人與 Agent 的協(xié)作已經(jīng)成為確定的趨勢。

文丨祝穎麗

今天，中國可能是全球擁抱 OpenClaw（開源智能體框架）最熱情的市場。遺憾的是，這個開源項(xiàng)目起初并不支持任何國產(chǎn)辦公軟件，直到飛書被正式寫入官方文檔。

推動這件事的是楊明鋒。作為 OpenClaw 中文社區(qū)的創(chuàng)辦者，他調(diào)研后發(fā)現(xiàn)，國內(nèi)工具里飛書的 API 接口最豐富，其長連接功能最適合 AI 的本地部署。

楊明鋒先是在中文分支里開發(fā)飛書插件，沒過多久，OpenClaw 官方就主動邀請他們合并到項(xiàng)目主干，飛書由此一度成為官方蓋章的 “中文渠道”。

硅基流動聯(lián)合創(chuàng)始人楊攀后來復(fù)盤，飛書與 OpenClaw 的適配性在于，它不僅僅是 IM 工具，更是一個完整的工作空間，有大量上下文信息，能讓 Agent 做事的能力得到充分發(fā)揮。

過去一段時間，Openclaw 從小眾技術(shù)圈走向全民，大模型公司推出自己的 Agent 產(chǎn)品時也優(yōu)先推薦接入飛書，這再次將它推向風(fēng)口——根據(jù) Openclaw-China 的社區(qū) 3 月 11 日周報(bào)數(shù)據(jù)，飛書在中國所有的 IM 工具里接入率達(dá)到 65.2%。

面對洶涌而來的用戶，飛書也在加速承接：今年 2 月初，飛書先是將免費(fèi)版 API 限額從 1 萬提高到 5 萬次；3 月 5 日，又繼續(xù)提升至每月 100 萬次。到 3 月 10 日，飛書的 AI 插件也正式開源，讓 Openclaw 在產(chǎn)品里的使用變得更加流暢。

足夠多的用戶涌進(jìn)來，也讓飛書成了最有可能誕生落地場景和案例的容器——比如最近，演員李誕就把自己的龍蝦喂養(yǎng)成了工作伙伴。

過去兩周，關(guān)于龍蝦的討論，已經(jīng)在普通用戶中經(jīng)歷了從高潮到平靜的完整歷程。但另一面，更多的企業(yè)組織里，一種新的工作方式——基于人與 Agent 協(xié)作的工作方式，已經(jīng)在飛書里逐漸自然生長了出來。

確定的價值

在內(nèi)容公司 “得到”，聯(lián)合創(chuàng)始人快刀青衣組建了一支 “AI 足球隊(duì)”。11 個 Bot 以球星命名：門將盯著郵件，后衛(wèi)在全球監(jiān)控科學(xué)家動態(tài)，還有的專門做 PPT。

他花了兩周部署和調(diào)教，關(guān)鍵時候，這些養(yǎng)在飛書的 “球員”Agent 還真起了作用?？斓肚嘁掠浀茫瓣囎用缊F(tuán)來交流，他前一晚 10 點(diǎn)才想起準(zhǔn)備演示材料。他找來 “設(shè)計(jì)師球員”，用 “溝通一頁、確認(rèn)一頁、完成一頁” 的節(jié)奏，全程沒開 PowerPoint，45 分鐘就做出了 25 頁高質(zhì)量 PPT。

最讓他感到自在的是，他可以隨意提意見而不用擔(dān)心對方的情緒，比如過程中他嫌棄 Agent 做的風(fēng)格太 “商業(yè)圖庫” 了，對面不僅能理解，還會主動做減法，直接建議刪掉。

這是和人類下屬是不一樣的溝通體驗(yàn)。在正常的上下級關(guān)系中，由于處于權(quán)力位置的存在，很少會有下屬主動追問老板，甚至提出超出常規(guī)的建議；老板有時候也得顧忌，快刀青衣說，如果找人類設(shè)計(jì)師一輪輪改字號、換風(fēng)格，“對方一定會砍死我。但 AI 不會累，它能無限逼近我的審美極限?！?/p>

過年前，在自己探索了一段時間之后，快刀青衣在公司大群里發(fā)了個消息，讓所有使用 OpenClaw 的員工在 30 分鐘內(nèi)通過截圖進(jìn)群。最后發(fā)現(xiàn)人還不少，有 26 個員工也跟他一樣，已經(jīng)自己探索了一段時間。

有了正反饋后，在飛書上安裝 OpenClaw 的經(jīng)驗(yàn)，就逐漸在整個 “得到” 開始推廣，先是另外兩個合伙人羅振宇和脫不花開始部署；到這個月，員工中一些比較優(yōu)質(zhì)的 Agent 也開始面向全員被調(diào)用。

最讓快刀青衣驚喜的是，他們的數(shù)據(jù)分析師做出的 Agent 牛小數(shù)。這個 Agent 能夠 24 小時不間斷地響應(yīng)公司全員要數(shù)據(jù)、拉報(bào)表的需求，而過去這些需求都只能靠這位核物理專業(yè)背景的頂尖數(shù)據(jù)分析師人肉來做。

快刀青衣感慨，這曾經(jīng)是對高薪人才的浪費(fèi)——過去他 60% 到 70% 的時間都在處理這類繁瑣的事務(wù)。而如今，Agent 將這位數(shù)據(jù)分析師從中解放出來后，有了更多精力去處理更高階的算法和業(yè)務(wù)研究，極大拉高了他們?nèi)瞬诺氖褂蒙舷蕖?/p>

諸如此類的用例，在得到還有三個。到目前為止，得到上線了品牌設(shè)計(jì) Agent、 事實(shí)核查 Agent，以及視頻剪輯 Agent。這些崗位有些類似于 “中臺”，是公司很多業(yè)務(wù)的共性需求，比如在得到，運(yùn)營海報(bào)和配圖、內(nèi)容的審核和糾錯都是日常需求，而現(xiàn)在，找這些 Agent 就可以。

得到的 4 位數(shù)字員工

另一個已經(jīng)在工作場景中找到了 OpenClaw 確定性價值的是北汽旗下的長沙工廠。

2026 年 1 月底，在關(guān)注到 OpenClaw 開源框架在國外爆火后，北汽的數(shù)字化部門很快就決定引入；在完成安全評估后，他們先是建立了封閉的安全容器，并且只授予了讀取飛書知識庫、監(jiān)控以及發(fā)送消息的最小權(quán)限。到春節(jié)前，首批 Agent 完成測試后，正式上線運(yùn)行。

北汽也部署了 4 類 Agent：

一類是在采購、人事等各個業(yè)務(wù)群內(nèi)，讓 Agent 負(fù)責(zé)緊盯協(xié)作進(jìn)度，比如它會自動梳理群里安排的工作并分類記錄。如果某項(xiàng)任務(wù)無人跟進(jìn)或快到截止時間（如到下午 5 點(diǎn)仍未收到反饋），Agent 會在群里主動 @ 相關(guān)責(zé)任人催辦。這替代了過去需要專職項(xiàng)目經(jīng)理去建立匯總表和人工催辦的流程，用 AI 打破砂鍋問到底的特性真正實(shí)現(xiàn)了 “事事有閉環(huán)”。

一類是給 Agent 裝上 “眼睛”，直接接入了工廠的監(jiān)控?cái)z像頭和生產(chǎn)設(shè)備的 API。北汽福田長沙工廠的數(shù)字化負(fù)責(zé)人文偉在飛書直播活動中說，在春節(jié)人員放假期間，這個 Agent 就實(shí)現(xiàn)了 24 小時不間斷的工廠巡查。它可以識別消防隱患、讀取設(shè)備故障告警，甚至結(jié)合攝像頭查看告警燈狀態(tài)，一旦發(fā)現(xiàn)風(fēng)險，會立刻在群里發(fā)消息通知值班人員處理，極大地節(jié)省了人工巡檢成本。

還有一類是知識庫問答與業(yè)務(wù)數(shù)據(jù)查詢。這類 Agent 連接了經(jīng)過治理的長沙工廠動態(tài)知識庫 , 員工可以通過對話形式，直接讓 Agent 查詢工廠的運(yùn)營數(shù)據(jù)、產(chǎn)量、質(zhì)量、訂單情況。

最后一類還在推進(jìn)的，是調(diào)度類的 Agent，當(dāng)生產(chǎn)現(xiàn)場發(fā)生問題時，它能夠根據(jù)屬性分析是質(zhì)量引起的還是零部件缺失引起的，并直接將問題調(diào)度給對應(yīng)的技術(shù)人員或庫房，實(shí)現(xiàn)生產(chǎn)故障的極速響應(yīng)與指派。

北汽旗下的長沙工廠 Agent “長超小?！?與員工進(jìn)行生產(chǎn)啟動的協(xié)作

得到和北汽，作為兩種完全不同類型的企業(yè)，能夠非常快速地讓 OpenClaw 這類主動式 Agent 落地在自己的業(yè)務(wù)場景里，除了他們本身都有對核心業(yè)務(wù)痛點(diǎn)的理解、適配 AI 生長的組織土壤，另一個關(guān)鍵要素在于，他們都在數(shù)字化基礎(chǔ)設(shè)施建設(shè)打下了不錯的基礎(chǔ)，尤其是之前基于飛書完成的深度數(shù)據(jù)沉淀與治理。

得到作為一家內(nèi)容公司，用得最多的是寫文檔?？斓肚嘁抡f，起初被介紹用飛書時，他和羅振宇以及脫不花寫了一個月的文檔，確認(rèn)了這個功能足夠適配他們之后才決定進(jìn)入飛書?，F(xiàn)在回頭看，正是因?yàn)橛辛诉@些包括文檔、知識庫、流程在內(nèi)的很多數(shù)據(jù)都在飛書上，他們才能夠非常快地去完成 Agent 的搭建。

比如他們給事實(shí)核查的 Agent 取名 “元芳”?！霸肌?正是因?yàn)槲樟斯?“總編室” 過去十年的糾錯記錄，不僅學(xué)會了專業(yè)核查，甚至連老專家們那種經(jīng)常給人挑刺、帶著點(diǎn) “抬杠” 和傲嬌的語氣都學(xué)得惟妙惟肖。

北汽感受最深的是飛書的多維表格能力，以及動態(tài)的數(shù)據(jù)庫能力在創(chuàng)建 Agent 時給的助力。

作為汽車制造工廠，北汽以前擁有繁雜的信息系統(tǒng)數(shù)據(jù)，但這些未經(jīng)處理的數(shù)據(jù)連人類難以理解，更無法直接喂給 AI。企業(yè)在前期利用飛書的多維表格進(jìn)行了長期的數(shù)據(jù)治理，將散落在多個底表中的字段抽取、合并成人類可讀的統(tǒng)一表格后，恰恰也成為了最適合 AI 理解的數(shù)據(jù)格式。

動態(tài)更新的知識庫則幫助這些 Agent 不斷更新記憶，利用這些動態(tài)的數(shù)據(jù)和知識，這個 “數(shù)字員工” 可以無縫參與到日常的任務(wù)催辦與消息流轉(zhuǎn)，在讀取動態(tài)知識后隨時進(jìn)行問答。

上周的直播上，快刀青衣感慨，或許應(yīng)該更早上飛書，順利部署 Agent，甚至在改變了他們的工作方式?？斓肚嘁聲诚?，未來 Agent 是不是就是可以作為一個真正的員工入職？而一個能力很強(qiáng)的員工，當(dāng)他做出自己的分身時，是不是也可以同時賣給很多個企業(yè)？

他覺得，這些未來都有可能。

進(jìn)行中的探索

Openclaw 從上線開源社區(qū)到現(xiàn)在不過 3 個多月，更多的企業(yè)都還在探索其可能性。

飛書上的一家頭部醫(yī)藥企業(yè)對 OpenClaw 的部署就 “激進(jìn)” 且富有實(shí)驗(yàn)色彩。

某藥企數(shù)字化相關(guān)員工說，一開始他們對 Openclaw 持觀望態(tài)度，第一次給他震撼的是，他給這個龍蝦下了一個讓他發(fā)出語音的指令，結(jié)果半夜這個 Agent 還在孜孜不倦地努力；凌晨 4 點(diǎn)多，這個 Agent 竟然真的發(fā)來了語音。

因?yàn)?OpenClaw 的心跳機(jī)制、長期記憶能力與自主任務(wù)規(guī)劃能力，非常適合做管理者的分身，內(nèi)部測試后，公司的管理團(tuán)隊(duì)成為第一批用戶。

基于前期的試用成果，很快公司就推動了 OpenClaw 的規(guī)?；涞?，實(shí)現(xiàn)了員工人手一個獨(dú)立 Agent，讓全員自主探索應(yīng)用場景。

成本并不算高，效率也超過預(yù)期：僅靠 4 名 IT 及運(yùn)維人員在春節(jié)期間，利用公司閑置的超融合平臺服務(wù)器，通過本地 Docker 的容器技術(shù)就快速拉了起來，幾乎沒有額外的硬件成本。

選擇這種部署方式，有他們的考量。Docker 提供的是沙箱環(huán)境，相對更加安全。更關(guān)鍵的是，作為 IT 管理者，這種部署方式賦予了他 “一鍵斷電” 的能力。當(dāng)時有員工希望能夠部署在自己的本地電腦，但他們發(fā)現(xiàn)在 Docker 上只需建一個共享文件夾，服務(wù)器里的 Agent 就能讀取本地文件；這樣不僅更方便，還更容易在全公司快速推行。

試點(diǎn)初期，為了充分釋放全員的探索空間，他們沒有給每個員工設(shè)置 Token 的使用額度上限，結(jié)果發(fā)現(xiàn)所有 Agent 每天的 Token 使用量不超過 5000 塊，還是在完全沒有任何 Token 優(yōu)化機(jī)制下的費(fèi)用。折算下來，每臺 Agent 每天的運(yùn)行成本僅僅只有 5 塊錢。

消耗量低，一方面說明成本并沒有想象中那么高；但另一方面，對他們來說，困擾在于大部分人還不清楚怎么用。

當(dāng)時他們從后臺數(shù)據(jù)看，一天的輸入 Token 高達(dá)十幾億，但輸出 Token 卻只有區(qū)區(qū)的千萬級別。這意味著，絕大多數(shù)員工只是把大把大把的資料和文檔扔進(jìn)系統(tǒng)里，產(chǎn)出的也都是些沒有太大意義的短回復(fù)，并沒有讓 AI 去解決復(fù)雜的業(yè)務(wù)問題。

但在這種浪費(fèi)和探索的過程中，他們也發(fā)現(xiàn)了 Agent 不少的想象力場景。

比如 “AI 路由”。以往的 AI 應(yīng)用都局限在某個部門內(nèi)，比如 HR 助手或財(cái)務(wù)機(jī)器人，跨部門協(xié)作依然靠人肉中轉(zhuǎn)。但 OpenClaw 像一個網(wǎng)關(guān)路由器，能讓信息流在部門間自動調(diào)度，比如有公司管理者嘗試將 OpenClaw 練成自己的 “數(shù)字分身”，這個分身不僅能查報(bào)表，還能感知組織架構(gòu)，主動找到對應(yīng)的程序員協(xié)調(diào)權(quán)限，甚至在程序員沒回消息時，根據(jù)通訊錄自動找到程序員的領(lǐng)導(dǎo)進(jìn)行協(xié)調(diào)。

這些實(shí)驗(yàn)和發(fā)現(xiàn)也都發(fā)生在飛書上，這家公司的數(shù)字化負(fù)責(zé)人認(rèn)為，沒有比飛書更適合做這些探索的了，比如極度豐富的 API 接口。

他還在飛書消息卡片 2.0 上看到后 AI 時代前端載體的雛形：Openclaw 生成的飛書消息卡片自帶可交互的按鈕，無需 IT 人員提前開發(fā)，即可由 AI 根據(jù)任務(wù)需求自動生成，點(diǎn)擊后直接觸發(fā)后端業(yè)務(wù)動作。

此外，在飛書的新版插件里，可以進(jìn)行用戶級授權(quán)與高度擬人化，這讓 Agent 不是以一個公共機(jī)器人的身份去執(zhí)行任務(wù)，而是可以真正以使用者的個人飛書賬號身份去溝通和調(diào)接口，可以讓高管的 Agent 完美變成了高管個人的 “數(shù)字分身”，連說話的語氣都逼真到讓人分辨不出是人還是 AI。這也極大降低了應(yīng)用全局授權(quán)帶來的安全隱患。

一段時間 “爆兵” 策略的部署會后，這家把 AI 落地當(dāng)做 “一把手工程” 和創(chuàng)新發(fā)展的核心戰(zhàn)略的公司也逐漸找到了一些屬于適合自己的思路。

過去為了激發(fā)員工的好奇心，他們直接發(fā)給每個人一個獨(dú)立 Agent；接下來，他們計(jì)劃收回全員獨(dú)立 Agent，改為以部門為單位的 “一主多從” 模式，即部門領(lǐng)導(dǎo)擁有主 Agent（負(fù)責(zé)決策與任務(wù)路由），下屬員工擁有子 Agent（負(fù)責(zé)生產(chǎn)執(zhí)行）——這樣不僅能節(jié)省服務(wù)器資源，還能把復(fù)雜任務(wù)切分成小塊處理，并且更利于工作成果的固化與管理。未來，他們也計(jì)劃全面遷移至云端以增強(qiáng)安全性。

一切都還在進(jìn)行中。這位深耕企業(yè) AI 落地的負(fù)責(zé)人負(fù)責(zé)人看到，目前大部分的企業(yè)對 Agent 的應(yīng)用還停留在復(fù)刻過去的工作流，比如 7x24 小時自動監(jiān)控政策網(wǎng)頁、自動抓取爆款文案改寫，但這依然屬于被動觸發(fā)；而他認(rèn)為，Claw 范式的 Agent 真正的顛覆性價值是它的自主的工作能力。

比如在他們公司的應(yīng)用場景里，Agent 不僅能監(jiān)控到國家出臺了新法規(guī)，還能自主去評估這項(xiàng)新政策會對公司現(xiàn)有的研發(fā)項(xiàng)目產(chǎn)生哪些具體影響，并主動把分析結(jié)果推送到人類面前，“這才是 AI Agent 7x24 小時自主工作的終極形態(tài)”。

新趨勢和新機(jī)會

在得到，三個高管的辦公室現(xiàn)在放眼過去，好像一個機(jī)房，擺滿了 Mac mini，未來人與 Agent 在組織內(nèi)部的協(xié)作協(xié)作幾乎一個已經(jīng)確定不移的趨勢。

快刀青衣認(rèn)為，之后每一個項(xiàng)目都將以最小化人數(shù)為標(biāo)準(zhǔn)往下推進(jìn)，“人和 Agent 形成一個小的團(tuán)隊(duì)。一個是統(tǒng)籌，一個是自己這一個領(lǐng)域上面的把關(guān)”；在這家激進(jìn)的醫(yī)藥企業(yè)里，以前是分工明確的，從產(chǎn)品到項(xiàng)目，前端到后端到測試……但有了 Agent 之后，未來就不需要那么多節(jié)點(diǎn)了，“一個人就是全?！瓫]有那么多步驟了?！?/p>

這種人與 Agent 的并存帶來的變化，會讓協(xié)作方式也發(fā)生演變?？斓肚嘁抡J(rèn)為，未來的業(yè)務(wù)協(xié)同將變成每個參會者先與自己的 Agent 進(jìn)行充分探討與迭代，帶著多套成熟的 “AI 方案” 開會，會議徹底轉(zhuǎn)變?yōu)榧兇獾?“方案比選” 和 “快速決策”，不僅極大提升了效率，還從根本上消除了因?yàn)榉磸?fù)修改需求、能力盲區(qū)而帶來的人身攻擊和情緒內(nèi)耗。

未來協(xié)調(diào)的角色也不再需要人了，項(xiàng)目管理可能可以自動化。尤其在上下游非常多的制造類企業(yè)中，因?yàn)?Agent 所具備的心跳機(jī)制，它可以從一個被動工具變成跨部門的路由和 “項(xiàng)目跟進(jìn)員”

職場價值與雇傭關(guān)系可能也會發(fā)生顛覆。個人的核心競爭力將不再僅僅是努力或基礎(chǔ)技能（因?yàn)闊o法與 AI 拼效率），而在于是否能調(diào)教出一個別人都愿意用的智能體，以及你是否具備獨(dú)特的人類品味與業(yè)務(wù)痛點(diǎn)理解。

某種程度上，在這種演化中，飛書成為新的 “基礎(chǔ)設(shè)施”，成為企業(yè)實(shí)驗(yàn)和探索 Agent 邊界的有序環(huán)境。

OpenClaw 仍然是一個不夠穩(wěn)定的開源框架，雖然有實(shí)力的企業(yè)已經(jīng)在安全、成本上有諸多的探索，但對更多的組織來說，這個問題還沒有出現(xiàn)最佳示范和標(biāo)準(zhǔn)解決方案，留下來的巨大的市場空白，成了作為容器的飛書的新機(jī)會。

據(jù)我們了解，飛書將于明天正式發(fā)布 “官方”Agent 系列產(chǎn)品。和外掛式 AI 插件不同，這款官方 Agent 將會深度集成于底座，擁有原生權(quán)限，能基于企業(yè)在飛書沉淀的文檔、多維表格、會議記錄等豐富上下文進(jìn)行精準(zhǔn)決策，確保數(shù)據(jù)在嚴(yán)格的安全圍欄內(nèi)流轉(zhuǎn)。一位接近飛書的知情人士分析，這次的產(chǎn)品發(fā)布首要解決的，是企業(yè) “不敢用” 的信任問題，希望讓飛書企業(yè)客戶都暢快用起 Agent 來。

安全之外，能干活的 Agent 才有用。我們還了解到，飛書目前已經(jīng)有了針對不同群體的 Agent 產(chǎn)品布局，并且這些 Agent 已在多個高頻場景完成灰度測試并平穩(wěn)落地，屆時產(chǎn)品將以直播演示的方式進(jìn)行展現(xiàn)。

被風(fēng)口 “吹” 起來的飛書正在以最快的速度，回應(yīng)市場。

題圖來源：Her