ZPedia丨飞书官方「龙虾」上线！All-in-One 才能 All-in-Agent

图片来源：飞书

刚刚，飞书举办了一场新品发布会，一口气放出了多款企业级 Agent。

全程没有虚头巴脑的PPT，而是高密度的纯 Demo 直播。

其中最引人关注的，是飞书正式推出的官方版小龙虾「飞书aliy」。这标志着 Agent 开始真正走出极客的实验室，进入到人人可用的业务与组织深水区。飞书 CEO 谢欣在现场定调：“2026 年，我们要让每个人都拥有自己的智能工作伙伴。”

一个值得玩味的行业现象是：在这波「龙虾热」的浪潮中，大批开发者在尝试过各种独立入口后，最终不约而同地实现了“殊途同归”——将飞书视为 OpenClaw 落地的首选阵地。

这种逻辑背后的必然性并不复杂。飞书提供了一个近乎完美的工作环境：

• 数据即语境：消息、文档、数据天然互通。

• 接口即手脚：完备的模块开放性让 Agent 具备了调度实权，能直接上手处理工作。

• 想法即上线：极低的使用门槛，让业务点子从产生到进入生产线，缩短至分钟级。

简单来说，当行业还在争论“Agent 到底该长什么样”时，飞书已经凭借其天然的办公土壤，让 Agent 顺理成章地“长”了出来。

飞书aily，塞进每个人工作流里的 AI 同事

这次飞书推 aily，核心思路很简单。

不是让人去适应 AI，而是想办法把 AI 塞进每个人原本就在用的工作流里。

而它的第一步，是先把门槛砍掉。真正一键安装，0 配置，0 学习成本。

第一层：让 AI 先把高频杂活接过去

任何新工具要进入团队，最先抢的都不是战略位置，而是杂活入口。

想象一下。周五晚上 8 点，你试图对齐 Q2 的预算分配。脑子里只有一个模糊的坐标，但在传统模式下，你得手动翻找组织架构、对齐参会人排期、撰写议程。

在 aily 视角下，这种协同摩擦是不该存在的。你只需给出一句模糊指令，它便能自主拆解角色、判断权重、精准约会。

这种能力，还体现在数据处理上。只需要一句话，aily 就可以把当零散的表格数据整理成成可视化、可消费的决策报告。

最典型的场景莫过于“用户反馈群”。每天成百上千条碎片信息，以往是运营人员的噩梦。aily 能在无声间完成信息的结构化萃取：正向、建议、Bug，标签清晰，链接直达。交到你手里的不再是混乱的聊天记录，而是可以直接进入研发排期的“生产资料”。

有了aily，用户不需要理解复杂 Agent 逻辑，只需要像给同事派活一样，把任务扔过去就行。

第二层：从接任务，走到懂上下文，开始像同事一样协同

如果 aily 止步于第一层，它充其量只是一个更顺手的自动化工具。真正让它具备“同事感”的，是它对企业上下文的深度渗透。

真实工作的逻辑从来不是“指令-动作”，而是“背景-决策”。

当上级发来一段语意复杂的指令，职场人的焦虑往往不在于“怎么回”，而在于“口径、背景、优先级”。aily 的杀手锏在于：它能自动调动飞书内的企业知识库与过往协作历史，为你生成一份的回复草案。

再比如，它可以检查你当天所有日程，结合会议名称和参会人，提前帮你在内外部收集你可能需要关注的信息，最后生成一份“日程准备简报”。

这种对上下文的理解，甚至延伸到了文档评论的闭环中。aily 可以直接“读懂”文档下方密密麻麻的改稿意见，并直接对原文进行重构。至此，它完成了从“秘书”到“共创者”的角色跃迁。

这才是真正的 Agent 感。

第三层：从一次次完成任务，走到沉淀技能和组织能力

这是 aily 最具想象力的一层：它不仅在完成任务，更在“资产化”你的经验。

以一场内部培训为例，aily 的价值不再仅仅是整理摘要，而是将原始信息重构为更具传播力的信息图。更关键的是，它能将这种处理逻辑抽离出来，封装成一个可复用的Skill。

这意味着，一次成功的任务执行，将转化为组织内可以被无限调用的能力模块。下一次，团队里的其他人不需要再教 AI 一遍，直接调用这个沉淀下来的 Skill 即可。

同样的逻辑也体现在更复杂的场景里者查看一份文档，站在产品营销的视角判断还有没有优化空间。这里 aily 已经不再只是执行一个原子任务，而是在调动更完整的专业能力，去生成结果、搭建系统、给出判断。

飞书全家福，在补齐 Agent 的工作闭环

但如果把视角只停留在 aily 上，其实还不够。

更值得看的是，飞书正在把一整套 Agent 的工作闭环慢慢补齐。

在全家福中，妙搭 Agent 补齐了应用生产层，它通过极低门槛让造工具的权力回归业务一线，彻底化解了技术排期难、微小需求积压的顽疾。多维表格 Agent 则补齐了“系统搭建”层，它为数据换上了大脑，让表格从被动的记录仓库，进化为能理解业务逻辑、主动驱动任务流转的自动引擎。

最能体现飞书格局的，是其对 OpenClaw 的全方位支持。

在 2026 年的 AI 环境下，没有任何一家公司能靠全自研产品包打天下。成熟的企业环境必然是“多模共存”的：内部的原生 Agent、第三方的专业 Agent、不同的垂直模型……它们像零件一样散落在各处。开放生态是必然的选择。

这样再回头看，飞书这套全家福的指向就很清楚了。

aily，对应的是协作； 妙搭 Agent，对应的是应用生产； 多维表格 Agent，对应的是系统搭建； 再加上对 OpenClaw 的支持，补上的是开放接入和生态协同。

这几条线拼在一起，飞书要做的就已经不是一个个分散的 AI 功能，而是一整套企业级 Agent 工作体系。

Claw 的机会主要在企业端，飞书卡住了这个位置

如果仅仅把 OpenClaw 看作一波短期的技术热点，那就彻底低估了它对协同办公底层逻辑的重构。

这次进化的核心命题在于：Agent 开始实质性地接管操作、调度工具、推进复杂的任务流。当 AI 的属性从“咨询顾问”进化为“作业员”，谁离真实的工作现场最近，谁就拥有了 Agent 时代的最高解释权。

而飞书，恰好就在这个位置上。

1. OpenClaw 真正的大机会不在 C 端热闹，而在企业提效

在过去很长一段时间里，Agent 在 C 端赚足了眼球。那些自动订票、自动刷剧的演示极具视觉冲击力，也最容易在社交媒体引发病毒式传播。

但热闹背后，是价值支撑的稀薄。C 端产品可以瞬间制造声量，却很难建立起稳固的价值护城河。对于普通用户而言，大多数 AI 体验仍停留在“尝鲜”阶段，缺乏持续付费的刚需驱动。

企业端则完全是另一套生存法则。企业不为惊艳买单，只为增效付费。一个 Agent 能不能秀操作不重要，重要的是它能否精准嵌进原有流程、能否在复杂的权限体系内合规运行、能否调动存量系统产出确定性的结果。

换句话说，企业端或许不是最喧嚣的市场，但它是唯一能让 Agent 实现“价值闭环”和“商业兑现”的真实赛道。

2. Agent 时代，all in one 重新变成优势

这是这轮 AI 变化里特别有意思的一点。

在过去十年的软件发展史上，“All-in-One”并不是一个讨喜的叙事。行业推崇的是原子化的专用工具，认为全家桶模式太重、太杂，每一个功能都难以做到极致。

但 Agent 出来之后，逻辑变了。

然而，Agent 的出现，彻底逆转了这一评价体系。 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、看过哪些文档、多维表格里的数据趋势、任务的优先级，以及你和谁在协作。

在碎片化的工具栈中，上下文是割裂的。Agent 每跨出一个 App，都要经历一次痛苦的权限重构和环境理解，可靠性会随之断崖式下跌。

此时，被嫌弃“太重”的 All-in-One 反而展现出了一种结构性的暴力美学。 飞书这种一体化平台，天然就是一个高度集成的“数字物理世界”。Agent 在这里不需要翻墙，它本身就生长在统一的账户体系、统一的数据接口和统一的协作环境之中。

这种全景视图，正是 Agent 能够高效执行任务的先决条件。

3. 飞书最大的护城河，其实是 context

归根结底，飞书真正难以被复制的护城河，不是它堆了多少 AI 功能，而是它手中握着的 Context。

什么才是真正的 Context？ 它不是孤立的聊天记录，也不是静止的文档堆砌，而是企业在长期运行中沉淀下的“协作图谱”。这包括：

• 隐性关系： 谁是决策者，谁是执行者，谁拥有跨部门的推动力；

• 业务惯性： 审批流背后的默认共识，文档修改背后的演进逻辑；

• 权限边界： 极其复杂的组织信息流控制。

很多厂商也在尝试做 Agent，但总给人一种“能力很全，却落不进业务”的悬浮感。问题往往不在模型精度，而在于上下文太薄。

飞书天然站在这些 Context 的中心。 当 Agent 能够调动这些深层的企业记忆时，它才真正具备了“像同事一样思考”的能力。竞争到最后，比的未必是谁的模型参数更多，而是谁更接近真实的“工作第一现场”。

结尾

说到底，OpenClaw 与飞书的这场深度汇流，绝非一场偶发的产品联姻，而更像是一次行业逻辑的必然闭合。

当 Agent 的演进航向转向工作流，它对物理环境的挑剔便达到了顶峰。它不再仅仅需要一个算力充沛的模型入口，更需要一套能承载复杂协作、串联业务脉络、沉淀组织记忆的数字化栖息地。

而这，恰恰是飞书在过去数年里，通过 All-in-One 策略筑起的最高壁垒。

这场关于效率的漫长远征，现在才刚刚进入主航道。

加入ZF讨论群，请先添加小助手微信

我们相信认知能够跨越阶层，

致力于为年轻人提供高质量的科技和财经内容。

稿件经采用可获邀进入Z Finance内部社群，优秀者将成为签约作者，00后更有机会成为Z Finance的早期共创成员。

我们正在招募新一期的实习生