文：王智遠(yuǎn) | ID:Z201440

各家都在說自己的AI能「做事」了，我想試試。

于是，我出了一道題：做一個(gè)會(huì)議報(bào)名表；后端一張多維表，存姓名、聯(lián)系方式、地址、電話；前端一個(gè)收集頁，別人掃碼填完，數(shù)據(jù)直接進(jìn)表格。

這個(gè)需求很日常，自己動(dòng)手的話，十分鐘搓完；但我今天不自己干，要讓AI來。

飛書Aily、釘釘悟空、騰訊Qclaw、百度的DuMate，全裝上，同一個(gè)任務(wù)扔進(jìn)去，看誰能從頭到尾跑完。

01

先說騰訊的Qclaw，因?yàn)樗o我的體驗(yàn)最魔幻。

我把需求發(fā)過去，它理解得很快，馬上告訴我它要調(diào)用騰訊文檔來完成這個(gè)任務(wù)。我一聽，挺合理的，騰訊文檔本來就是你們自家的東西嘛。

然后它開始跑。

第一步就卡了。彈出來一個(gè)授權(quán)鏈接，讓我登錄。我點(diǎn)了，登了，沒問題。它繼續(xù)往下走，走了兩步，又彈出來。又讓我登。

我又登了一遍。你猜怎么著？第三次又來了。

我坐在那兒，反復(fù)點(diǎn)同一個(gè)鏈接，心想這玩意兒到底在干嘛呢。自家的騰訊文檔，自家的AI產(chǎn)品，這中間的授權(quán)你們沒有打通嗎？

前前后后我點(diǎn)了五次。五次；好不容易登錄這關(guān)算是勉強(qiáng)過了，它開始嘗試操作騰訊文檔。我看著屏幕上它一輪一輪地調(diào)用、一輪一輪地重試，token在嘩嘩地?zé)?/p>

我當(dāng)時(shí)其實(shí)已經(jīng)有預(yù)感了，這事兒大概率跑不通。

沒打斷它，我想看看它到底能走到哪一步。結(jié)果就是走到了450萬token。沒了。表格沒建出來，收集表更不用提。整個(gè)任務(wù)，失敗。

到這兒其實(shí)已經(jīng)夠離譜了。最精彩的在后面；我跟它說：你寫個(gè)復(fù)盤吧，寫好一點(diǎn)，我要發(fā)給你們的產(chǎn)品經(jīng)理；它還真寫了，而且寫得特別認(rèn)真，條理清晰，自己診斷出三個(gè)問題：

一，授權(quán)流程不透明，用戶體驗(yàn)差；二，收集表的API缺少創(chuàng)建題目的能力；三，沒有面向快速數(shù)據(jù)收集場景的一體化產(chǎn)品方案。

你看，問題出在哪兒它自己門兒清；最絕的是最后一句建議。它說：參考飛書多維表格的收集加匯總一體化體驗(yàn)，補(bǔ)齊API能力。

自家選手，打完比賽，坐下來寫總結(jié)，最后說建議學(xué)習(xí)對(duì)手；你說我該心疼它還是佩服它的誠實(shí)？

再說釘釘?shù)奈蚩铡?/strong>

悟空給我的感覺是，它確實(shí)在干活；需求發(fā)過去之后，它沒有繞彎子，直接在釘釘表格里開始操作；我看著它一步一步地建字段，姓名、聯(lián)系方式、地址、電話，都給我安排上了。

后端這張多維表，它是真的交出來了。

我當(dāng)時(shí)心里還挺高興的，心想這不挺順的嘛，然后我等著它做下一步，就是前端的收集頁，等了一會(huì)兒，發(fā)現(xiàn)它沒動(dòng)靜了。

我又催了催，它試了一下，還是過不去；收集表這個(gè)東西，它做不了。怎么說呢，就像一個(gè)廚師，菜給你備好了、切好了、擺盤都弄好了，最后告訴你：灶臺(tái)我點(diǎn)不著。

能感覺到釘釘?shù)腁I已經(jīng)把表格這個(gè)模塊接進(jìn)去了，它是真的能操作的；不過，收集表這個(gè)模塊，顯然還沒有打通；差一步。這一步?jīng)]邁過去，整個(gè)任務(wù)就算沒完成。

接下來聊百度的DuMate。

DuMate的思路跟前面幾家都不太一樣，這個(gè)我覺得值得單獨(dú)說一說，它沒有局限在百度自己的產(chǎn)品體系里面。拿到我的需求之后，它去嘗試調(diào)用外部的工具來完成任務(wù)。

也就是說，它的邏輯是你需要什么我去外面幫你找，這個(gè)方向本身挺有意思，能連接別人已經(jīng)做好的東西，也是一種能力。

關(guān)于DuMate的具體體驗(yàn)，我昨天寫了，感興趣的朋友可以翻翻。

最后說飛書，飛書是我放在最后測的，結(jié)果也是最讓我意外的，需求發(fā)過去之后，我明顯感覺到它的「工程量」比前面幾個(gè)都大；它在同時(shí)處理兩件事：后端建多維表格，前端建收集表，然后把這兩個(gè)東西關(guān)聯(lián)起來。

所以，它確實(shí)比較慢；我等了一陣子，中間看著它在來回跑，心想別又是一個(gè)半成品吧；跑著跑著，出了點(diǎn)bug。我以為又要卡了，結(jié)果它自己發(fā)現(xiàn)了問題，停下來檢查了一遍，然后回頭修復(fù)，接著繼續(xù)跑。

這個(gè)細(xì)節(jié)讓我印象很深；前面幾個(gè)選手，卡了就是卡了。飛書是卡了之后自己能回頭看一眼，知道哪兒不對(duì)，修完繼續(xù)走。

最終它交給我的東西是完整的，后端有數(shù)據(jù)表，前端有收集頁，別人掃碼填完信息直接進(jìn)表格。整個(gè)鏈路是通的；四個(gè)選手里面，它是唯一一個(gè)把任務(wù)從頭到尾跑完的。

02

四個(gè)產(chǎn)品跑完，剛好中午，吃飯的時(shí)候，我回想了一下：

幾家大模型，能力上不會(huì)差太遠(yuǎn)；讓它們寫個(gè)東西、總結(jié)個(gè)文檔、翻譯一段話，大家都能干，水平也都在線；同樣一個(gè)做報(bào)名表需求扔進(jìn)去，為什么結(jié)果差距會(huì)這么大？

后來我想明白了。

問題不在腦子上，在手上；這么說吧，我平時(shí)用Claude比較多。Claude能幫我做PPT、做Excel、處理PDF，它不是靠「聰明」做到的。

它背后接了一個(gè)一個(gè)的skill，每個(gè)skill對(duì)應(yīng)一種具體的操作能力。做PPT是一個(gè)skill，操作表格是一個(gè)skill，讀PDF又是一個(gè)skill。

沒有這些skill，模型再聰明，也只能跟你聊天。

企業(yè)AI助手是一模一樣的道理；釘釘?shù)奈蚩諡槭裁茨芙ǔ霰砀?，做不了收集表？因?yàn)楸砀襁@個(gè)模塊它已經(jīng)做成了skill，AI能調(diào)用。收集表這個(gè)模塊還沒接進(jìn)去，AI夠不著，自然做不了。

飛書為什么能從頭跑到尾？因?yàn)槎嗑S表格和收集表這兩個(gè)模塊，它都做成了可以被AI調(diào)動(dòng)的skill。AI在它的生態(tài)里面，手腳是全的。

Qclaw為什么最慘？是騰訊文檔這個(gè)skill根本沒接好，授權(quán)都過不去，AI連門都進(jìn)不了，更別說干活了。

大家都在說自家AI多厲害、模型多強(qiáng)，到了真要做任務(wù)的時(shí)候，比生態(tài)里有多少模塊被做成了skill，這些skill接得有多深、跑得有多順。

說白了，模型是大腦，skill是手腳；光有大腦沒有手腳，是不行的。

不過，光說skill還不夠；你想，DuMate也去調(diào)了騰訊文檔，Qclaw也在調(diào)騰訊文檔。兩個(gè)都在「調(diào)」，為什么體驗(yàn)完全不一樣？因?yàn)閟kill和skill之間，深度不一樣。

我把它分成三層來說；第一層叫內(nèi)建。

就是AI和工具住在同一個(gè)房子里；飛書是典型的內(nèi)建。多維表格是飛書自己的，收集表單也是飛書自己的，這兩個(gè)模塊本來就長在同一個(gè)產(chǎn)品體系里面，數(shù)據(jù)流天然是通的。

國外最典型的內(nèi)建是微軟的Copilot；AI直接長在Word、Excel、PowerPoint、Outlook里面，通過一套叫Microsoft Graph的內(nèi)部管道訪問所有的數(shù)據(jù)和文件。

所有工具都是自家的，所有管道都是通的；這是最深的一層，體驗(yàn)也最順。

第二層叫接入。

就是AI和工具不住一個(gè)房子，中間有一根標(biāo)準(zhǔn)化的管道。

現(xiàn)在行業(yè)里在推一個(gè)東西叫MCP協(xié)議，你可以把它理解成AI世界的USB-C接口；不管是什么工具，只要支持這個(gè)協(xié)議，AI就能用一種標(biāo)準(zhǔn)化的方式來調(diào)用。

百度在國內(nèi)跟進(jìn)這個(gè)方向比較積極，地圖、網(wǎng)盤、文庫都在做MCP的對(duì)接；我認(rèn)為DuMate的思路也是往這條路上走的，嘗試去連接外部的工具。

好處是開放、靈活，不依賴單一生態(tài)，管道鋪好了不代表水就通了，從協(xié)議到產(chǎn)品體驗(yàn)之間，還有很多工程要做。

第三層叫調(diào)用。就是AI隔著一條街喊話。

沒有內(nèi)建的先天優(yōu)勢，也沒有標(biāo)準(zhǔn)協(xié)議做橋梁，直接通過API遠(yuǎn)程操作；我認(rèn)為Qclaw的問題就出在這一層。騰訊文檔是自家的產(chǎn)品，按理說應(yīng)該是最容易打通的。

實(shí)際上授權(quán)流程都卡死了，API能力也不夠用，最后自己寫的復(fù)盤都在說「缺少創(chuàng)建題目的能力」。

把這三層擺在一起看，這次測試的結(jié)果就一目了然了。

飛書是內(nèi)建，AI在自己家里干活，跑通了全程；釘釘是半內(nèi)建，表格接進(jìn)去了，收集表還沒有，跑了一半；DuMate在探索接入這條路，方向有意思，還在早期；Qclaw連最基本的調(diào)用都沒走順，卡在了自家產(chǎn)品的門口。

模型能力大家可能差不多，AI離工具有多近，中間的路修到了哪一層，決定了它到底能不能替你把事辦了。

03

內(nèi)建、接入、調(diào)用，三層深度擺在這兒了。那一個(gè)自然的問題就是：國外走到哪兒了？答案是，它們已經(jīng)在答下一張卷了。

微軟兩周前發(fā)了一個(gè)東西叫Copilot Cowork。核心邏輯就兩個(gè)字：委派。

你描述你想要的結(jié)果，Copilot自動(dòng)去關(guān)聯(lián)你的郵件、會(huì)議記錄、聊天記錄、文件，把任務(wù)拆成計(jì)劃，在后臺(tái)持續(xù)推進(jìn)。中間有拿不準(zhǔn)的地方它會(huì)回來問你，你確認(rèn)了它繼續(xù)跑。

微軟還跟Anthropic合作，把Claude的技術(shù)集成進(jìn)了Cowork，不同的任務(wù)用不同的模型；Word、Excel、PowerPoint里的Agent Mode也正式上線了，AI直接在文件里做編輯和迭代。

微軟已經(jīng)不把Copilot當(dāng)成一個(gè)「助手」了，它在做的事情是把AI變成整個(gè)Office生態(tài)里的執(zhí)行層。你說一句話，它幫你把活干了。

ChatGPT走的是另一條路。

OpenAI把之前的Operator和Deep Research合到了一起，做成了統(tǒng)一的ChatGPT Agent，給AI一臺(tái)虛擬電腦，讓它像人一樣去操作瀏覽器、寫代碼、查資料、填表單。

不綁定任何生態(tài)，追求通用操控能力，最靈活，也最脆弱，界面一變它就可能卡住。

回過頭看國內(nèi)。

微軟能做Cowork，前提是二十年積累的完整生產(chǎn)力全棧。Word、Excel、PowerPoint、Outlook、Teams、SharePoint，全是自己的，數(shù)據(jù)管道天然就在那兒。

國內(nèi)沒有誰有這樣的全棧。

飛書有文檔和表格，釘釘有表格和審批，騰訊有文檔和會(huì)議，百度有網(wǎng)盤和搜索。每家手里都有一部分，每家都缺一部分。

所以，國內(nèi)現(xiàn)在是兩條路在賽跑。

一條是飛書式的「內(nèi)建深耕」；把自己手里的模塊一個(gè)一個(gè)AI化，一個(gè)一個(gè)打通，先在自己的地盤上把體驗(yàn)跑順。從今天的測試看，飛書在這條路上走得最遠(yuǎn)。

另一條是「開放連接」；不追求全棧，通過MCP這樣的標(biāo)準(zhǔn)協(xié)議去接各家的工具。地盤不一定是我的，路是我修的。

兩條路各有各的賭注；內(nèi)建深耕賭的是自己的生態(tài)能長得夠大、夠全。開放連接賭的是協(xié)議能成為行業(yè)共識(shí)，別人愿意把能力接進(jìn)來。

現(xiàn)在遠(yuǎn)遠(yuǎn)沒到分勝負(fù)的時(shí)候。

我今天測的只是「AI能不能做一張報(bào)名表」，真正的賽題是AI能不能接管一整條工作流。

我的朋友鐵柱，這兩天經(jīng)常讓我?guī)退墒聝?，比如：給我兩張表格讓我?guī)退喜⒁幌拢俦热缫粋€(gè)文檔上面的一些東西讓我?guī)退鸓一下。

然后，我都把這些交給了龍蝦。我發(fā)現(xiàn)龍蝦就會(huì)調(diào)用各種MCP或者skills，直接把事兒給干了，這應(yīng)該是一種趨勢。