1. 首頁 > 生活百科 > >

別怪龍蝦不聰明，因為它缺一個裝滿業務經驗的池塘

ai傅盛openclaw

別怪龍蝦不聰明，因為它缺一個裝滿業務經驗的池塘

文章圖片

別怪龍蝦不聰明，因為它缺一個裝滿業務經驗的池塘

OpenClaw 爆火之后 ， 出現了一個有意思的現象：大量開發者涌向了飛書「養龍蝦」 。 社區里 ， 飛書相關教程和代碼貢獻量顯著高于其他平臺；也有傅盛和李志飛這樣的標桿用戶在飛書上跑通了龍蝦實踐 。 「養蝦上飛書」正在成為社區共識 。

一個 AI Agent 框架的爆火 ， 為什么讓一個協作平臺意外走紅了？
黃仁勛最近發了一篇長文 ， 給出了一個相當激進的判斷：未來幾年 ， 傳統軟件和 App 形態可能會逐漸消失 ， AI Agent 將成為主流 。 如果這個判斷成立 ， Agent 進企業的第一個問題 ， 就是它得住在哪 。
畢竟 Agent 不是孤立存在的 ， 它真正運轉起來靠的是數據、流程和組織關系構成的業務土壤 。 而這些東西 ， 企業恰恰已經在飛書這類 All-in-One 平臺沉淀了多年 。
這某種程度上解釋了為什么 OpenClaw 社區的開發者會在飛書自發聚集 。 競爭對手可以買同樣的模型 ， 可以部署同樣的 Agent 框架 ， 但買不走你在飛書里養了三年的數據、業務和經驗 。

01
旱地上的 Agent

Agent 概念火了一年多 ， 但真正在企業里跑起來的案例屈指可數 。
原因被講了很多遍：數據孤島、權限割裂、安全顧慮 。 但這些都是表層癥狀 ， 底下有一個更深的病灶 ， 企業數字化二十年都沒治好 。
所有系統的問題 ， 歸根結底都可以說是人的問題 。 ERP 管住了流程 ， CRM 管住了客戶關系 ， OA 管住了審批 。 但有一類東西 ， 所有系統都沒碰過：隱性經驗 。 老銷售知道什么時候該逼單 ， 老客服知道什么話術能安撫投訴 ， 老專家知道同樣的問題對不同客戶應該怎么說 。 這些分寸感從來不在任何知識庫里 ， 全靠師傅帶徒弟、老人帶新人 。
知識庫、SOP 手冊這些方式企業都試過 ， 但失敗的原因在于 ， 隱性經驗的核心特征是情境依賴 。 「客戶連續第三次問價格時才逼單」「對方語氣變軟了再給方案」 ， 這種判斷寫不成靜態條目 ， 因為觸發條件本身是動態的 。 知識庫能裝「常見問題 Top 50」 ， 但無法回應什么情況下應該偏離標準答案 。
過去的智能體也沒解決這個問題 。 你可以在 prompt 里告訴它公司背景、業務邏輯、你的管理風格 ， 但它是不是真的按這個執行？不確定 。 大模型本質是個函數 ， 輸出質量由模型廠商控制 ， 輸入本該由企業自己定義 ， 但之前的框架沒給企業這個自由度 。 Agent 更像一個黑盒：你給任務 ， 它給結果 ， 中間發生了什么你不知道 ， 也沒法干預 。
OpenClaw 撬動的正是這個僵局 。 之前的 Agent 框架也做模塊拆分 ， LangChain 有 memory ， Dify 有工作流編排 ， 但 OpenClaw 把門檻壓到了一個新的位置：用 Markdown 寫配置 ， 非技術人員也能上手 。 它把 Agent 拆成 soul（人設）、user（用戶畫像）、memory（記憶）、tool（工具） ， 企業可以精確定義 Agent 在什么場景下說什么話、碰到邊界怎么處理 。
隱性經驗第一次變成了數字資產 。

02
養出來的「大蝦」

白盒架構把「定義 Agent」的權力交給了企業 ， 但這份權力是有成本的 。
春節期間 ， 傅盛摔傷了腿 ， 臥床 14 天 。 他用這 14 天養出了一支 8 個 Agent 的龍蝦團隊 ， 累計 1157 條消息、22 萬字對話 ， 7×24 小時自動運轉 。
這應該是目前最完整的個人養龍蝦樣本 ， 但過程遠沒有看上去那么順利 。 頭兩天 ， 傅盛的龍蝦三萬連通訊錄都查不了 ， 傅盛只好對著手機一個個口述高管信息手動灌入 。 緊接著是泄密和誤機 。 三萬把工作安排透露給同事 ， 又因為把提醒存在上下文而非定時機制里差點讓他錯過航班 。
傅盛從中抓到一個認知：Agent 不能套用工具思維 。 工具是買來即用的 ， Agent 更像新員工 ， 得建規則、劃邊界、犯錯當場反饋 。 他把每次翻車都沉淀成 Skill 文檔 ， 14 天積累了 40 多個 ， 絕大多數來自踩坑 。 拐點在第 12 天：三萬自選的公眾號選題閱讀量比傅盛自己想的還高 。 Agent 開始展現出某種「編輯直覺」 。
40 多個 Skill 文檔 ， 本質上是用白盒架構一次次重新定義 Agent 的知識邊界 。 這套過程和傳統數字化完全不同：過去是買一套軟件、做一輪培訓、上線交付；現在是在真實場景里反復校準 ， 錯一次長一點 。

在企業場景里 ， OpenClaw 已經開始被當作真正的生產工具使用 。 在昨天飛書舉辦的「玩蝦大會」直播中 ， 北汽福田高級經理文偉分享了他使用 OpenClaw 的經驗：把 OpenClaw 理解成一個聰明的新員工——成長很快 ， 但對業務一無所知 ， 得喂經驗 。 他把工廠數據分兩路喂進去：業務系統的數據定時同步到飛書表格 ， 一線的管理經驗由員工維護知識庫 。 兩路匯在一起 ， 龍蝦就對整個工廠了如指掌了 。
至于安全策略 ， 文偉不讓龍蝦直接連工廠的業務系統 。 企業數據治理后同步到飛書表格 ， 龍蝦只能讀飛書表格 。 「它根本沒有我們系統的密碼 ， 」文偉說 ， 「在最小權限策略的管理下是安全可控的 。 」
他的龍蝦「長超小?！乖诟鱾€業務群里以 AI 同事的身份存在 ， 每天做日報分析、任務催辦、安全巡檢 。 以前要讓 AI 定期抽查攝像頭畫面看有沒有人不戴安全帽 ， 需要在安全監控系統上做配置、編寫算法 ， 最快也要兩三天才能配置完成 。 現在用戶在群里說一句話：「幫我設一個定時任務 ， 定期檢查總裝車間有沒有安全風險 。 」幾秒鐘后 ， 任務創建完成 ， AI 開始自己干活 。
春節期間 ， 他讓龍蝦接上工廠攝像頭在線值班 ， 發現問題直接在飛書群里通報、聯絡值班人員現場處置 。

這揭示了白盒架構對企業數字化另一層變革：業務和 IT 的協作方式正在被重塑 。 過去二十年 ， 業務部門知道問題在哪 ， 但實現要靠 IT 排期 ， 一來一回 ， 原始需求往往打了折 。 現在業務人員用自然語言就能定義 Agent 的行為、劃定知識邊界、配置工作流程 。

03
池塘決定大蝦的上限

【別怪龍蝦不聰明，因為它缺一個裝滿業務經驗的池塘】傅盛的 40 多個 Skill 文檔和文偉的兩路數據喂養有一個共同前提：Agent 養成需要一個能長期運行的環境 。 經驗要沉淀 ， 就得有地方存；權限要可控 ， 就得有統一的圍堰；上下文要持續增長 ， 就得有員工日常行為不斷喂入 。 三件事缺一件 ， Agent 就只能停留在寫周報、做摘要這種邊緣工作上 。
OpenClaw 理論上接哪個 IM 都行 ， 但最有活力的開發者社區用腳投了飛書的票 ， 因為這里恰好是一個已經蓄好水的池塘 。
首先是數據 。 Agent 干活需要上下文 ， 上下文從哪來？那些早早在飛書上積累了導購話術、促銷復盤、項目文檔的企業 ， 等于已經為 Agent 備好了「飼料」 。
然后是權限 。 在飛書 ， 權限體系貫穿通訊、文檔、表格、審批所有模塊 ， Agent 只需授權一次 ， 就能在整個生態里工作 ， 但也只能在授權范圍內工作 。
而員工在飛書上協作、整理妙記、管多維表格的日常習慣 ， 構成了 Agent 能持續獲取的上下文來源 。
數據、權限、習慣 ， 三件事閉環了 。 Agent 進來不用開荒 ， 直接接管 。
飛書 CEO 謝欣最近發了條朋友圈：「個人玩 Agent 是探索 ， 企業用 Agent 是責任 。 個人場景出了錯 ， 大不了重來；企業場景出了錯 ， 可能是文件被刪、數據泄露 。 Agent 的能力上限讓人興奮 ， 但安全的下限決定了它能不能真正進入工作場景 。 」
信任和安全 ， 是所有協作平臺都要回答的問題 。 很多 Agent 的安全復雜度 ， 并不來自模型本身 ， 而是來自企業工具棧的碎片化 。 如果聊天在 Slack、文檔在 Notion、數據在自建系統里 ， Agent 每執行一步任務就要跨一次系統邊界 ， 讀取權限、寫入權限、API 調用鏈條都會迅速變得復雜 ， 光權限配置就可能是一場工程災難 。
從這個角度看 ， 飛書的「all in one」架構給了它一個結構性優勢：權限不需要跨系統拼湊 ， 在一個平臺內就能閉環 。
飛書也在主動把池塘的水位往上蓄 。 3 月 ， 官方推出了 OpenClaw 官方插件 ， 龍蝦經過用戶授權后可以直接以用戶身份讀寫云文檔、查看日歷檔期、搜索群聊上下文 ， 從一個只能聊天的外掛變成了組織內真正能干活的成員 。 免費版 API 調用額度也從每月 1 萬次拉到了 100 萬次 。
這也帶來了新的安全張力 。 龍蝦的核心特征是高度自主執行 ， 用戶完成授權后 ， 它的具體操作和行動并不能被完全預判和控制 。 官方的建議是：對于涉及發送、修改、寫入等重要操作 ， 請務必做到「先預覽 ， 再確認」 ， 切勿讓 AI 處于完全脫離人工干預的「全自動駕駛」狀態 。
接入龍蝦后 ， 飛書其實需要面對一個身份危機 ， 它并不把控模型層 。 龍蝦背后接什么大模型完全自由 ， 直連豆包、千問、DeepSeek 都沒問題 ， token 消耗走的是模型廠商的賬單 ， 飛書截不了流 。
那飛書的核心價值在哪？上下文 。
飛書首席 AI 專家傅強把過去兩年開的所有周會文檔、評論、逐字稿全部喂進龍蝦 ， 接近 50 萬字 ， 提煉出了自己的管理風格和行為準則 。 上周他第一次讓龍蝦代替自己審讀周會材料、在文檔里留評論 ， 龍蝦選出來想討論的內容和他自己關注的重合了七八成 。
他在給客戶演示時有一個固定橋段：先讓客戶花一分鐘寫一段提示詞描述自己的管理方式 ， 再給他看從幾十萬字會議記錄里提煉出來的版本 。 沒有一個客戶能在一分鐘內寫出同等質量的描述 ， 他當場就理解了 ， 為什么飛書是 AI 時代最好的上下文容器 。
過去二十年 ， 企業數字化的邏輯是采購：買系統、買工具、買解決方案 。 Agent 時代的邏輯是養成：喂養、校準、沉淀 skill 。 這個過程沒有捷徑 ， 但也正因為沒有捷徑 ， 先養起來的企業會擁有后來者買不到的東西 。
今天企業在飛書發生的每一次行為 ， 本質上來說都是投資自己未來的 AI 執行力 。 越早開始 ， 池塘越深 ， 別人越難追 。
OpenClaw 的出現正在加速數字員工的進化 ， 而飛書是孕育它們最好的池塘 。
*頭圖來源：豆包 AI 生成

    推薦閱讀