讓 Agent 加入群聊當同事，飛書從多維表格開始打樣

作者｜周一笑

微信｜smiletalker

上周，Anthropic給Claude發了一張工牌。

新產品叫Claude Tag，讓Claude以團隊成員的身份常駐Slack頻道，所有人共享同一個AI同事，它能拆解任務、調用工具、主動跟進被遺忘的事項。Karpathy甚至認為這是LLM交互方式的第三次范式轉變，前兩次是網頁和桌面應用，第三次是LLM變成一個獨立的、持久運行的實體，擁有組織范圍內的工具和上下文，與人類團隊并肩工作。

按這個框架理解，Claude Tag的意義在于agent開始從個人工具變成組織能力。個人提效，你私下找AI寫好分析再甩進群里就行。但組織提效需要agent直接作為團隊一員參與協作，信息流動不再經過某個人的手中轉。

今天，飛書發布了多維表格智能體。思路和 Claude Tag 有相似之處，都是讓 agent 以團隊成員的身份工作。不同的是，你可以從一張正在用的多維表格出發，比如一張客戶跟進表，幾次點擊就能給它配一個智能體，選好它該懂的數據范圍，接上能用的工具，然后它就以同事的身份出現在你的消息列表里，和真人同事排在一起。它不再是表格角落里那個“幫我分析一下”的側邊欄，而是一個誰都能@、隨時能喊它干活的團隊角色。

換句話說，飛書想讓沉在表格里的業務數據、權限、流程和經驗，變成一個可以持續干活的團隊成員。

但為什么首先是表格？

1

進群不夠，進表才能更好干活兒

國內企業里的協作上下文往往比較分散。討論在群聊里，結論在文檔里，狀態和審批在表格和流程里。Agent 只進群，只能拿到一部分上下文。它要往前推業務，還得接觸結構化的數據。

而很多公司每天的工作，就壓在一張張表里。

銷售跟進表、項目進度表、工單表、回款表、內容選題表、供應商管理表。它們看起來不性感，甚至有點土，但公司每天的動作、責任、風險和結果，都落在這些表的一行記錄、一個字段、一個狀態里。

國內很多企業的多維表格或在線表格，實際上承擔著輕量級業務系統的角色。它們帶權限、帶協作、帶流程，是很多團隊日常運轉的骨架。企業 Agent 要干活，第一站很可能就是這些業務表。

飛書做多維表格智能體的邏輯就在這里。飛書同時擁有 IM 和結構化數據兩層，聊天歸聊天，agent 要干活的時候，它可以直接扎根在業務數據上。

1

一張表怎么變成一個會干活的同事

一張業務表之所以重要，不只因為它存了數據，還因為它定義了協作關系。哪些字段代表什么業務含義，不同角色通過不同視圖看到不同的側面，權限決定了誰能動什么，狀態標記著事情走到了哪一步。Agent 如果只是讀表，它只是一個查詢工具。如果它能理解這些結構，在權限邊界內寫回狀態、觸發提醒、沉淀規則，它才開始像一個團隊成員。

舉個銷售場景的例子。團隊要做一次產品宣發，需要從客戶庫里篩出100人以上的中大型客戶，按行業和階段分類，再給出邀請推薦。一個銷售負責人在群里@智能體提了這個需求，它篩出了13家符合條件的客戶，按行業和階段做了分布統計。幾乎同一時刻，另一名銷售用一字不差的話問了同樣的問題，得到的卻是4家。

兩個人用的是同一個agent，但它替每個人查數據時，戴的是每個人自己的工牌，該看到什么、不該看到什么，是數據底層就攔住的。對一個要被團隊共用的AI同事來說，這種邊界和它聰不聰明同樣重要。

它也不總是等你開口。一個任務過了交付日期還沒動靜，不用等周會上才被提起，它可以自己按照定義好的主動工作原則冒出來，@上負責人說一句“這里有風險，建議你怎么辦，要誰配合”。這些過去要靠人盯、靠開會才接得上的事，現在有人替你先接住了。

更進一步，那些原本只長在老員工腦子里的判斷，什么樣的客戶算高風險、項目卡在哪種環節最危險，可以通過對話沉淀在智能體的記憶里，變成團隊共享的經驗。人來人走，這些判斷留在了 agent 里。新人入職第一天，就接手了團隊過去幾個月攢下的手感。一張表，就這樣從一個記錄的地方，慢慢變成了行動發生的地方。

1

在群里@了一張 1398 行的表

內測期間我把網信辦公開的生成式 AI 服務備案清單導入了一張多維表格，1398 條記錄，覆蓋 2024 年 4 月到 2026 年 4 月的 11 個批次。

“哪家公司備案的服務最多？”、“從 2024 年到現在，哪個批次增長最快？”它輸出了一張環比變化表，定位到 2025 年 12 月。

比較有意思一個測試是，備案清單里沒有行業字段，沒法按行業切入。我讓智能體“給 2026 年 4 月這批記錄新增一個行業分類字段并標注”。它讀取表結構，新增了一個文本字段，逐條分析服務名稱和公司名稱，把 72 條備案記錄標注成了網絡安全、智能家居/廚電、在線教育、金融科技、通用 AI、醫療健康、數字文化創意等類別。幾分鐘完成，這在從前無法想象。

我把這個智能體拉進了一個飛書群，讓同事直接@它。同事沒有參與過這張表的整理，也沒有打開過它。他先問了一句“你能幫我做什么”，智能體列出了能力范圍，并且提到需要先開放訪問權限才能輸出完整結果。拿到權限后他問了“醫療方向的備案集中在哪些城市”，智能體給出了相應的回答，目前全庫只有 1 條記錄被標注為醫療方向，因為行業分類只覆蓋了 2026 年 4 月那一批，其余批次還沒有標注，同時給出了批量補全的建議。

一個人整理的數據結構，團隊里其他人可以直接調用，并且可以管理權限，agent 還會主動說明數據的局限，有點 AI 同事的感覺了。

但“有點像同事”還不夠，企業要把它放進業務里用，前提是它得穩定、準確地處理真實數據。飛書多維表格的AI能力最近在TableBench、FDABench、SpreadsheetBench三個學術界公開評測中都拿到了第一，分別對應復雜表格問答、跨源業務分析和真實表格操作。

1

給 AI 同事發工牌，本質上是一個組織設計問題

個人提效，一個人加上一個 AI 就夠了。但組織提效要求 agent 的工作成果沉淀在系統里，而不是留在某個人手上。能自動巡檢客戶狀態、按權限推送提醒、把經驗變成團隊共享的記憶，這些事只有在一個完整的平臺環境里才做得到。

Claude Tag 讓大家看到了一種可能，agent 作為團隊成員參與協作，信息流動不再依賴個人中轉。連 Anthropic 自己的 agent，要想當個同事，也得先找到一個能住下來的工作環境。飛書多維表格智能體沿著類似的方向，把 agent 放進了業務表。前者解決的是協作入口，后者解決的是業務怎么往前推。

但這件事比“給 agent 接一個平臺”更深一層。你給一個 AI 同事什么數據、什么權限、什么邊界，反映的其實是你怎么理解自己組織的運轉方式。多維表格智能體把這個問題具體化了，一張表的結構本身就是對業務的定義，誰能看什么、誰該做什么、做到哪一步算完成，agent 按照這套結構工作，它的能力范圍和行為邊界就有了依據。這不只是一個技術選擇，也是一個組織設計的動作。

飛書把通訊、文檔、多維表格、審批、日歷放在同一個平臺里，又通過開放飛書 CLI，把這些能力變成 Agent 可以調用的工具。對 Agent 來說，這意味著它不只是能在聊天框里給建議，而是可以在授權范圍內真正進入工作系統：讀文檔、查表格、發消息、看日程、觸發流程，把動作落回到團隊每天使用的業務工具里。

這也解釋了為什么飛書 AI 的使用正在跟著新客戶一起增長。2026 年以來，在飛書新增客戶中，采購飛書 AI 能力的比例已經達到 9 成。這說明企業希望把 AI 放進已有的組織系統里，讓它接觸真實數據、遵守真實權限，并把結果沉淀回真實流程。

按 Gartner 的預測，今年年底會有四成企業應用嵌入任務型 AI agent，去年這個數字還不到 5%。需求在快速出現，但能給 agent 提供完整運行環境的平臺并沒有變多。沒有這樣的平臺，再能干的 agent 大概率也只能停在個人效率那一層，夠不到組織效率。

一個 Agent 能不能被@到，并不決定它能不能上崗。它能不能在組織的規則里工作，把成果留在系統里，才決定組織敢不敢把它當同事。

AI 同事需要的不只是大腦，也不只是一個聊天頭像。它需要工位、工牌，和一張能干活的桌子。

點個“愛心”，再走 吧