20261109：千问办公 2.0 发布，数字员工进钉钉群接任务
原创 · 约 22 分钟阅读 · 阅读 --

20261109：千问办公 2.0 发布，数字员工进钉钉群接任务

作者: Alex Xiang

人工智能工程实践

本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。

扫码注册 WorkBuddy 即可获取 2000 积分

我是 Alex Xiang，前百度/微博工程师，现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。

今天最值得看的一件事，是千问办公把 Agent 从「一个人的助手」改成了「一个团队里的成员」。

11 月 9 日，千问办公发布 2.0，官方称这是上线三个月以来最大的一次升级：定位从个人 AI 办公助手，升级成团队智能体（Team Agent）。理由只有一句，但说到了点上——主流办公 Agent 仍然在服务个人，团队的协作方式并没有变化，所以下一代 Agent 必须进入「团队协作的现场」。

现场在哪？在中国的办公室里，现场就是群。

今天还有几件事，先列在这里：

  • 上纬新材公告，消费级机器人「启元 Q1」「启元 T1」下线一万台，从 9 月 20 日发布算起一个半月。
  • 基元律动放出 NeoHorse-1.5-Flash Preview，把上一代模型扔回模型池当学生，这是它 RSI 路线的第二圈。
  • 古尔曼称苹果最早明年让 Siri 更像智能体：自己盯目标、判断下一步，而不是等人下指令。
  • 简智机器人 DAS 2.0 今天在 CoRL 亮相，头戴加手部触觉，盯的是人类操作数据这条上游。

5 个运营对 60 多个门店群：搬运发生在群和表格之间

2.0 改的不是界面，是信息从哪来

2.0 一共五块能力：协作、自动任务、人机共创、资料空间、三端互联。

核心是「协作」。用户可以建一个协作空间，把团队成员和数字员工放在一起；数字员工在空间里能实时关联多个钉钉群聊、在线文档、AI 表格和 AI 听记，把散在各群和纪要里的资料合成一份共享上下文，支持多会话并行、任务管理与指派。成员把活派下去，数字员工结合上下文梳理进展、总结共识、创建并跟进待办。官方称这是行业首个支持多人与 Agent 协作的功能。

第二块「自动任务」：用户订阅事件、配置规则，条件满足时 Agent 自己开跑。首批支持三类触发——指定的人发来消息、群里有人 @ 我、审批任务到达。官方例子是门店缺货：区域经理设一条「群里有人 @ 我说缺货，就读取库存表，发起调货申请」，之后店员在群里说缺货，Agent 自己去读库存、把调货信息填进表格。

其余三块是配套。「人机共创」让人在对话框里一边看预览一边提修改，也可以选中段落、单元格或应用区域，标多处意见一次提交，AI 在原文档里直接改。「资料空间」把 AI 生成的和你上传的图片、文档、表格、PPT、本地文件收在一处，选中几份材料就能直接开新对话。「三端互联」是三端实时同步，任务在云端跑，电脑关机后照常运行，人离开工位也能用手机远程操作电脑。

五块里真正变的是第一块的输入。过去的办公 Agent 吃的是你这一次对话给它的东西：一段需求、一份粘贴的文档。2.0 让它吃的是「这个团队过去两周在六个群里说过的话」。前者是提示词工程，后者是上下文工程——难点不在模型，在你得先有权读那些群、那些表、那些听着会。

协作空间做的事：把四类信息源读成同一份状态

银泰那 60 个群，其实是一份需求说明书

官方案例是银泰百货的卡券运营：过去 5 名运营要在 60 多个门店群里逐一收集卡券提报信息，核对完再回填表格。现在他们把门店群和一张 AI 表格关联进同一个协作空间，沟通方式不变，Agent 跨群汇总、自动更新表格。

数字很朴素，但它把办公 AI 一直没解决的那段路照出来了。

企业花钱的地方，从来不是「一个人写一份方案要多久」，而是信息在部门、群聊、系统之间反复搬运、核对、交接的那一段。一位数字化咨询人士对媒体说得更直白：很多企业上了 AI 办公工具之后，员工写周报、整表格确实快了，但跨部门协作和重复沟通没改善，于是企业对效率的感知不强，付费意愿也上不去。

翻译成工程判断：个人产能的提升，和组织的吞吐量之间没有必然传导。5 个人各自快一倍，如果瓶颈卡在「60 个群到 1 张表」这道缝上，整体一点也不会变快。2.0 冲的就是这道缝——不是让那 5 个人打字更快，是把搬运接管掉。

所以办公 Agent 的下一代不在「更会写」，而在「更会读」。写是把上下文变成产物，读是把现场变成上下文。前者卷到天花板了，后者才刚开始，因为它的成本不在算力，在权限。

自动任务把「该不该做」交给了写规则的人

我对「自动任务」的印象比「协作」复杂。

产品逻辑很顺：Agent 从被动响应变成主动推进。门店缺货这个例子也选得准——缺货反馈确实会被群消息淹掉，人盯不过来。

但订阅式触发，本质是把一个判断挪走了：原来由人在当下决定「这条消息要不要处理」，现在由配规则的人在事前决定「哪一类消息一律处理」。事前决定的成本很低，错起来的代价却不再是单次。

把这个风险和银泰的规模乘一下：一条规则接的是 60 多个群。边界写宽一格，错误动作就在 60 个群里同时发生；而人在群里看到数字员工动手时，第一反应通常是「系统在跑，应该没问题」。过去一个运营填错一行表，错误可见、范围局部；现在一个规则配错，错误静默、范围全量。

更值得注意的是，发布材料里从头到尾没有出现审计、回滚、逐群权限这类词。也许产品里有、只是没讲；但一个能把 agent 派进几十个群、让它自己改表格的产品，能力讲得比约束细，我会把它当信号看——不是判断它不安全，是判断它还没被真正的组织事故教育过。

国外先解决身份，国内先解决上下文

为什么这条路先在中国跑通

把几个产品放一张桌子上，路线差别很清楚。

国外的办公 Agent 先解决身份：Perplexity 上个月发的 Teammates，给每个 agent 独立桌面、独立浏览器会话和 cookie，能自己登录账号，能继承项目的 skills 和记忆，还能互相交接 PR；Anthropic 的 Duet 接了几千个服务，靠的是让 agent 成为可以被授权的调用方。它们做的是「给 agent 发一张工牌」。

国内的产品先解决上下文：千问办公让 agent 进群、读多个群、读文档和表格；飞书 2026 年 9 月的「豆包工作伙伴」让 agent 以独立身份进群，在权限内调用文档和多维表格；钉钉用「AI 小钉」加多 Agent 工作流，把群消息摘要、任务提醒、审批连起来。它们做的是「让 agent 坐进这间会议室」。

顺序不同，是因为工作发生的地方不同。美国的办公室里，事情落在邮箱、文档和频道里；中国的办公室里，事情落在群里——需求在群里提，进度在群里问，拍板也在群里拍。一个中国团队的项目上下文，有相当一部分只活在群聊记录里，从未写进任何文档。所以中国的办公 Agent 必须先解决「怎么读群」，美国的必须先解决「怎么证明我是谁」。

两边都在补课，但牌不一样。千问办公能读钉钉群，因为阿里同时持有 IM、文档、表格、审批这几层；飞书能读群，同理。模型可以换，入口换不掉。这是这个赛道最不舒服也最真实的一条：模型公司可以做出更好的 agent，但做得出不等于拿得到那 60 个群。这也解释了发布方为什么反复强调「已初步打通钉钉、飞书、企业微信」——它在补自己入口不够宽的那一块。

数字员工进群之后，它就是一个群成员

群里的「共识」是谁的共识

这是我最想在发布材料里找到、但没找到答案的一处。

功能描述写着数字员工会「梳理进展、总结共识」。进展可以校对，因为它有事实对应：需求改了几版、单子走到哪一步。共识不行。共识是从发言里推断的，而群聊的发言分布天然不均：嗓门大的、回得快的、在线久的人占字符多，沉默的人占零。

也就是说，一份由 agent 从群里总结出来的「共识」，在数据上是按发言密度加权的。会议室里的沉默在记录里等于同意——这事人开会时心里都有数，会追问一句「其他人有意见吗」；但当 agent 递给你一页写着「团队已达成的共识」的纪要时，没有人替沉默的人发言。

这不算缺陷，它是「总结」这个动作固有的政治性。可一旦和「自动任务」接上就有意思了：总结出来的是错的共识，接着触发的是真的动作。

按现在的形态，人在这个环里唯一的位置是「看一眼再确认」。而确认这个动作，在 60 个群、一天几十条待办的量级下，会迅速退化成盖章。

一个判据：看岗位数，不看周报速度

要判断这类产品有没有用，我建议换口径。

上一代办公 AI 的成绩单是「分钟/人」：写周报从 40 分钟变 5 分钟。这个口径天然好看，也天然不产生组织变化——它只让同样的人快一点。

2.0 这类产品的成绩单应该是「搬运次数」，最终落在「岗位数」。银泰那个案例值得记，不是因为它省了时间，而是因为它描述了一个岗位的整体形状：5 个人、60 多个群、收信息、核对、回填。这类岗位叫信息搬运工，在每一家有门店、有渠道、有供应链的公司里都存在。如果 agent 真接管了这段，组织侧该看到的是这类编制减少，而不是谁的周报变快。

衡量单位换了三次：分钟、搬运次数、岗位数

但反面也得说清楚：搬运是确定的劳动，校对是不确定的判断。原来 5 个人对着 60 个群，做错了自己知道；现在 1 个人对着 agent 的汇总，对不对要靠抽查。工作量未必下降，只是从「累」变成「悬」。很多企业上完自动化感觉更忙，原因通常在这——它消掉的是可计量的那部分，留下的是不可计量的那部分。

所以我的态度是：方向对，位置准，证据还不够。它抓住的是办公 AI 最贵也最不性感的一段——不是生成，是搬运；不是个人，是团队。要证明它成立，得等一批组织真把编制调了，而不是等一批用户说「挺好用」。

在此之前它至少做成了一件事：把「agent 该不该进群」从讨论变成了产品。这个行业里，问题一旦变成产品，答案就会自己长出来。

其他动态

上纬新材的启元下线一万台。公司 11 月 8 日晚公告披露，消费级具身智能机器人「启元 Q1」和「启元 T1」产能爬坡、良率表现良好，累计下线 10,000 台。两款产品 9 月 20 日发布，10 月起陆续交付，均 19,999 元起，T1 的卖点是一个本体在轮足人形与四足之间自动切换。公告同时提示，营收仍主要来自新材料业务，机器人收入占比很低。一个半月从发布到万台，是消费级人形少见的产能数字；但下线不等于售出，收入确认还在后面。

基元律动的 NeoHorse-1.5-Flash Preview。这家由前华为诺亚方舟实验室主任王云鹤创办的公司，把 9 月发布的 NeoHorse-1 重新放回模型池，让它在真实任务里跑、收集执行反馈，再用这些经验训练下一代。支撑流程的是多模型聚合平台 TokenRhythm：多个前沿模型跑同一任务并融合结果，NeoHorse 的作答与融合结果之间的差异被当作教师的批改。官方对照评测里，Agents’ Last Exam 从 41.20 分升到 50.43 分，物理科学一项涨约 106%；但计算与数学从 59.51 掉到 52.96。这条下降值得记：用融合结果当老师，学生容易向平均靠，而数学恰恰是平均最不管用的地方。

苹果的 Siri 想更像个智能体。古尔曼的消息是，苹果希望最早明年让 Siri 自主跟进目标、判断下一步并持续执行。支撑它的是 App Intents 这类系统级框架——靠系统能力完成任务，不必重度依赖通用的界面操作，执行成本更低。

简智机器人的 DAS 2.0 在 CoRL 亮相。这套设备由灵巧手数据手套 DAS Dex 2.0 和第一视角头戴设备 DAS Ego 2.0 组成，头手协同，同步记录视觉、手部运动和触觉。它要解决的问题很具体：遮挡会让动作标签失真，相似轨迹可能得到不同接触结果。具身智能的上游是数据，人类操作数据采得准不准，决定了后面所有训练的天花板。

参考资料

打开原图 ↗