工具可以買，但生態(tài)買不來。

作者｜湯一濤

編輯｜鄭玄

OpenClaw 爆火之后，出現(xiàn)了一個有意思的現(xiàn)象：大量開發(fā)者涌向了飛書「養(yǎng)龍蝦」。社區(qū)里，飛書相關(guān)教程和代碼貢獻(xiàn)量顯著高于其他平臺；也有傅盛和李志飛這樣的標(biāo)桿用戶在飛書上跑通了龍蝦實踐。「養(yǎng)蝦上飛書」正在成為社區(qū)共識。

一個 AI Agent 框架的爆火，為什么讓一個協(xié)作平臺意外走紅了？

黃仁勛最近發(fā)了一篇長文，給出了一個相當(dāng)激進(jìn)的判斷：未來幾年，傳統(tǒng)軟件和 App 形態(tài)可能會逐漸消失，AI Agent 將成為主流。如果這個判斷成立，Agent 進(jìn)企業(yè)的第一個問題，就是它得住在哪。

畢竟 Agent 不是孤立存在的，它真正運轉(zhuǎn)起來靠的是數(shù)據(jù)、流程和組織關(guān)系構(gòu)成的業(yè)務(wù)土壤。而這些東西，企業(yè)恰恰已經(jīng)在飛書這類 All-in-One 平臺沉淀了多年。

這某種程度上解釋了為什么 OpenClaw 社區(qū)的開發(fā)者會在飛書自發(fā)聚集。競爭對手可以買同樣的模型，可以部署同樣的 Agent 框架，但買不走你在飛書里養(yǎng)了三年的數(shù)據(jù)、業(yè)務(wù)和經(jīng)驗。

01

旱地上的 Agent

Agent 概念火了一年多，但真正在企業(yè)里跑起來的案例屈指可數(shù)。

原因被講了很多遍：數(shù)據(jù)孤島、權(quán)限割裂、安全顧慮。但這些都是表層癥狀，底下有一個更深的病灶，企業(yè)數(shù)字化二十年都沒治好。

所有系統(tǒng)的問題，歸根結(jié)底都可以說是人的問題。ERP 管住了流程，CRM 管住了客戶關(guān)系，OA 管住了審批。但有一類東西，所有系統(tǒng)都沒碰過：隱性經(jīng)驗。老銷售知道什么時候該逼單，老客服知道什么話術(shù)能安撫投訴，老專家知道同樣的問題對不同客戶應(yīng)該怎么說。這些分寸感從來不在任何知識庫里，全靠師傅帶徒弟、老人帶新人。

知識庫、SOP 手冊這些方式企業(yè)都試過，但失敗的原因在于，隱性經(jīng)驗的核心特征是情境依賴。「客戶連續(xù)第三次問價格時才逼單」「對方語氣變軟了再給方案」，這種判斷寫不成靜態(tài)條目，因為觸發(fā)條件本身是動態(tài)的。知識庫能裝「常見問題 Top 50」，但無法回應(yīng)什么情況下應(yīng)該偏離標(biāo)準(zhǔn)答案。

過去的智能體也沒解決這個問題。你可以在 prompt 里告訴它公司背景、業(yè)務(wù)邏輯、你的管理風(fēng)格，但它是不是真的按這個執(zhí)行？不確定。大模型本質(zhì)是個函數(shù)，輸出質(zhì)量由模型廠商控制，輸入本該由企業(yè)自己定義，但之前的框架沒給企業(yè)這個自由度。Agent 更像一個黑盒：你給任務(wù)，它給結(jié)果，中間發(fā)生了什么你不知道，也沒法干預(yù)。

OpenClaw 撬動的正是這個僵局。之前的 Agent 框架也做模塊拆分，LangChain 有 memory，Dify 有工作流編排，但 OpenClaw 把門檻壓到了一個新的位置：用 Markdown 寫配置，非技術(shù)人員也能上手。它把 Agent 拆成 soul（人設(shè)）、user（用戶畫像）、memory（記憶）、tool（工具），企業(yè)可以精確定義 Agent 在什么場景下說什么話、碰到邊界怎么處理。

隱性經(jīng)驗第一次變成了數(shù)字資產(chǎn)。

02

養(yǎng)出來的「大蝦」

白盒架構(gòu)把「定義 Agent」的權(quán)力交給了企業(yè)，但這份權(quán)力是有成本的。

春節(jié)期間，傅盛摔傷了腿，臥床 14 天。他用這 14 天養(yǎng)出了一支 8 個 Agent 的龍蝦團(tuán)隊，累計 1157 條消息、22 萬字對話，7×24 小時自動運轉(zhuǎn)。

這應(yīng)該是目前最完整的個人養(yǎng)龍蝦樣本，但過程遠(yuǎn)沒有看上去那么順利。頭兩天，傅盛的龍蝦三萬連通訊錄都查不了，傅盛只好對著手機(jī)一個個口述高管信息手動灌入。緊接著是泄密和誤機(jī)。三萬把工作安排透露給同事，又因為把提醒存在上下文而非定時機(jī)制里差點讓他錯過航班。

傅盛從中抓到一個認(rèn)知：Agent 不能套用工具思維。工具是買來即用的，Agent 更像新員工，得建規(guī)則、劃邊界、犯錯當(dāng)場反饋。他把每次翻車都沉淀成 Skill 文檔，14 天積累了 40 多個，絕大多數(shù)來自踩坑。拐點在第 12 天：三萬自選的公眾號選題閱讀量比傅盛自己想的還高。Agent 開始展現(xiàn)出某種「編輯直覺」。

40 多個 Skill 文檔，本質(zhì)上是用白盒架構(gòu)一次次重新定義 Agent 的知識邊界。這套過程和傳統(tǒng)數(shù)字化完全不同：過去是買一套軟件、做一輪培訓(xùn)、上線交付；現(xiàn)在是在真實場景里反復(fù)校準(zhǔn)，錯一次長一點。

在企業(yè)場景里，OpenClaw 已經(jīng)開始被當(dāng)作真正的生產(chǎn)工具使用。在昨天飛書舉辦的「玩蝦大會」直播中，北汽福田高級經(jīng)理文偉分享了他使用 OpenClaw 的經(jīng)驗：把 OpenClaw 理解成一個聰明的新員工——成長很快，但對業(yè)務(wù)一無所知，得喂經(jīng)驗。他把工廠數(shù)據(jù)分兩路喂進(jìn)去：業(yè)務(wù)系統(tǒng)的數(shù)據(jù)定時同步到飛書表格，一線的管理經(jīng)驗由員工維護(hù)知識庫。兩路匯在一起，龍蝦就對整個工廠了如指掌了。

至于安全策略，文偉不讓龍蝦直接連工廠的業(yè)務(wù)系統(tǒng)。企業(yè)數(shù)據(jù)治理后同步到飛書表格，龍蝦只能讀飛書表格。「它根本沒有我們系統(tǒng)的密碼，」文偉說，「在最小權(quán)限策略的管理下是安全可控的。」

他的龍蝦「長超小福」在各個業(yè)務(wù)群里以 AI 同事的身份存在，每天做日報分析、任務(wù)催辦、安全巡檢。以前要讓 AI 定期抽查攝像頭畫面看有沒有人不戴安全帽，需要在安全監(jiān)控系統(tǒng)上做配置、編寫算法，最快也要兩三天才能配置完成。現(xiàn)在用戶在群里說一句話：「幫我設(shè)一個定時任務(wù)，定期檢查總裝車間有沒有安全風(fēng)險。」幾秒鐘后，任務(wù)創(chuàng)建完成，AI 開始自己干活。

春節(jié)期間，他讓龍蝦接上工廠攝像頭在線值班，發(fā)現(xiàn)問題直接在飛書群里通報、聯(lián)絡(luò)值班人員現(xiàn)場處置。

這揭示了白盒架構(gòu)對企業(yè)數(shù)字化另一層變革：業(yè)務(wù)和 IT 的協(xié)作方式正在被重塑。過去二十年，業(yè)務(wù)部門知道問題在哪，但實現(xiàn)要靠 IT 排期，一來一回，原始需求往往打了折。現(xiàn)在業(yè)務(wù)人員用自然語言就能定義 Agent 的行為、劃定知識邊界、配置工作流程。

03

池塘決定大蝦的上限

傅盛的 40 多個 Skill 文檔和文偉的兩路數(shù)據(jù)喂養(yǎng)有一個共同前提：Agent 養(yǎng)成需要一個能長期運行的環(huán)境。經(jīng)驗要沉淀，就得有地方存；權(quán)限要可控，就得有統(tǒng)一的圍堰；上下文要持續(xù)增長，就得有員工日常行為不斷喂入。三件事缺一件，Agent 就只能停留在寫周報、做摘要這種邊緣工作上。

OpenClaw 理論上接哪個 IM 都行，但最有活力的開發(fā)者社區(qū)用腳投了飛書的票，因為這里恰好是一個已經(jīng)蓄好水的池塘。

首先是數(shù)據(jù)。Agent 干活需要上下文，上下文從哪來？那些早早在飛書上積累了導(dǎo)購話術(shù)、促銷復(fù)盤、項目文檔的企業(yè)，等于已經(jīng)為 Agent 備好了「飼料」。

然后是權(quán)限。在飛書，權(quán)限體系貫穿通訊、文檔、表格、審批所有模塊，Agent 只需授權(quán)一次，就能在整個生態(tài)里工作，但也只能在授權(quán)范圍內(nèi)工作。

而員工在飛書上協(xié)作、整理妙記、管多維表格的日常習(xí)慣，構(gòu)成了 Agent 能持續(xù)獲取的上下文來源。

數(shù)據(jù)、權(quán)限、習(xí)慣，三件事閉環(huán)了。Agent 進(jìn)來不用開荒，直接接管。

飛書 CEO 謝欣最近發(fā)了條朋友圈：「個人玩 Agent 是探索，企業(yè)用 Agent 是責(zé)任。個人場景出了錯，大不了重來；企業(yè)場景出了錯，可能是文件被刪、數(shù)據(jù)泄露。Agent 的能力上限讓人興奮，但安全的下限決定了它能不能真正進(jìn)入工作場景。」

信任和安全，是所有協(xié)作平臺都要回答的問題。很多 Agent 的安全復(fù)雜度，并不來自模型本身，而是來自企業(yè)工具棧的碎片化。如果聊天在 Slack、文檔在 Notion、數(shù)據(jù)在自建系統(tǒng)里，Agent 每執(zhí)行一步任務(wù)就要跨一次系統(tǒng)邊界，讀取權(quán)限、寫入權(quán)限、API 調(diào)用鏈條都會迅速變得復(fù)雜，光權(quán)限配置就可能是一場工程災(zāi)難。

從這個角度看，飛書的「all in one」架構(gòu)給了它一個結(jié)構(gòu)性優(yōu)勢：權(quán)限不需要跨系統(tǒng)拼湊，在一個平臺內(nèi)就能閉環(huán)。

飛書也在主動把池塘的水位往上蓄。3 月，官方推出了 OpenClaw 官方插件，龍蝦經(jīng)過用戶授權(quán)后可以直接以用戶身份讀寫云文檔、查看日歷檔期、搜索群聊上下文，從一個只能聊天的外掛變成了組織內(nèi)真正能干活的成員。免費版 API 調(diào)用額度也從每月 1 萬次拉到了 100 萬次。

這也帶來了新的安全張力。龍蝦的核心特征是高度自主執(zhí)行，用戶完成授權(quán)后，它的具體操作和行動并不能被完全預(yù)判和控制。官方的建議是：對于涉及發(fā)送、修改、寫入等重要操作，請務(wù)必做到「先預(yù)覽，再確認(rèn)」，切勿讓 AI 處于完全脫離人工干預(yù)的「全自動駕駛」?fàn)顟B(tài)。

接入龍蝦后，飛書其實需要面對一個身份危機(jī)，它并不把控模型層。龍蝦背后接什么大模型完全自由，直連豆包、千問、DeepSeek 都沒問題，token 消耗走的是模型廠商的賬單，飛書截不了流。

那飛書的核心價值在哪？上下文。

飛書首席 AI 專家傅強(qiáng)把過去兩年開的所有周會文檔、評論、逐字稿全部喂進(jìn)龍蝦，接近 50 萬字，提煉出了自己的管理風(fēng)格和行為準(zhǔn)則。上周他第一次讓龍蝦代替自己審讀周會材料、在文檔里留評論，龍蝦選出來想討論的內(nèi)容和他自己關(guān)注的重合了七八成。

他在給客戶演示時有一個固定橋段：先讓客戶花一分鐘寫一段提示詞描述自己的管理方式，再給他看從幾十萬字會議記錄里提煉出來的版本。沒有一個客戶能在一分鐘內(nèi)寫出同等質(zhì)量的描述，他當(dāng)場就理解了，為什么飛書是 AI 時代最好的上下文容器。

過去二十年，企業(yè)數(shù)字化的邏輯是采購：買系統(tǒng)、買工具、買解決方案。Agent 時代的邏輯是養(yǎng)成：喂養(yǎng)、校準(zhǔn)、沉淀 skill。這個過程沒有捷徑，但也正因為沒有捷徑，先養(yǎng)起來的企業(yè)會擁有后來者買不到的東西。

今天企業(yè)在飛書發(fā)生的每一次行為，本質(zhì)上來說都是投資自己未來的 AI 執(zhí)行力。越早開始，池塘越深，別人越難追。

OpenClaw 的出現(xiàn)正在加速數(shù)字員工的進(jìn)化，而飛書是孕育它們最好的池塘。

*頭圖來源：豆包 AI 生成

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請聯(lián)系極客君微信 geekparkGO

極客一問

你如何看待飛書的生態(tài)？