让 Agent 加入群聊当同事，飞书从多维表格开始打样

发布时间：2026-07-17 16:09:45 来源：安智兰德资讯网 作者：时尚

作者｜周一笑
微信｜smiletalker

上周，加入Anthropic 为 Claude 颁发了一张“工牌”。群聊

这款名为 Claude Tag的当同多维打样新产品，旨在让 Claude 以团队成员的事飞书身份常驻 Slack 频道。作为一个共享的表格 AI 同事，它能拆解任务、开始调用工具，加入并主动跟进那些被遗忘的群聊事项。Andrej Karpathy 甚至将其定义为 LLM 交互方式的当同多维打样第三次范式转变：前两次是网页和桌面应用，而第三次则是事飞书 LLM 演变为一个独立的、持久运行的表格实体，拥有组织范围内的开始工具与上下文，与人类团队并肩作战。加入

在此框架下，群聊Claude Tag 的当同多维打样核心意义在于：Agent 正从“个人提效工具”向“组织能力”进化。

个人提效只需私下让 AI 写好分析再转发即可；但组织提效要求 Agent 直接作为团队一员参与协作，打破信息流动对个人中转的依赖。

今天，飞书发布了多维表格智能体。其理念与 Claude Tag 异曲同工，但切入点更为务实：你可以从一张正在使用的多维表格（如客户跟进表）出发，通过几次点击，为其配置一个智能体。选定数据范围、接入可用工具后，该智能体便以“同事”身份出现在消息列表中，与真人同事并列。它不再只是表格角落里的“分析侧边栏”，而是一个全员可 @、随时待命的团队角色。

换言之，飞书试图将沉没在表格中的业务数据、权限体系、流程规范及隐性经验，转化为一个能持续产出的“数字员工”。

但为什么首选表格？

1. 进群不够，进表才能更好干活

国内企业的协作上下文往往高度分散：讨论在群聊，结论在文档，而状态与审批则固化在表格和流程中。若 Agent 仅接入群聊，只能获取碎片化的上下文，难以推动实质性业务。

然而，许多公司的日常运转实则压在一张张表里：销售跟进表、项目进度表、工单表、回款表、内容选题表、供应商管理表。这些表格看似枯燥，却承载着公司每日的动作、责任、风险与结果。

在国内，多维表格或在线表格往往承担着轻量级业务系统的角色。它们具备权限控制、协作机制和流程引擎，是团队日常运转的骨架。因此，企业级 Agent 要真正干活，第一站必然是这些业务表。

飞书做多维表格智能体的逻辑正在于此：飞书同时拥有 IM（即时通讯）和结构化数据两层架构。聊天归聊天，Agent 干活时，则直接扎根于业务数据之上。

2. 一张表如何变成一个会干活的同事

业务表的重要性不仅在于存储数据，更在于它定义了协作关系。

• 字段含义：定义业务逻辑；
• 视图差异：不同角色看到不同侧面；
• 权限控制：决定谁能操作什么；
• 状态标记：标识流程进度。

若 Agent 仅能读取表格，它只是一个查询工具；若它能理解上述结构，并在权限边界内写回状态、触发提醒、沉淀规则，它才开始具备“团队成员”的特质。

销售场景示例：
团队需从客户库中筛选出 100 人以上中大型客户，按行业和阶段分类并给出邀请建议。
* 销售负责人 @智能体，筛选出 13 家符合条件的客户，并生成分布统计。
* 另一名销售使用相同话术提问，却只得到 4 家结果。

两人使用同一 Agent，但 Agent 为每个人佩戴了各自的“工牌”。数据底层的权限隔离，决定了 Agent 能看到什么、不能看到什么。对于共享型 AI 同事而言，这种边界感与其智能程度同等重要。

此外，Agent 不再被动等待指令。若任务逾期，它可依据预设的主动工作原则，自动 @ 负责人提示风险并建议行动方案。过去需靠人盯、靠会议衔接的事务，现在由 Agent 主动承接。

更进一步，原本仅存在于老员工脑海中的判断逻辑（如“何种客户属高风险”、“项目卡点预警”），可通过对话沉淀为 Agent 的记忆，转化为团队共享经验。人员流动不再导致经验流失，新人入职即可继承团队积累的业务手感。一张表，由此从“记录场所”演变为“行动发生地”。

3. 在群里 @ 了一张 1398 行的表

内测期间，我将网信办公开的生成式 AI 服务备案清单导入多维表格，共计 1398 条记录，覆盖 2024 年 4 月至 2026 年 4 月的 11 个批次。

• 提问：“哪家公司备案服务最多？”、“2024 年至今哪个批次增长最快？”
• 结果：Agent 输出了环比变化表，精准定位到 2025 年 12 月。

一个有趣的测试：
备案清单原无行业字段。我指令 Agent：“为 2026 年 4 月这批记录新增行业分类字段并标注。”
Agent 读取表结构，新增文本字段，逐条分析服务与公司名，将 72 条记录标注为网络安全、智能家居/厨电、在线教育、金融科技、通用 AI、医疗健康、数字文化创意等类别。这一过程仅需几分钟，在过去难以想象。

我将该 Agent 拉入飞书群，让未参与建表的同事直接 @ 它。
* 同事询问：“你能帮我做什么？”
* Agent 列出能力范围，并提示需开放权限以获取完整结果。
* 获得权限后，同事问：“医疗方向备案集中在哪些城市？”
* Agent 回答：全库仅 1 条记录被标注为医疗方向（因行业分类仅覆盖 2026 年 4 月批次），并给出批量补全建议。

一人整理的数据结构，团队其他人可直接调用并管理权限。Agent 还会主动说明数据局限性，颇具“AI 同事”风范。

但“像同事”尚不足够，企业应用的前提是稳定与准确。飞书多维表格的 AI 能力近期在 TableBench、FDABench、SpreadsheetBench 三大公开评测中均获第一，分别对应复杂表格问答、跨源业务分析及真实表格操作。

4. 给 AI 同事发工牌，本质是组织设计

个人提效，一人一 AI 足矣；但组织提效要求 Agent 的工作成果沉淀于系统，而非滞留于个人手中。自动巡检、权限推送、经验共享，这些功能唯有在完整平台环境中才能实现。

Claude Tag 展示了 Agent 作为团队成员参与协作的可能性，解决了协作入口问题；飞书多维表格智能体则沿此方向，将 Agent 嵌入业务表，解决业务推进问题。

这比“给 Agent 接平台”更深一层：你赋予 AI 同事何种数据、权限与边界，折射出你对组织运转方式的理解。

多维表格的结构本身就是业务的定义：谁能看、谁该做、完成标准为何。Agent 依此结构工作，其能力范围与行为边界便有了依据。这不仅是技术选择，更是组织设计动作。

飞书将通讯、文档、多维表格、审批、日历整合于同一平台，并通过开放飞书 CLI 将其转化为 Agent 可调用的工具。对 Agent 而言，这意味着它不再仅停留在聊天框给建议，而是在授权范围内真正进入工作系统：读文档、查表格、发消息、看日程、触发流程，将动作落回团队日常使用的业务工具中。

这也解释了为何飞书 AI 的使用率随新客户增长。2026 年以来，新增客户中采购飞书 AI 能力的比例已达 90%。这表明企业希望将 AI 嵌入现有组织系统，使其接触真实数据、遵守真实权限，并将结果沉淀回真实流程。

据 Gartner 预测，今年底将有 40%的企业应用嵌入任务型 AI Agent，而去年这一数字不足 5%。需求激增，但能提供完整运行环境的平台并未同步增加。缺乏此类平台，再强大的 Agent 也只能止步于个人效率层面，无法触及组织效率。

Agent 能否被 @，不决定其能否上岗；它能否在组织规则内工作，并将成果留存系统，才决定组织敢不敢将其视为同事。

AI 同事需要的不仅是大脑和聊天头像，更需要工位、工牌，以及一张能干活的桌子。

点个 “ 爱心 ” ，再走吧

相关文章