作者 | 文朋

項(xiàng)目管理始終是企業(yè)提升生產(chǎn)效率的重要抓手。

但長期以來，大多數(shù)項(xiàng)目管理工具解決的，更多只是記錄、同步與協(xié)同層面的表層問題：把需求記下來，把任務(wù)掛上去，把流程放進(jìn)系統(tǒng)里。

一旦進(jìn)入真實(shí)業(yè)務(wù)深水區(qū)，排期是否合理、依賴是否清晰、風(fēng)險(xiǎn)能否提前暴露，仍然高度依賴人的經(jīng)驗(yàn)去判斷、協(xié)調(diào)和補(bǔ)位。這也帶來一個(gè)尷尬的現(xiàn)實(shí)：盡管工具迭代多年，企業(yè)項(xiàng)目交付效率始終沒有實(shí)現(xiàn)質(zhì)變。

隨著 AI 浪潮到來，越來越多企業(yè)開始嘗試把 AI 引入項(xiàng)目管理，用于寫總結(jié)、做分析、輔助排期等單點(diǎn)提效。但如果 AI 與項(xiàng)目工具之間仍只是“外部協(xié)作”關(guān)系，停留在流程之外，就很難觸及項(xiàng)目管理最核心的執(zhí)行鏈路。

正如飛書項(xiàng)目負(fù)責(zé)人洪濤在飛書項(xiàng)目生態(tài)日上所說，未來的工作場景中，很大一部分操作可能不再由人一步步點(diǎn)擊完成，而是由 Agent 去操作軟件。

這意味著，項(xiàng)目管理工具若想真正實(shí)現(xiàn)提效，就不能只負(fù)責(zé)“記錄”，更要負(fù)責(zé)“連接”。只有當(dāng) AI 能夠連接業(yè)務(wù)流程中的數(shù)據(jù)與上下文，讀懂任務(wù)之間的關(guān)系、流程狀態(tài)以及背后的業(yè)務(wù)語境，AI 才有可能深度參與風(fēng)險(xiǎn)識(shí)別與動(dòng)作承接。

4 月 23 日，在飛書項(xiàng)目“生態(tài)日”上，飛書項(xiàng)目發(fā)布了一系列新能力，包括 MCP（模型上下文協(xié)議）、CLI（命令行工具）等底層開放接口，以及 AI 節(jié)點(diǎn)、AI 字段、原生 AI 助手等場景化能力。

這些變化釋放出一個(gè)明確信號：飛書項(xiàng)目正在進(jìn)一步結(jié)構(gòu)化流程、數(shù)據(jù)與協(xié)作關(guān)系，讓 AI 真正進(jìn)入項(xiàng)目流程，使其成為一個(gè)能夠承接 AI 落地的項(xiàng)目底座。

1 項(xiàng)目管理平臺(tái)的需求，正被 AI 改寫

如今，客戶對項(xiàng)目管理平臺(tái)中 AI 的期待已經(jīng)非常明確：他們要的不是一個(gè)“會(huì)聊天”的助手，而是一個(gè)能夠接入流程、參與執(zhí)行、真正推動(dòng)項(xiàng)目向前的能力。

“去年，很多客戶在采購研發(fā)項(xiàng)目管理軟件時(shí)，對 AI 的關(guān)注還沒有這么強(qiáng)；但到了今年，AI 已經(jīng)成為決策前必須評估的一項(xiàng)能力。”飛書項(xiàng)目商業(yè)化負(fù)責(zé)人楊波在接受采訪時(shí)表示，如今在售前階段，客戶已經(jīng)會(huì)主動(dòng)了解 AI 能力、產(chǎn)品路線圖，甚至直接做能力測試。

這背后反映出，企業(yè)對 AI 的需求正在從“會(huì)生成”轉(zhuǎn)向“會(huì)執(zhí)行”。在項(xiàng)目管理場景里，客戶當(dāng)然希望 AI 能寫總結(jié)、做分析，但更核心的期待，是它能真正進(jìn)入流程，更早識(shí)別風(fēng)險(xiǎn)，承接文檔撰寫、數(shù)據(jù)錄入、狀態(tài)維護(hù)等高頻重復(fù)工作，幫助團(tuán)隊(duì)持續(xù)推進(jìn)項(xiàng)目。

而在這方面，飛書項(xiàng)目已經(jīng)做了較為充分的準(zhǔn)備。

過去幾年，飛書項(xiàng)目持續(xù)幫助客戶把需求、缺陷、流程、節(jié)點(diǎn)、狀態(tài)等信息結(jié)構(gòu)化沉淀下來。對 AI 來說，真正關(guān)鍵的從來不只是模型能力，而是是否具備高質(zhì)量、可讀寫、可治理的數(shù)據(jù)基礎(chǔ)。

與此同時(shí)，由于飛書項(xiàng)目并不是一套寫死的標(biāo)準(zhǔn)數(shù)據(jù)模型，而是允許客戶根據(jù)自身業(yè)務(wù)去定義和配置工作項(xiàng)、流程、字段和表單等。這意味著，AI 在飛書項(xiàng)目面對的是更貼近真實(shí)業(yè)務(wù)現(xiàn)場的結(jié)構(gòu)化、語義化信息，也更容易理解上下文并準(zhǔn)確執(zhí)行動(dòng)作。

這也是飛書項(xiàng)目能夠承接 AI 落地的重要原因。根據(jù) 2026 年賽迪報(bào)告，在 2025 年銷量前十的新能源乘用車品牌中，已有 7 家選用飛書項(xiàng)目；在軟件研發(fā)管理 SaaS 和 IPD 管理 SaaS 領(lǐng)域，飛書項(xiàng)目也分別以 46.8% 和 68.6% 的市場份額位居第一。

值得注意的是，飛書項(xiàng)目此次在生態(tài)日上推出的一系列新能力，正是在進(jìn)一步釋放這種“執(zhí)行力”。

2 飛書項(xiàng)目將平臺(tái)重構(gòu)為更“AI 友好”的基礎(chǔ)設(shè)施

這次發(fā)布中，一個(gè)值得關(guān)注的信號是，飛書項(xiàng)目正在圍繞“AI 友好”推動(dòng)平臺(tái)演進(jìn)。從產(chǎn)品視角看，其底層架構(gòu)已呈現(xiàn)出明顯的“面向 AI 重構(gòu)”的方向。

例如，為了讓 AI 更深入地進(jìn)入真實(shí)業(yè)務(wù)流程，飛書正式開源了“飛書項(xiàng)目 CLI”。

它是一款命令行工具，能夠幫助個(gè)人或 AI 工具更高效地訪問和操作飛書項(xiàng)目中的各類數(shù)據(jù)?；谶@項(xiàng)能力，AI 可以在授權(quán)范圍內(nèi)完成與飛書項(xiàng)目相關(guān)的讀取、查詢、創(chuàng)建與更新操作。

例如，AI 可以查詢待辦、需求、任務(wù)、評論、工作流和排期等信息；查看工作項(xiàng)詳情、當(dāng)前狀態(tài)及流程節(jié)點(diǎn)；創(chuàng)建需求、任務(wù)和子任務(wù)；更新標(biāo)題、優(yōu)先級、狀態(tài)、評論等字段；還可以在關(guān)鍵修改前先生成預(yù)覽，確認(rèn)后再執(zhí)行。

一旦 AI 進(jìn)入真實(shí)項(xiàng)目流程，它面對的就不再是單輪問答，而是大量高頻、低成本、可自動(dòng)化的操作需求。CLI 的價(jià)值，恰恰在于提供了更強(qiáng)的批量處理能力、更穩(wěn)定的調(diào)用鏈路，以及更低的 token 消耗。

尤其是“漸進(jìn)式披露更省 token”這一設(shè)計(jì)，很能說明飛書項(xiàng)目對 AI 真實(shí)使用場景的理解：它考慮的并不是 demo 能不能跑，而是當(dāng)調(diào)用規(guī)模放大后，成本和穩(wěn)定性是否依然可控。

如果說 CLI 是 AI 的“手”，那么 MCP（Model Context Protocol）的優(yōu)化，就是在為 AI 提供一套更適合調(diào)用項(xiàng)目系統(tǒng)的“語義標(biāo)準(zhǔn)”。

它的意義并不只是把 OpenAPI 再包裝一層，而是圍繞 AI 的調(diào)用方式，重新設(shè)計(jì)了一套更適合智能體使用的接口體系。

一方面，它支持更安全的授權(quán)方式，讓 AI 能在可控權(quán)限下完成數(shù)據(jù)讀寫；另一方面，它的數(shù)據(jù)傳導(dǎo)方式也更自然，不再過度依賴 ID、Key 這類 AI 容易出錯(cuò)的參數(shù)；同時(shí)，查詢語言更接近 SQL，從而降低了 AI 理解和生成查詢的門檻。

更重要的是，它并不是簡單地“把數(shù)據(jù)交給 AI”，而是更貼近任務(wù)場景地告訴 AI：哪些是待辦，哪些是已辦，哪些與個(gè)人相關(guān)，哪些與團(tuán)隊(duì)相關(guān)。目前，飛書項(xiàng)目 MCP 已提供 40 多個(gè)工具，并仍在持續(xù)擴(kuò)展。

至于開源通信協(xié)議 AAMP，它解決的則是平臺(tái)應(yīng)用、本地 Agent 與不同運(yùn)行環(huán)境之間的通信協(xié)同問題。

這意味著，在 Agent 連接這件事上，飛書已經(jīng)開始從技術(shù)底層打通鏈路，讓 Agent 不只是停留在平臺(tái)內(nèi)部，而是能夠與企業(yè)現(xiàn)有的 AI 工具、本地環(huán)境和工程系統(tǒng)實(shí)現(xiàn)真實(shí)聯(lián)動(dòng)。

3 在開放能力之上，飛書項(xiàng)目把 AI 接入了流程骨架

如果說 CLI 和 MCP 解決的是“連接”問題，那么 AI 節(jié)點(diǎn)、AI 字段與 AI 助手強(qiáng)化的，就是 AI 如何真正深入項(xiàng)目流程并承擔(dān)具體執(zhí)行任務(wù)。

其中，AI 節(jié)點(diǎn)的意義尤其突出。它讓 AI 從流程外走進(jìn)流程內(nèi)，成為流程中的一個(gè)行動(dòng)單元，幫助團(tuán)隊(duì)厘清復(fù)雜項(xiàng)目中的流程關(guān)系與環(huán)節(jié)職責(zé)，并承擔(dān)預(yù)審、分析、測試用例生成等明確工作。

更關(guān)鍵的是，飛書首次取消了“要想使用開放能力，必須由管理員先安裝”的限制。節(jié)點(diǎn)負(fù)責(zé)人可以直接把自己負(fù)責(zé)的節(jié)點(diǎn)轉(zhuǎn)化為 AI 節(jié)點(diǎn)，讓 AI 協(xié)助任務(wù)完成；如果效果不理想，還可以重新運(yùn)行并持續(xù)優(yōu)化。

AI 字段功能也迎來了更適配項(xiàng)目管理的更新。

過去，很多 AI 的使用方式本質(zhì)上仍停留在個(gè)人 prompt 技巧層面，經(jīng)驗(yàn)散落在個(gè)體手中，既難復(fù)制，也難規(guī)?；?。

這一次，AI 字段則把這件事往前推進(jìn)了一步：它把一次性指令升級為一種帶模板、帶應(yīng)用市場、帶快速創(chuàng)建能力的開放形態(tài)。企業(yè)既可以把有效經(jīng)驗(yàn)沉淀下來，也可以先在視圖中臨時(shí)使用，而不必一開始就貿(mào)然寫回正式字段。

至于原生 AI 助手，作為開箱即用的通用 Agent，則被打造為飛書項(xiàng)目 AI 能力的統(tǒng)一入口。

它可以直接圍繞項(xiàng)目管理的核心場景提供官方能力：無論是快速生成報(bào)告、洞察項(xiàng)目風(fēng)險(xiǎn)、創(chuàng)建需求、完成節(jié)點(diǎn)流轉(zhuǎn)，還是了解產(chǎn)品功能用法，都可以通過這一入口完成。

更重要的是，在整個(gè)分析過程中，它始終只會(huì)在授權(quán)范圍內(nèi)、基于用戶可讀取的數(shù)據(jù)進(jìn)行分析與生成。用戶也可以把任務(wù)交給它處理，即便關(guān)閉頁面，它仍然能夠繼續(xù)執(zhí)行。

從這些能力可以看到，飛書項(xiàng)目正在構(gòu)建一種更貼近真實(shí)業(yè)務(wù)、也更具 “AI 原生”特征的應(yīng)用模式。

在真實(shí)項(xiàng)目環(huán)境里，傳統(tǒng)平臺(tái)通常是“少數(shù)人配置、其他人使用”；但 AI 應(yīng)用的擴(kuò)散路徑并不是這樣。AI 落地往往會(huì)經(jīng)歷一個(gè)更現(xiàn)實(shí)的過程：試點(diǎn)、調(diào)整、小閉環(huán)、擴(kuò)展、標(biāo)準(zhǔn)化。

真正困難、也真正有價(jià)值的，正是把一次次局部提效沉淀為組織級能力。

飛書項(xiàng)目的獨(dú)特之處在于，它正在把這一過程完整接?。簜€(gè)人和小團(tuán)隊(duì)可以低門檻試點(diǎn)；試點(diǎn)過程中可以按項(xiàng)目、按角色靈活調(diào)整；經(jīng)驗(yàn)成熟后，可以進(jìn)一步沉淀為模板、流程和 SOP；再往后，還能推廣到團(tuán)隊(duì)、部門乃至整個(gè)公司。

4 開放能力開始轉(zhuǎn)化為真實(shí)成果

一個(gè)平臺(tái)是否真正跑通，不能只看它發(fā)布了多少能力，更要看這些能力是否已經(jīng)長出真實(shí)成果。

一個(gè)很強(qiáng)的信號是，去年飛書項(xiàng)目開放平臺(tái)上已經(jīng)出現(xiàn)了 100 多款 AI 相關(guān)應(yīng)用，而且其中很多并非官方開發(fā)，而是客戶自行構(gòu)建的。

這說明飛書項(xiàng)目的開放底座已經(jīng)足夠成熟，足以讓一線團(tuán)隊(duì)先跑起來。這也解釋了為什么 MCP 和 CLI 的推廣會(huì)比較快：并不是平臺(tái)單向推動(dòng)，而是那些最有 AI 意識(shí)、最有動(dòng)手能力的人，已經(jīng)開始主動(dòng)把它們用起來。

飛書在生態(tài)日大會(huì)上披露的數(shù)據(jù)顯示，已有接近 500 家租戶在高頻使用相關(guān)能力，月活用戶數(shù)超過 6000，對飛書項(xiàng)目的操作次數(shù)累計(jì)超過百萬次。

從客戶案例來看，當(dāng) AI 真正進(jìn)入流程后，項(xiàng)目交付方式和效率也在發(fā)生明顯變化。

例如，詞元無限讓 Agent 沿著需求理解、方案生成、任務(wù)拆解、代碼執(zhí)行、測試生成一路推進(jìn)，最終把原本需要 7 到 10 人天的工作壓縮到 1 到 2 人天。

雅迪的實(shí)踐，則把周報(bào)月報(bào)自動(dòng)生成、歷史經(jīng)驗(yàn)檢索、會(huì)議質(zhì)檢和預(yù)評審等高頻工作串聯(lián)起來。這也說明，AI 在項(xiàng)目管理中最先接管的，往往不是最終決策，而是那些高頻、重復(fù)、規(guī)則相對清晰的環(huán)節(jié)。

輕舟智航的案例則展示了另一種更符合企業(yè)現(xiàn)實(shí)的落地方式：測試問題的記錄、分診、分派與閉環(huán)，被做成了一條更順滑的流程鏈路。AI 先幫助縮小問題范圍、給出候選建議，再由人工驗(yàn)收關(guān)鍵鏈路。

Zadig 的價(jià)值則更進(jìn)一步。它不只是簡單打通項(xiàng)目管理系統(tǒng)，而是把“管理域”和“工程域”真正連成了一條鏈：開發(fā)變更即記錄，測試執(zhí)行即同步，發(fā)布審批即發(fā)布，并疊加 AI 發(fā)布風(fēng)險(xiǎn)檢測。

最終結(jié)果是，發(fā)布效率提升 3 倍，交付周期縮短 35%，故障恢復(fù)時(shí)間下降 50%。

這些案例說明，飛書項(xiàng)目的價(jià)值已經(jīng)不再只是看板管理，而是真正開始承接并提效企業(yè)的項(xiàng)目執(zhí)行。

當(dāng)然，飛書開放能力更重要的地方，不只是讓客戶“使用”，更是讓更多角色開始“建造”。

例如，爪印基于飛書項(xiàng)目輕應(yīng)用能力自研 FlowStack "流程資產(chǎn)倉庫"，已沉淀 200 多個(gè)標(biāo)準(zhǔn)節(jié)點(diǎn)、50 余項(xiàng)流程模板，再結(jié)合 AI coding 等能力，可以快速開發(fā)高頻小工具。這說明，項(xiàng)目經(jīng)理和業(yè)務(wù)角色已經(jīng)不再只是提需求的人，他們也可以直接把自己的業(yè)務(wù)理解轉(zhuǎn)化為可復(fù)用資產(chǎn)。

高遠(yuǎn)則基于飛書項(xiàng)目開發(fā)了 ASPICE 插件，并已進(jìn)入 15 家大型智能汽車企業(yè)，在國內(nèi)智能駕駛 Top20 企業(yè)中覆蓋過半。這也說明飛書項(xiàng)目的開放能力并不只是支撐 demo，而是已經(jīng)能承接行業(yè)級、專業(yè)級的復(fù)雜場景。

再結(jié)合客戶成功、實(shí)施體系、專家認(rèn)證以及 AI 咨詢伙伴等配套能力的推進(jìn)，顯然，飛書項(xiàng)目想做的已經(jīng)不只是“賣一個(gè)項(xiàng)目管理功能”，而是在形成一整套可交付、可復(fù)制、可持續(xù)增長的 AI 落地機(jī)制。

這也是飛書項(xiàng)目在 AI 時(shí)代真正的分量所在：它正通過項(xiàng)目管理，為企業(yè)搭建一個(gè)真正讓 AI 開始工作的項(xiàng)目底座。