ZPedia｜豆包工作发布，和飞书寻找 Agent 的下一个答案

很多人对豆包的认知，仍停留在语音陪聊、问答和辅导作业。

今天，豆包正式推出的「豆包工作」，打破了这一认知惯性。通过独立应用、PC 端整合以及深度嵌入飞书，「豆包工作」不仅能输出文档、表格、PPT 和视频等交付物，还具备跨系统的长任务执行与汇报能力。其战略指向极其明确：走出客厅，攻占工位。

然而，单纯的“会干活”只是下半场的准入门槛。

正如微软 Jared Spataro 所指出的，基础模型正迅速走向同质化，决定胜负的早已不是模型本身，而是它与企业自有业务的结合深度。a16z 的结论更是一针见血：“当点对按钮不再困难，操作就不再构成壁垒。”自动化变得越来越廉价，组织内部那些没写进制度的默契与隐性经验，才成了真正稀缺的资产。

海外巨头早已在协作现场落子。Anthropic 推出的 Claude Tag 直接将 AI 推入组织中枢，员工在 Slack 频道里 @Claude 即可像派活给同事一样下达长链路任务，其内部已有约 65% 的产品代码由此生成。Agent 作为数字员工融入团队，已成为进行时。

竞争的重心，正在从“谁更会干活”转向“谁更理解组织”。

字节给出的解法是“豆包工作 + 飞书”的底层绑定。当原生 Agent 能力与全套协同办公平台同构于一家公司，模型层、流量入口与组织级数据资产便能实现无缝互通，彻底规避了跨生态合作在权限协议与数据管道上的漫长博弈。

个人 Agent 越来越聪明，组织效率为什么没有同步提升

单看技能清单，如今的 Agent 已足够全能：信息检索、文本撰写、数据制表、PPT 生成、网页搭建乃至系统级操作，近乎成为标配。雇佣一个手脚麻利的数字助理，门槛已降至历史新低。

然而，企业协作从不是割裂的单点任务，而是一场穿透群聊、例会、文档、审批与业务系统的长链条博弈。重度用户的体感往往高度一致，整个协作链路依然充满割裂与搬运：

• 繁琐铺垫背景： 先花十分钟交代业务前情、同步团队偏好，还要避开领导上周在会上明确否决的雷区。

• 手动翻找物料： 穿梭于各个业务系统与本地文件之间，将分散的资料一份份检索、下载再上传给模型。

• 人肉充当桥梁： 等待结果生成后，手动复制粘贴回工作群，@ 对应业务方同步，再把收集来的修改意见重新喂回给 AI。

一来一回间，员工沦为了 AI 与组织架构之间的“数据搬运工”——个人单点耗时或许缩短了，组织全局的效率账本上却不见起色。

更隐蔽的损耗在于组织知识资产的流失。员工在个人窗口中与 AI 交互，踩过的坑、补充的隐性上下文、反复推演的决策过程，全部散落在私域会话中。人员流动或项目轮转之后，这些高价值语境便彻底蒸发。

这种供需错位直接撕扯出了一个巨大反差。

一方面是个人端 AI 使用率的疯狂飙升。Slack 显示全球已有 60% 的办公人群在日常使用 AI，日使用率激增 233%；另一方面却是企业端价值的长期停滞。正如 Salesforce 调查所揭示的，76% 的用户直言现有工具根本无法触达内部数据与业务全貌，这也导致员工仅有约四分之一的精力能真正投入核心产出。

企业真正渴求的，是一个生于组织语境、通晓协同网络、能够主动串联跨部门流程的“组织级 Agent”。这正是「豆包工作」试图切入的核心战局。

豆包工作与飞书结合：执行能力加上组织上下文

这套解法由两层架构支撑，分别补齐了 Agent 的“手”与“脑”。

执行层由豆包工作承担，解决“手”的问题。 依托独立 App、PC 端与飞书入口，它不仅能输出文档、表格、PPT 与多媒体，还能基于视觉理解和浏览器自动化深入业务后台执行长流程；配合云电脑底座，无论是定时抓取情报、批量清洗数据还是最终闭环汇报，均可实现无人值守的后台挂机运行。

组织上下文由飞书筑底，解决“脑”的问题。 群聊与纪要中的决策脉络、知识库中的业务规范、多维表格中的实时进度以及权限体系，构成了高密度的组织语境，为 Agent 的精准推理与决策提供了关键养料。

豆包工作和飞书实现了底层账号的打通，不仅飞书里可以直接使用豆包工作，在豆包内还可以识别@同事、飞书云文档，它的交付物可以直接落入飞书的沟通流、云文档和多维表格中，团队在原地即可接续讨论与修改，彻底省去了截图搬运和跨软件跳转的损耗。

豆包工作对话框内，可以@圈选飞书联系人和文档

这个组合之所以能在字节体系内成立，逻辑非常实在。做 Agent 的纯模型厂商大多没有自己的协作底座，上下文获取需要挨个找客户授权、对接分散系统；而传统协同办公厂商，又往往缺乏顶尖的底座模型与 Agent 工程能力。

字节兼具两端，飞书沉淀多年的组织资产无需跨系统搬家，豆包工作直接长在其上。外部竞对若想复制这一闭环，要么先重造一个飞书级别的协作平台，要么寄希望于跨厂商之间漫长的生态联姻。

实测：Agent 如何进入真实团队

我们梳理了2个典型任务链路。比起表层的交互界面，这种“数据流与协作流”的端到端闭环，更能展现 Agent 的实际落地价值。

实测1：一句话穿透经营全盘，完成深度问数与归因决策

传统连锁零售的月度复盘往往耗费大量时间在跨系统导数、对齐口径和排查异动上。现在只需在豆包工作中输入一句指令。

豆包工作会自动拉取底层业务表与历史记录，完成数据清洗与口径对齐，直接生成动态看板；随后精准定位异常月份并深挖根因，最终从商品、渠道、会员、供应链四个维度输出补救策略。

无需打开复杂 BI，一次对话即可完成从“跨期数据诊断”到“行动策略输出”的全链路闭环。

实测2：统筹复杂的市场活动，输出宣传物料

统筹一个市场活动项目时，最繁琐的莫过于在群聊中人工搜集零碎灵感、领导要求与各类禁忌，逐条拼凑成正式立项文档。

这次直接在飞书里让豆包工作接手。

它自动回溯了群聊记录并过滤掉闲聊杂音，按专业框架将碎片诉求归整为包含背景、受众、风格、必含元素、禁忌项与干系人在内的十个维度，随后直接输出了一份排版规范的飞书云文档，还能按要求直接生成一支宣传视频。

全程无需手动搬运任何对话，原本耗费半天的人工对齐与整理，在一次交互中便完成了整理与高效推进。

真正的护城河不是数据，而是组织上下文

行业里一种常见的论调是：企业 AI 的壁垒在于数据。这个判断只触及了表层。

静态文档可以一键复制，表格数据可以随时导出，跨工具迁移的门槛并不高。即便一家企业将全部资料打包喂给竞品 Agent，对方依然无法获知这些资料从何而来、经过了怎样的博弈、以及眼下是否依然有效。真正无法被轻易平移的，是附着在这些信息之上的研讨过程、决策脉络与人际协作网。

Foundation Capital 的 Jaya Gupta 与 Ashu Garg 曾系统性地阐述过这一命题。他们提出“上下文图谱”的概念：企业内部最高价值的资产并非静态数据，而是“决策轨迹”。那些散落在沟通记录、审批日志与口头同步中的边缘特例、推翻重来、既往判例与授权链路。谁最初提出了诉求、谁在关键节点特批了例外、方案为何临时转向，这些非结构化的动态信息，是传统企业软件长期忽视的认知盲区。

组织上下文天然由三个递进的层次构成：

• 事实层： 文档与表格记录“发生了什么”。

• 逻辑层： 会议与即时研讨解释“为何做此决策”。

• 行动层： 组织架构与权限体系界定“下一步由谁推动与落实”。

一个未深入协同底层的通用 Agent，即便是接入海量内部资料，也极难识别哪套方案已被废止、哪条群内口头共识覆盖了既有规范、或者哪位业务骨干握有实质层面的决策权。

一个典型的业务场景便能说明问题：官方报价文档已迭代至 V3 版，但总监上周在业务群里口头特批重要大客户可沿用 V2 折扣，且对应的特批审批单尚未完成最终归档。仅能读取静态文档的 Agent 必然会机械地输出 V3 报价，最终在客户面前引发商务事故。它读得懂字面事实，却读不懂真实局面。

这正是飞书所具备的结构性价值：群聊、会议、云文档、多维表格与组织身份同构于一个互联的生态中，三层上下文之间本就存在天然的连接。因此，豆包工作的核心差异化，绝非停留在“打通飞书数据接口”这类基础工程动作。

真正的竞争门槛在于，它能否将碎片化的组织记忆转化为可理解、可执行且持续自更新的工作上下文。把这套机制跑顺了，便构成了难以逾越的系统级壁垒。

下一代 Agent，争夺的是组织的运行方式

Agent 的上半场，比拼的是模型智能、工具调用与单点任务的执行力。但这类单兵能力正在快速平庸化，技术代差以月为单位被抹平。

豆包工作和飞书深度打通，标志着竞争逻辑从个人效率转向组织效率。它不再只是帮某个员工节省十几分钟，而是试图把模型的执行力，直接接进企业每天都在更新的协作网络里。

当 Agent 开始理解一家公司的历史背景、理清跨部门的协作路径、并在复杂任务中主动推进下一步，企业软件的价值逻辑也随之发生了变化：技术不再悬浮于业务表面，而是开始承接从决策到落地的具体流转。

这也为豆包工作建立了一个更具韧性的结构优势。协同平台每天都在产生新的业务上下文，这些动态沉淀下来的组织关系与沟通细节，远比静态的数据集更难被外部模型替代。

真正的生产力变化，往往不在于某个工具生成内容的速度有多快，而在于整个组织减少了多少因信息断层带来的内耗。把 Agent 放进真实的协同环境里，让它学会在组织的语境中工作，至少在这个方向上，字节已经迈出了最关键的一步。