飞书成OpenClaw首选，中国IM接入率65.2%

过去一段时间，Openclaw 从小众技术圈走向全民，大模型公司推出自己的 Agent 产品时也优先推荐接入飞书，这再次将它推向风口——根据 Openclaw-China 的社区 3 月 11 日周报数据，飞书在中国所有的 IM 工具里接入率达到 65.2%。

面对汹涌而来的用户，飞书也在加速承接：今年 2 月初，飞书先是将免费版 API 限额从 1 万提高到 5 万次；3 月 5 日，又继续提升至每月 100 万次。到 3 月 10 日，飞书的 AI 插件也正式开源，让 Openclaw 在产品里的使用变得更加流畅。

足够多的用户涌进来，也让飞书成了最有可能诞生落地场景和案例的容器——比如最近，脱口秀演员李诞就把自己的龙虾喂养成了工作伙伴。

过去两周，关于龙虾的讨论，已经在普通用户中经历了从高潮到平静的完整历程。但另一面，更多的企业组织里，一种新的工作方式——基于人与 Agent 协作的工作方式，已经在飞书里逐渐自然生长了出来。

确定的价值

在内容公司 “得到”，联合创始人快刀青衣组建了一支 “AI 足球队”。11 个 Bot 以球星命名：门将盯着邮件，后卫在全球监控科学家动态，还有的专门做 PPT。

他花了两周部署和调教，关键时候，这些养在飞书的 “球员”Agent 还真起了作用。快刀青衣记得，前阵子美团来交流，他前一晚 10 点才想起准备演示材料。他找来 “设计师球员”，用 “沟通一页、确认一页、完成一页” 的节奏，全程没开 PowerPoint，45 分钟就做出了 25 页高质量 PPT。

最让他感到自在的是，他可以随意提意见而不用担心对方的情绪，比如过程中他嫌弃 Agent 做的风格太 “商业图库” 了，对面不仅能理解，还会主动做减法，直接建议删掉。

这是和人类下属是不一样的沟通体验。在正常的上下级关系中，由于处于权力位置的存在，很少会有下属主动追问老板，甚至提出超出常规的建议；老板有时候也得顾忌，快刀青衣说，如果找人类设计师一轮轮改字号、换风格，“对方一定会砍死我。但 AI 不会累，它能无限逼近我的审美极限。”

有了正反馈后，在飞书上安装 OpenClaw 的经验，就逐渐在整个 “得到” 开始推广，先是另外两个合伙人罗振宇和脱不花开始部署；到这个月，员工中一些比较优质的 Agent 也开始面向全员被调用。

最让快刀青衣惊喜的是，他们的数据分析师做出的 Agent 牛小数。这个 Agent 能够 24 小时不间断地响应公司全员要数据、拉报表的需求，而过去这些需求都只能靠这位核物理专业背景的顶尖数据分析师人肉来做。

快刀青衣感慨，这曾经是对高薪人才的浪费——过去他 60% 到 70% 的时间都在处理这类繁琐的事务。而如今，Agent 将这位数据分析师从中解放出来后，有了更多精力去处理更高阶的算法和业务研究，极大拉高了他们人才的使用上限。

诸如此类的用例，在得到还有三个。到目前为止，得到上线了品牌设计 Agent、 事实核查 Agent，以及视频剪辑 Agent。这些岗位有些类似于 “中台”，是公司很多业务的共性需求，比如在得到，运营海报和配图、内容的审核和纠错都是日常需求，而现在，找这些 Agent 就可以。

另一个已经在工作场景中找到了 OpenClaw 确定性价值的是北汽旗下的长沙工厂。

2026 年 1 月底，在关注到 OpenClaw 开源框架在国外爆火后，北汽的数字化部门很快就决定引入；在完成安全评估后，他们先是建立了封闭的安全容器，并且只授予了读取飞书知识库、监控以及发送消息的最小权限。到春节前，首批 Agent 完成测试后，正式上线运行。

北汽也部署了 4 类 Agent：

一类是在采购、人事等各个业务群内，让 Agent 负责紧盯协作进度，比如它会自动梳理群里安排的工作并分类记录。如果某项任务无人跟进或快到截止时间（如到下午 5 点仍未收到反馈），Agent 会在群里主动 @ 相关责任人催办。这替代了过去需要专职项目经理去建立汇总表和人工催办的流程，用 AI 打破砂锅问到底的特性真正实现了 “事事有闭环”。

还有一类是知识库问答与业务数据查询。这类 Agent 连接了经过治理的长沙工厂动态知识库 , 员工可以通过对话形式，直接让 Agent 查询工厂的运营数据、产量、质量、订单情况。

最后一类还在推进的，是调度类的 Agent，当生产现场发生问题时，它能够根据属性分析是质量引起的还是零部件缺失引起的，并直接将问题调度给对应的技术人员或库房，实现生产故障的极速响应与指派。

得到和北汽，作为两种完全不同类型的企业，能够非常快速地让 OpenClaw 这类主动式 Agent 落地在自己的业务场景里，除了他们本身都有对核心业务痛点的理解、适配 AI 生长的组织土壤，另一个关键要素在于，他们都在数字化基础设施建设打下了不错的基础，尤其是之前基于飞书完成的深度数据沉淀与治理。

比如他们给事实核查的 Agent 取名 “元芳”。“元芳” 正是因为吸收了公司 “总编室” 过去十年的纠错记录，不仅学会了专业核查，甚至连老专家们那种经常给人挑刺、带着点 “抬杠” 和傲娇的语气都学得惟妙惟肖。

北汽感受最深的是飞书的多维表格能力，以及动态的数据库能力在创建 Agent 时给的助力。

作为汽车制造工厂，北汽以前拥有繁杂的信息系统数据，但这些未经处理的数据连人类难以理解，更无法直接喂给 AI。企业在前期利用飞书的多维表格进行了长期的数据治理，将散落在多个底表中的字段抽取、合并成人类可读的统一表格后，恰恰也成为了最适合 AI 理解的数据格式。

动态更新的知识库则帮助这些 Agent 不断更新记忆，利用这些动态的数据和知识，这个 “数字员工” 可以无缝参与到日常的任务催办与消息流转，在读取动态知识后随时进行问答。

上周的直播上，快刀青衣感慨，或许应该更早上飞书，顺利部署 Agent，甚至在改变了他们的工作方式。快刀青衣畅想，未来 Agent 是不是就是可以作为一个真正的员工入职？而一个能力很强的员工，当他做出自己的分身时，是不是也可以同时卖给很多个企业？

他觉得，这些未来都有可能。

进行中的探索

Openclaw 从上线开源社区到现在不过 3 个多月，更多的企业都还在探索其可能性。

飞书上的一家头部医药企业对 OpenClaw 的部署就 “激进” 且富有实验色彩。

某药企数字化相关员工说，一开始他们对 Openclaw 持观望态度，第一次给他震撼的是，他给这个龙虾下了一个让他发出语音的指令，结果半夜这个 Agent 还在孜孜不倦地努力；凌晨 4 点多，这个 Agent 竟然真的发来了语音。

因为 OpenClaw 的心跳机制、长期记忆能力与自主任务规划能力，非常适合做管理者的分身，内部测试后，公司的管理团队成为第一批用户。

基于前期的试用成果，很快公司就推动了 OpenClaw 的规模化落地，实现了员工人手一个独立 Agent，让全员自主探索应用场景。

成本并不算高，效率也超过预期：仅靠 4 名 IT 及运维人员在春节期间，利用公司闲置的超融合平台服务器，通过本地 Docker 的容器技术就快速拉了起来，几乎没有额外的硬件成本。

试点初期，为了充分释放全员的探索空间，他们没有给每个员工设置 Token 的使用额度上限，结果发现所有 Agent 每天的 Token 使用量不超过 5000 块，还是在完全没有任何 Token 优化机制下的费用。折算下来，每台 Agent 每天的运行成本仅仅只有 5 块钱。

消耗量低，一方面说明成本并没有想象中那么高；但另一方面，对他们来说，困扰在于大部分人还不清楚怎么用。

但在这种浪费和探索的过程中，他们也发现了 Agent 不少的想象力场景。

比如 “AI 路由”。以往的 AI 应用都局限在某个部门内，比如 HR 助手或财务机器人，跨部门协作依然靠人肉中转。但 OpenClaw 像一个网关路由器，能让信息流在部门间自动调度，比如有公司管理者尝试将 OpenClaw 练成自己的 “数字分身”，这个分身不仅能查报表，还能感知组织架构，主动找到对应的程序员协调权限，甚至在程序员没回消息时，根据通讯录自动找到程序员的领导进行协调。

这些实验和发现也都发生在飞书上，这家公司的数字化负责人认为，没有比飞书更适合做这些探索的了，比如极度丰富的 API 接口。

他还在飞书消息卡片 2.0 上看到后 AI 时代前端载体的雏形：Openclaw 生成的飞书消息卡片自带可交互的按钮，无需 IT 人员提前开发，即可由 AI 根据任务需求自动生成，点击后直接触发后端业务动作。

此外，在飞书的新版插件里，可以进行用户级授权与高度拟人化，这让 Agent 不是以一个公共机器人的身份去执行任务，而是可以真正以使用者的个人飞书账号身份去沟通和调接口，可以让高管的 Agent 完美变成了高管个人的 “数字分身”，连说话的语气都逼真到让人分辨不出是人还是 AI。这也极大降低了应用全局授权带来的安全隐患。

一段时间 “爆兵” 策略的部署会后，这家把 AI 落地当做 “一把手工程” 和创新发展的核心战略的公司也逐渐找到了一些属于适合自己的思路。

过去为了激发员工的好奇心，他们直接发给每个人一个独立 Agent；接下来，他们计划收回全员独立 Agent，改为以部门为单位的 “一主多从” 模式，即部门领导拥有主 Agent（负责决策与任务路由），下属员工拥有子 Agent（负责生产执行）——这样不仅能节省服务器资源，还能把复杂任务切分成小块处理，并且更利于工作成果的固化与管理。未来，他们也计划全面迁移至云端以增强安全性。

比如在他们公司的应用场景里，Agent 不仅能监控到国家出台了新法规，还能自主去评估这项新政策会对公司现有的研发项目产生哪些具体影响，并主动把分析结果推送到人类面前，“这才是 AI Agent 7x24 小时自主工作的终极形态”。

新趋势和新机会

在得到，三个高管的办公室现在放眼过去，好像一个机房，摆满了 Mac mini，未来人与 Agent 在组织内部的协作协作几乎一个已经确定不移的趋势。

快刀青衣认为，之后每一个项目都将以最小化人数为标准往下推进，“人和 Agent 形成一个小的团队。一个是统筹，一个是自己这一个领域上面的把关”；在这家激进的医药企业里，以前是分工明确的，从产品到项目，前端到后端到测试……但有了 Agent 之后，未来就不需要那么多节点了，“一个人就是全栈……没有那么多步骤了。”

这种人与 Agent 的并存带来的变化，会让协作方式也发生演变。快刀青衣认为，未来的业务协同将变成每个参会者先与自己的 Agent 进行充分探讨与迭代，带着多套成熟的 “AI 方案” 开会，会议彻底转变为纯粹的 “方案比选” 和 “快速决策”，不仅极大提升了效率，还从根本上消除了因为反复修改需求、能力盲区而带来的人身攻击和情绪内耗。

未来协调的角色也不再需要人了，项目管理可能可以自动化。尤其在上下游非常多的制造类企业中，因为 Agent 所具备的心跳机制，它可以从一个被动工具变成跨部门的路由和 “项目跟进员”

职场价值与雇佣关系可能也会发生颠覆。个人的核心竞争力将不再仅仅是努力或基础技能（因为无法与 AI 拼效率），而在于是否能调教出一个别人都愿意用的智能体，以及你是否具备独特的人类品味与业务痛点理解。

某种程度上，在这种演化中，飞书成为新的 “基础设施”，成为企业实验和探索 Agent 边界的有序环境。

OpenClaw 仍然是一个不够稳定的开源框架，虽然有实力的企业已经在安全、成本上有诸多的探索，但对更多的组织来说，这个问题还没有出现最佳示范和标准解决方案，留下来的巨大的市场空白，成了作为容器的飞书的新机会。

安全之外，能干活的 Agent 才有用。我们还了解到，飞书目前已经有了针对不同群体的 Agent 产品布局，并且这些 Agent 已在多个高频场景完成灰度测试并平稳落地，届时产品将以直播演示的方式进行展现。

被风口 “吹” 起来的飞书正在以最快的速度，回应市场。