WorkBuddy 跑出来之后，钉钉和飞书最明显的变化，不是功能列表突然多了一截，而是对“入口”这件事的态度变得很微妙。过去几年，这两家一直在争用户每天打开的第一个办公应用是谁——消息、审批、文档、会议、考勤、日程，全部往同一个客户端里装，恨不得你在电脑前坐下的那一刻，第一步就是点开自家 Logo。但现在，像 WorkBuddy 这类基于大模型能力的 AI Agent 助手跑出来后，用户可以直接说一句话，让助手去飞书多维表格里查数据、到钉钉群发通知、把审批状态更新掉、再按定时任务跑一遍巡检。整个过程里，用户可能根本不需要先打开某一个 App。
入口不再是胜负手。真正值钱的，变成了谁能接住这些指令、谁能安全地读取数据、谁能把流程编排得不出错。这篇文章不聊 WorkBuddy 是不是标配，也不站队钉钉或飞书，只从实际使用和产品观察的角度拆一下：为什么这类 AI 助手出来后，钉钉飞书会放下“入口”执念，以及作为普通用户、管理员、开发者或产品经理，该怎么理解这个变化，怎么判断自己的团队到底该怎么跟。
1. 先搞清楚：WorkBuddy 这类助手，为什么能动摇“入口”
1.1 以前的入口思维：所有工作都从客户端开始
钉钉和飞书在企业办公里的定位，过去十年核心就是“统一入口”。考勤、审批、消息、文档、会议、直播、外部联系人、低代码应用，全部收进同一个 App。对普通用户来说，入口越统一越省事，不用判断“查审批该开哪个软件”；对平台方来说，用户打开次数、停留时长、消息高度、企业数据沉淀，全部从“入口”进来。
所以“入口之争”的本质，是用户注意力之争，也是数据归属权之争。谁能成为企业员工每天打开的第一个办公软件，谁就掌握了下一条商业化的通道。这也是为什么钉钉和飞书过去在产品界面上越做越满，功能入口越塞越多。它们的目标不是做某个单点工具，而是做企业工作系统的总开关。
但总开关这个定位，在 AI Agent 出现之后，开始露出裂缝。因为 AI 助手的工作方式，不是“先打开一个软件，再在里面找功能”，而是“先用自然语言描述目标，再由助手去调用多个系统完成动作”。用户的起点，从“点开 App 图标”，变成了“发出一条指令”。
1.2 AI Agent 改变的是“工作从哪开始”
WorkBuddy 这类助手，本质上是一个能理解任务、拆解步骤、调用工具、最后交付结果的智能体。它不需要用户进入某个协作平台的界面，也能完成很多原本必须打开 App 才能做的事。
举个例子。以前要做“每周运营数据周报”，用户的路径很长：先打开飞书，找到多维表格，手动筛选最近 7 天记录，复制到表格里，再打开钉钉，找到工作群，粘贴内容，点发送。现在如果接好了 WorkBuddy，流程可以变成：用户在聊天窗口里说一句“把飞书多维表格里最近 7 天的销售数据汇总一下，按渠道分组，发到钉钉运营群”。助手自己去读表格、做筛选汇总、生成文案、投递到指定群。
这个变化最关键的，不是省了十分钟操作，而是任务起点变了。用户不再需要先想“我要用哪个系统”，只需要想“我要达成什么结果”。工作流的起点，从应用客户端转移到了自然语言指令上。入口不再是 App 图标，而是对话本身。
1.3 平台为什么愿意放下执念
很多人会觉得奇怪：钉钉和飞书怎么会允许外部助手来调用自己的能力和数据？这不是把入口让出去了吗？
从实际产品动作看，它们并不是真的放弃入口，而是在重新定义入口。如果坚持只做“用户手动打开的客户端”，AI 时代数据被别的 Agent 隔空调度，平台反而沦成管道，价值更被动。反过来，如果把自己变成一套可以被 Agent 调用的运行环境，提供开放的 API、机器人通道、事件订阅、数据读写能力，那么平台就从“入口”变成了“中台”。用户可能不再从钉钉图标打开钉钉，但所有任务的数据、审批流、消息投递、审计日志，仍然跑在钉钉和飞书之上。
钉钉的 AI 助理、飞书的智能伙伴，本质上都是这个思路：不拒绝 Agent 调用，而是把平台能力开放出来，让 Agent 在自己的轨道上跑。对平台来说，放下“入口执念”不是放弃价值，是换一种更符合 AI 时代逻辑的价值承接方式。
2. 从工作流看，WorkBuddy 这类助手真正替代的不是 App，是“搬运工”
2.1 最常见的三个场景
我观察到的落地场景，其实没有想象中复杂，主要集中在三块。
第一块是消息与通知。助手按规则把审批待办、系统告警、定时报表发送到钉钉或飞书群。这个场景最成熟，因为 Webhook 推送已经是很稳定的机制，AI 只是把“手动复制粘贴到群聊”变成了“自动拼装内容并推送”。
第二块是数据查询与汇总。助手通过 API 读取多维表格、电子表格、数据库视图，按条件筛选、分组、统计，再把结果返回给用户。这里最典型的就是飞书多维表格，因为它结构很像轻量数据库，字段类型丰富，还支持自动化，非常适合被 Agent 调度。
第三块是任务编排。定时触发、过期数据提醒、状态同步、跨系统写入。比如每天凌晨检查待办列表，把超过 2 天的未处理记录汇总到群里，并 @ 负责人；或者某个表格字段更新后，自动触发下游系统的同步写入。
这三块业务，过去都需要人来做“搬运”：从系统 A 导出数据，整理后贴到系统 B。WorkBuddy 这类助手替代的，正是这个搬运过程。它不是替代钉钉，也不是替代飞书，而是替代人肉在多个系统之间来回切换的重复劳动。
2.2 自然语言不再只是搜索框
以前你在钉钉或飞书里输入关键词，本质是搜索：搜聊天记录、搜文档、搜联系人。输入框是个检索入口。现在基于大模型的助手出现后，输入框开始变成调度入口。
区别在哪里？搜索框返回的是“信息位置”，比如“这段记录在哪个群、这份文档在哪个目录”；而任务指令返回的是“动作结果”，比如“我已汇总 12 条记录，已发送到钉钉运营群，已更新 3 条状态为已完成”。
这意味着，会话框的语义从“帮我找东西”升级成了“帮我把事情做完”。对用户来说，工作台不再是一个需要主动翻找的界面，而是一个可以派活的下属。WorkBuddy 这类助手，本质就是这个下属的“执行大脑”——它理解你说了什么，去把相关系统里的数据拉出来，再按照要求完成动作。
2.3 判断一个助手能不能落地的标准
这里我给一个相对保守的判断标准。不要看演示视频里多流畅，要看六个问题：
- 是否支持按账号区分权限，能不能限制助手读哪些表格、发哪些群
- 是否保留操作日志，谁在什么时间让助手做了什么，能不能追溯到
- 任务失败后是否自动重试，重试失败有没有通知到人
- 是否支持定时触发，能不能像 cron 一样稳定运行
- 输出格式是否可配置，能不能按团队习惯生成表格、卡片或普通文本
- 是否支持企业内网或私有化部署，数据会不会被发到外部接口
这六个问题能过，基本就能从“聊天玩具”升级成“办公机器人”。如果有一个不行，比如没有审计日志，那就算演示效果再好，我也不会让它直接接触生产审批流。
3. 钉钉和飞书在“入口后时代”各自偏向哪条路
3.1 钉钉：把 AI 能力嵌进高频动作旁边
从近两年的产品动作和用户反馈看，钉钉更偏向智能协同方向。它把 AI 能力嵌入到群聊、会议、文档、表格这些高频场景里，典型做法就是“在所有协作动作旁边放一个 AI 按钮”：群聊里可以艾特 AI 做摘要，文档里可以让 AI 续写，表格里可以用 AI 生成公式或分析。
钉钉的思路，更像是在原有入口之上叠加 AI 层。它没有放弃客户端，而是希望让客户端里的每一个功能都变成可对话、可调度的对象。对普通员工来说，这降低了学习和使用成本；对开发团队来说，钉钉开放平台提供的机器人、应用 API、免登能力，也让外部 Agent 有比较明确的接入路径。
3.2 飞书：多维表格加自动化，天然适合被 Agent 调度
飞书则走了另一条更“结构化”的路线。飞书多维表格本身在团队内部经常被当作轻量数据库使用，字段类型丰富、支持视图筛选、有自动化流程和机器人。最近几年大量团队用飞书多维表格做项目管理、客户跟进、库存登记、内容排期，很多数据已经天然沉淀成结构化表格。
这个特点对 WorkBuddy 这类 Agent 非常友好。因为 Agent 最擅长处理的，恰恰是结构化数据。字段清晰、记录有状态、接口可读，助手就能按条件筛选、排序、汇总、更新。很多已经跑通的案例里，飞书多维表格的定位就是“数据底座”，而 Agent 是“调度层”，最终消息通过群机器人或 Webhook 投递到钉钉或飞书会话。
3.3 两者的共同点：连接协议比客户端重要
不管钉钉还是飞书，现在都提供机器人 Webhook、应用 API、事件订阅、免登授权这类连接能力。这背后其实是一个共识：未来办公协作里，客户端只是表现层，真正能形成长期价值的，是连接协议和数据模型。
对企业用户来说，这也是好消息。你不再需要纠结“公司到底该用钉钉还是飞书”。只要团队里有人能把 Agent 和这些平台接通，你就可以用同一个助手去连接企业微信、钉钉、飞书任意一家，数据可以同步，通知可以转发，审批可以跨系统汇总。你在选协作平台时，也不再是一锤子买卖，而是看它对外提供的 API 是否够用、权限模型是否清晰、审计能力是否完整。
4. 真正决定落地效果的，不是入口，而是权限、数据和流程
4.1 权限模型是第一个门槛
AI Agent 接入钉钉飞书，最怕的就是权限过宽。一个负责汇总表格的助手，如果拿到了全量读写权限，一旦指令被误触发或输出被错误调用，问题就大了。
我一般会建议团队用“最小权限”原则来配：每个 Agent 只绑定一个应用身份，只授权它必须读取的表格和必须发送的群组。比如运营汇总助手，只需要读取“运营数据”这张表的只读权限，只允许向“运营周报群”发送消息，不允许删除记录，不允许拉取通讯录。审批类任务，必须走人工确认节点，Agent 可以发起审批，但不能代替审批人做最终通过。
权限收紧，是比权限放开更难补救的事。一开始就留最小权限，后续再加，比一开始全开再收回来要安全得多。
4.2 数据格式比接口数量更容易卡住
很多团队第一次接飞书多维表格时就会被分页卡住。一次请求最多拿几百条记录，要拿全量数据必须处理分页；如果表格里还带附件、人员字段、创建时间，过滤条件稍微写错，返回结果就对不上。钉钉的审批事件推送需要订阅回调，机器人发送消息的格式也有限制，不是一段纯文本直接塞进去就行。
这些都不是模型能力问题，而是数据接口和市场逻辑问题。实操时，我建议先导出一份真实数据，确认字段名称、字段类型、分页上限、过滤条件字段名，再写 Agent 的调用逻辑。不要靠文档想象，直接把接口对接文档和真实数据对照一遍，能省下大量排查时间。
4.3 流程编排要保留人工兜底
Agent 可以自动发起审批、发通知、更新状态，但一定要保留人工干预节点。比如批量发送之前先预览清单、删除记录前必须二次确认、异常任务直接进入人工队列。一个没有兜底的自动化，在办公协作环境中非常危险。
我以前见到过类似的翻车案例：定时任务触发后把未确认的数据全部标记为完成，因为判断条件少了一个“负责人已确认”字段，结果整个团队看到的周报状态全错了。后来加了“人工确认后再更新状态”的节点，问题才算解决。AI 调度能提升效率，但流程里最重要的节点，仍然是“谁对结果负责”。
5. 给开发者和产品经理的观察建议：别只盯入口，看五个可量化指标
5.1 从“日活入口”转向“任务完成率”
以前衡量一个办公平台好不好，看日活、打开次数、停留时长。现在观察 WorkBuddy 这类 Agent 在企业场景的落地，我更建议关注五个可量化指标：
- 任务完成率：发起的指令里，有多少能完整跑完，没有被中途打断
- 数据更新及时性：定时任务是否按计划执行，数据拉取是否过期
- 审批平均耗时：引入 Agent 后，审批链路是否真的变短了
- 告警漏报率：漏发、错发、重复发送的情况占比有多少
- 用户手动接管次数：用户因为不信任或结果不对，手动修正的次数
这五个指标能比较真实地反映 Agent 有没有产生价值。如果任务完成率高但用户手动接管次数也很高，那说明完成是完成了，结果质量可能还不行。
5.2 搭建本地测试的最小闭环
如果你想验证“WorkBuddy 类助手 + 钉钉/飞书”适不适合自己团队，不建议直接上生产环境。先搭一个小闭环：
第一步，建一个测试群，只放开发者和两三个业务侧同事。 第二步，创建一张多维表格，模拟真实字段，比如待办事项、负责人、状态、更新时间。 第三步，配置一个定时任务，让助手每天固定时间读取表格中状态为“待处理”的记录，汇总后发到测试群。 第四步，连续跑 3 到 5 天，观察任务成功率、消息格式、字段过滤是否正确。
这个小闭环不需要复杂架构，半天就能搭好。跑通之后，再逐步接入真实数据和审批流程。
5.3 常见排查顺序
如果助手没反应、消息没发出、表格没读到，不要一上来就怀疑大模型出了问题。按这个顺序排查：
- 先确认 Agent 进程是否在线，日志里有没有报错
- 再确认 Webhook 地址、密钥、回调 URL 是否有效
- 再看数据源权限：机器人是否被移出群、多维表格有没有共享给应用
- 再看分页参数、过滤条件、字段名是否和接口文档一致
- 最后看超时和重试：长时间运行的任务有没有被外部服务断开
我之前见过一个案例，助手一直说“读取不到数据”，排查半天发现是多维表格没有把应用添加为协作者。这类问题很常见，就是权限和配置问题，不是模型能力问题。
6. 入口没有消失，只是定义变了
6.1 入口从 App 变成了会话和任务卡片
你打开钉钉和飞书，看到的主界面确实和几年前差别不大。但用户真正开始工作的路径，已经悄悄变了。以前是“打开 App，找到审批，点击发起”，现在是“在聊天框里说一句，审批自动发起”。入口从 App 图标，变成了会话窗口、任务卡片、定时通知、审批节点。用户不再需要先想“该打开哪个软件”，只需要想“我要达成什么结果”。
钉钉和飞书没有消失，它们正在从“入口型应用”变成“承载运行环境的数据底座”。你不一定每天手动点开它们，但你的数据、流程、审批记录、消息通知，仍然在它们的系统里流转。
6.2 对普通用户和团队的建议
不要因为 WorkBuddy 这类助手火了，就急着把所有流程都交给 Agent。先盘点一下自己手里有哪些流程可以被自动化，哪些数据可以被结构化读取，哪些环节需要人工审批。从单一场景试点，跑稳了再扩。先让助手处理最枯燥的“搬运”工作，再慢慢让它参与更复杂的判断和协作。
如果只是学习，默认配置和小规模测试足够；如果要长期使用，日志、输出目录、权限策略、失败重试，这些前置工作越早整理好，后面积累越多。
6.3 一句话总结观察
WorkBuddy 跑出来后，钉钉飞书放下“入口”执念，本质上是办公协作平台正在接受一件事：未来企业工作的起点，不再是某一个 App 图标，而是用户说出口的那句指令。谁能把数据、权限、流程和 AI 调度之间的路铺好，谁才是下一个阶段真正的赢家。
