ZPedia丨飛書官方「龍蝦」上線！All-in-One 才能 All-in-Agent

圖片來源：飛書

剛剛，飛書舉辦了一場新品發布會，一口氣放出了多款企業級 Agent。

全程沒有虛頭巴腦的PPT，而是高密度的純 Demo 直播。

其中最引人關注的，是飛書正式推出的官方版小龍蝦「飛書aliy」。這標志著 Agent 開始真正走出極客的實驗室，進入到人人可用的業務與組織深水區。飛書 CEO 謝欣在現場定調：“2026 年，我們要讓每個人都擁有自己的智能工作伙伴�！�

一個值得玩味的行業現象是：在這波「龍蝦熱」的浪潮中，大批開發者在嘗試過各種獨立入口后，最終不約而同地實現了“殊途同歸”——將飛書視為 OpenClaw 落地的首選陣地。

這種邏輯背后的必然性并不復雜。飛書提供了一個近乎完美的工作環境：

• 數據即語境：消息、文檔、數據天然互通。

• 接口即手腳：完備的模塊開放性讓 Agent 具備了調度實權，能直接上手處理工作。

• 想法即上線：極低的使用門檻，讓業務點子從產生到進入生產線，縮短至分鐘級。

簡單來說，當行業還在爭論“Agent 到底該長什么樣”時，飛書已經憑借其天然的辦公土壤，讓 Agent 順理成章地“長”了出來。

飛書aily，塞進每個人工作流里的 AI 同事

這次飛書推 aily，核心思路很簡單。

不是讓人去適應 AI，而是想辦法把 AI 塞進每個人原本就在用的工作流里。

而它的第一步，是先把門檻砍掉。真正一鍵安裝，0 配置，0 學習成本。

第一層：讓 AI 先把高頻雜活接過去

任何新工具要進入團隊，最先搶的都不是戰略位置，而是雜活入口。

想象一下。周五晚上 8 點，你試圖對齊 Q2 的預算分配。腦子里只有一個模糊的坐標，但在傳統模式下，你得手動翻找組織架構、對齊參會人排期、撰寫議程。

在 aily 視角下，這種協同摩擦是不該存在的。你只需給出一句模糊指令，它便能自主拆解角色、判斷權重、精準約會。

這種能力，還體現在數據處理上。只需要一句話，aily 就可以把當零散的表格數據整理成成可視化、可消費的決策報告。

最典型的場景莫過于“用戶反饋群”。每天成百上千條碎片信息，以往是運營人員的噩夢。aily 能在無聲間完成信息的結構化萃�。�正向、建議、Bug，標簽清晰，鏈接直達。交到你手里的不再是混亂的聊天記錄，而是可以直接進入研發排期的“生產資料”。

有了aily，用戶不需要理解復雜 Agent 邏輯，只需要像給同事派活一樣，把任務扔過去就行。

第二層：從接任務，走到懂上下文，開始像同事一樣協同

如果 aily 止步于第一層，它充其量只是一個更順手的自動化工具。真正讓它具備“同事感”的，是它對企業上下文的深度滲透。

真實工作的邏輯從來不是“指令-動作”，而是“背景-決策”。

當上級發來一段語意復雜的指令，職場人的焦慮往往不在于“怎么回”，而在于“口徑、背景、優先級”。aily 的殺手锏在于：它能自動調動飛書內的企業知識庫與過往協作歷史，為你生成一份的回復草案。

再比如，它可以檢查你當天所有日程，結合會議名稱和參會人，提前幫你在內外部收集你可能需要關注的信息，最后生成一份“日程準備簡報”。

這種對上下文的理解，甚至延伸到了文檔評論的閉環中。aily 可以直接“讀懂”文檔下方密密麻麻的改稿意見，并直接對原文進行重構。至此，它完成了從“秘書”到“共創者”的角色躍遷。

這才是真正的 Agent 感。

第三層：從一次次完成任務，走到沉淀技能和組織能力

這是 aily 最具想象力的一層：它不僅在完成任務，更在“資產化”你的經驗。

以一場內部培訓為例，aily 的價值不再僅僅是整理摘要，而是將原始信息重構為更具傳播力的信息圖。更關鍵的是，它能將這種處理邏輯抽離出來，封裝成一個可復用的Skill。

這意味著，一次成功的任務執行，將轉化為組織內可以被無限調用的能力模塊。下一次，團隊里的其他人不需要再教 AI 一遍，直接調用這個沉淀下來的 Skill 即可。

同樣的邏輯也體現在更復雜的場景里者查看一份文檔，站在產品營銷的視角判斷還有沒有優化空間。這里 aily 已經不再只是執行一個原子任務，而是在調動更完整的專業能力，去生成結果、搭建系統、給出判斷。

飛書全家福，在補齊 Agent 的工作閉環

但如果把視角只停留在 aily 上，其實還不夠。

更值得看的是，飛書正在把一整套 Agent 的工作閉環慢慢補齊。

在全家福中，妙搭 Agent 補齊了應用生產層，它通過極低門檻讓造工具的權力回歸業務一線，徹底化解了技術排期難、微小需求積壓的頑疾。多維表格 Agent 則補齊了“系統搭建”層，它為數據換上了大腦，讓表格從被動的記錄倉庫，進化為能理解業務邏輯、主動驅動任務流轉的自動引擎。

最能體現飛書格局的，是其對 OpenClaw 的全方位支持。

在 2026 年的 AI 環境下，沒有任何一家公司能靠全自研產品包打天下。成熟的企業環境必然是“多模共存”的：內部的原生 Agent、第三方的專業 Agent、不同的垂直模型……它們像零件一樣散落在各處。開放生態是必然的選擇。

這樣再回頭看，飛書這套全家福的指向就很清楚了。

aily，對應的是協作； 妙搭 Agent，對應的是應用生產； 多維表格 Agent，對應的是系統搭建； 再加上對 OpenClaw 的支持，補上的是開放接入和生態協同。

這幾條線拼在一起，飛書要做的就已經不是一個個分散的 AI 功能，而是一整套企業級 Agent 工作體系。

Claw 的機會主要在企業端，飛書卡住了這個位置

如果僅僅把 OpenClaw 看作一波短期的技術熱點，那就徹底低估了它對協同辦公底層邏輯的重構。

這次進化的核心命題在于：Agent 開始實質性地接管操作、調度工具、推進復雜的任務流。當 AI 的屬性從“咨詢顧問”進化為“作業員”，誰離真實的工作現場最近，誰就擁有了 Agent 時代的最高解釋權。

而飛書，恰好就在這個位置上。

1. OpenClaw 真正的大機會不在 C 端熱鬧，而在企業提效

在過去很長一段時間里，Agent 在 C 端賺足了眼球。那些自動訂票、自動刷劇的演示極具視覺沖擊力，也最容易在社交媒體引發病毒式傳播。

但熱鬧背后，是價值支撐的稀薄。C 端產品可以瞬間制造聲量，卻很難建立起穩固的價值護城河。對于普通用戶而言，大多數 AI 體驗仍停留在“嘗鮮”階段，缺乏持續付費的剛需驅動。

企業端則完全是另一套生存法則。企業不為驚艷買單，只為增效付費。一個 Agent 能不能秀操作不重要，重要的是它能否精準嵌進原有流程、能否在復雜的權限體系內合規運行、能否調動存量系統產出確定性的結果。

換句話說，企業端或許不是最喧囂的市場，但它是唯一能讓 Agent 實現“價值閉環”和“商業兌現”的真實賽道。

2. Agent 時代，all in one 重新變成優勢

這是這輪 AI 變化里特別有意思的一點。

在過去十年的軟件發展史上，“All-in-One”并不是一個討喜的敘事。行業推崇的是原子化的專用工具，認為全家桶模式太重、太雜，每一個功能都難以做到極致。

但 Agent 出來之后，邏輯變了。

然而，Agent 的出現，徹底逆轉了這一評價體系。 Agent 工作的核心燃料不是算力，而是上下文（Context）。它需要知道你在聊什么、看過哪些文檔、多維表格里的數據趨勢、任務的優先級，以及你和誰在協作。

在碎片化的工具棧中，上下文是割裂的。Agent 每跨出一個 App，都要經歷一次痛苦的權限重構和環境理解，可靠性會隨之斷崖式下跌。

此時，被嫌棄“太重”的 All-in-One 反而展現出了一種結構性的暴力美學。 飛書這種一體化平臺，天然就是一個高度集成的“數字物理世界”。Agent 在這里不需要翻墻，它本身就生長在統一的賬戶體系、統一的數據接口和統一的協作環境之中。

這種全景視圖，正是 Agent 能夠高效執行任務的先決條件。

3. 飛書最大的護城河，其實是 context

歸根結底，飛書真正難以被復制的護城河，不是它堆了多少 AI 功能，而是它手中握著的 Context。

什么才是真正的 Context？ 它不是孤立的聊天記錄，也不是靜止的文檔堆砌，而是企業在長期運行中沉淀下的“協作圖譜”。這包括：

• 隱性關系： 誰是決策者，誰是執行者，誰擁有跨部門的推動力；

• 業務慣性： 審批流背后的默認共識，文檔修改背后的演進邏輯；

• 權限邊界： 極其復雜的組織信息流控制。

很多廠商也在嘗試做 Agent，但總給人一種“能力很全，卻落不進業務”的懸浮感。問題往往不在模型精度，而在于上下文太薄。

飛書天然站在這些 Context 的中心。 當 Agent 能夠調動這些深層的企業記憶時，它才真正具備了“像同事一樣思考”的能力。競爭到最后，比的未必是誰的模型參數更多，而是誰更接近真實的“工作第一現場”。

結尾

說到底，OpenClaw 與飛書的這場深度匯流，絕非一場偶發的產品聯姻，而更像是一次行業邏輯的必然閉合。

當 Agent 的演進航向轉向工作流，它對物理環境的挑剔便達到了頂峰。它不再僅僅需要一個算力充沛的模型入口，更需要一套能承載復雜協作、串聯業務脈絡、沉淀組織記憶的數字化棲息地。

而這，恰恰是飛書在過去數年里，通過 All-in-One 策略筑起的最高壁壘。

這場關于效率的漫長遠征，現在才剛剛進入主航道。

加入ZF討論群，請先添加小助手微信

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生