已经协作的地方工作，而不是强推一套以美国为中心的工具栈。定位也不同：云端 AI 员工是聊天工作区里多出的一个席位；一位 Hedy 的目标是产出一个团队的工作量。私有，而非云端。员工，而非助手。把活干完，而非记录会议。