最近，国内外做Agent产品的公司，几乎都在讲同一个故事。AI不能只会聊天，得有上下文，会跑工作流。
微软Copilot能读你的邮件、会议和文档；谷歌把Gemini塞进Workspace；Salesforce让Agent在CRM里自己干活。总之，大家都希望Agent能像员工一样进入企业。
对于制造企业，更实际的问题是：AI越来越强，自己多年积累的经验和系统，能不能跟着派上更大的用场？
一份维修记录、一场技术讨论、一套经过验证的工艺，都可能成为Agent判断和行动的依据。但工厂每天都在变化，过去的经验还得结合眼前的设备状态、工艺要求，才能继续派上用场。如果每换一种AI工具，都要重新整理资料、配置流程，再不断同步新的业务信息，企业就可能长期维护多份供AI使用的“企业副本”。
让日常工作的更新持续成为AI的业务依据，可以减少这种重复投入，也让已有积累不断有新的用处。所谓“增值”，就是同一份记录、同一条经验，服务的对象从一个人扩到人加上AI，从一个班组扩到多个班组。
9月15日，2026飞书未来无限大会暨豆包工作开工大会在北京召开，飞书发布8.0版本，为适配Agent系统性重构，并与豆包工作原生融合。
飞书CEO谢欣在会上表示，现在，如果企业需要选择协同办公平台，飞书无疑是最好的选择；再加上原生融合的企业级Agent豆包工作，这将是AI时代工作的最佳选择。
这次发布意味着，Agent正在更深地参与企业的日常工作。随之而来的，是知识怎样更新、智能体怎样维护、结果怎样检验。对制造企业来说，无论AI来了什么新花活，得能接着已有的业务往下干。
北汽福田、南钢、海信、东风奕派的实践，提供了几个观察角度：已有系统如何接住新工具，专业经验如何进入岗位，AI又怎样跟上业务变化。
在北汽福田长沙超级卡车工厂，已有的数据积累开始发挥新的作用。这座同时生产轻卡和重卡的工厂，生产调度、物流和质量管理需要共同配合。
2026年1月底，北汽福田开始引入OpenClaw，在封闭安全容器、最小权限的前提下测试，春节前让“长超小福”等首批数字员工上线，接入车间摄像头和设备API开展巡检。
工厂原本已有完善的信息化系统。引入飞书后，业务人员用多维表格建表、关联数据，表格一度超过1000张。
北汽福田又成立数据治理组织，合并表格、统一数据口径，将表格精简至800多张，让这些业务记录更便于Agent使用。
治理这一步省不掉，区别在于治理完之后，同一批记录既能给人用，也能给Agent用。
随着数据治理和智能体迭代，“长超小福”逐步参与更多业务。
过去需要多人跨系统整理的运营日报，现在2分钟就能生成，覆盖订单、生产、物料和质量；生产启动群里，员工@它，就能获得问题原因、影响及处理步骤，并明确责任人。
飞书CLI又提供了操作消息、文档、多维表格和审批等标准工具入口，让Agent能沿着已有的数据、流程和权限处理任务。
以前花力气整理的数据、跑通的流程，这时候就派上了用场。过去几年在这上面的投入，没有因为换了一轮AI而作废。
对已经拥有行业大模型的企业，专业能力要抵达具体岗位，也需要一个便于一线使用的入口。
南钢已有行业领先的元冶钢铁大模型架构，以及深厚的数智化建设底蕴。
在这些积累之上，南钢将飞书融入既有数智化架构，作为统一协同平台和AI入口，让更多一线员工能够使用工具、解决身边的问题。
南钢热处理班组的一线工人用“豆包工作”搭出热处理工艺搜索和排产交互辅助工具，钢板牌号对应工艺参数的查询时间缩短至10秒。
南钢本身已有排产引擎，班组搭建的工具辅助数据处理、工艺查询，以及订单和设备变化后的分析。
专业算法与一线工具各有分工，员工也能亲手改善自己最熟悉的工作环节。
在经验传承方面，南钢高炉工长AI助手将操作、语音交互和经验复盘中形成的炼铁知识，按8大分类体系整理进知识库，为一线提供可随时查询的专业支持。
工长遇到问题，可以直接在飞书群里@AI助手，5秒内获得答案。
南钢数智化融合发展部总经理、人工智能研究院院长李瑾彦特别提到，让知识和复盘更加结构化、在操作过程中形成可积累的知识，同样重要。老师傅的经验由此能够被记录、传递，并持续用于帮助新人成长。
这种参与也带来了人才发现与培养的机会。南钢飞书AI效率先锋岗位技能“百冠赛”吸引1000多人参加，筛选出217份初赛案例。
李瑾彦表示，通过这些实践，企业找到了有数据意识、AI能力和动手能力的复合人才“种子”。
制造企业的经验，也积累在安装和配套服务中。
过去，海信中央空调的跨城市安装，是个特别吃经验的活。
从经销商提报，到现场勘测、城市项目经理报价，再到安装队施工、调试和回访，每一步都有讲究。
一个项目牵涉总部、区域销售、当地售后和安装师傅，跨城市协作，要让这些人及时接上。
项目进展散在聊天记录里，负责协调的人就得不断追问。
一旦换人接手，又要重新理清每个项目到了哪一步。
海信空气事业部的李亚雄报名成为公司首批AI先锋后，把提报、勘测、报价、安装、回访等一整条流程搬进了飞书多维表格，又用工作流做自动派单、自动拉群、自动匹配项目经理，再用AI字段捷径对安装日志里的现场照片做辅助质检。
安装工本来就要上传安装日志照片，AI可以按照业务要求评分、标记潜在问题，再由人员跟进整改。
同一份照片既是业务记录，也是AI的输入，检查结果又回到项目的处理流程。员工照常干活，就能留下AI用得上的资料，少做一遍收集、搬运和交接。
据李亚雄现场介绍，经销商填写项目信息后，10秒即可完成派单、建群和项目背景同步。借助这套协作流程，李亚雄每月可以同时服务140多个项目。
这里，流程自动化与AI辅助检查一起发挥作用。流程先连起来，AI发现的问题才有人接着处理。
而后，他还做了8场培训，覆盖700多人。能看见效果，别人才愿意跟进。
这种“一个人先做出样板，再教会一批人”的方式，正是飞书AI先锋体系的典型路径。
从2023年至今，飞书已经联合768家企业，培养并认证了超过8.7万名AI先锋。他们分布在各行各业业务一线，既是AI的使用者，也是推广者。
在招聘市场，已经有400多家企业，在近1800份招聘启事里写明“飞书AI先锋，优先录用”。
企业愿意为这个身份加分，说明这套培养体系的价值不只是内部提效，也被用人市场看见了。
海信的这段实践里，业务骨干把安装服务中的判断和要求做进了工具，经验因此能服务更多项目。检查要求变了，他们也能相应调整工具里的检查规则。飞书的AI先锋培养，则让这样的实践有机会通过培训被更多同事掌握。
东风奕派武汉工厂的“设备大师”，是一套辅助设备维修的智能体。它由厂里的维修人员用飞书和豆包工作自己搭建，后续也由他们持续维护。
东风奕派设备保全室主任汤俊在现场分享的一个案例，让人看到了它能在一线派上什么用场。
9月9日早上8点，涂装车间设备保全群收到一张经班长确认派发的工单。
“设备大师”提示，喷涂工位CL1的健康指数从96降到89，建议调平台车，避免可能的高压故障。
这让维修人员有些疑惑，台车负责输送车身，怎么会影响喷涂高压？
他们点开分析过程后发现，“设备大师”从点检记录中找出了人工漏看的异常，台车四角高度差5毫米，超过允许的3毫米偏差。
它进一步推算，台车倾斜会让车身更靠近喷头，电流随之增大；设备为限制电流，会把喷涂电压从30千伏降到28.9千伏。
现场实际电压恰好也是28.9千伏，计算结果与设备读数对上了。排除其他原因后，它给出的建议是“不要更换高压控制器，去调平台车”。
搭建“设备大师”用的都是通用工具。豆包工作搭主智能体，负责调用信息、组织分析；飞书提供知识、现场记录和人员协作。
工厂18年的维修经验，就沉淀在飞书多维表格、知识库和班组群里。维修手册和停工报告，成了智能体分析问题时能调取的经验。
现场还在不断产生新记录。这个车间有257类数据，每分钟产生3500多条。设备运行数据、点检记录和群聊里的工作信息，过去用于交接和追溯，如今也能帮助智能体了解当前工况。
“设备大师”也是一步步改出来的。
据汤俊介绍，今年4月的较早版本已使平均修复时间下降60%，但它还主要列出几种可能原因，需要维修工反复补充现场情况。经验查到了，眼前这台设备究竟该怎么处理，还得继续排查。
为了让它能对上眼前这台设备的具体工况，团队接入了设备原本就有的流量、转速、高压、成型空气等数据，也让豆包工作直接读取飞书里的点检记录和工作信息。故障现象定位时间由此从30分钟缩短到2秒。再结合维修人员搭建的工位机理模型，智能体能把可能的原因拿来推算，并与现场实测核对，逐步把建议收准。
在汤俊看来，“上线”是系统能用了，“上岗”则是让人愿意把真实工作交给它。
能发现人漏看的异常，也能给出具体可靠的建议，维修工才愿意接着用。
遇到人机判断不一致，先听一线员工的，再通过追溯、验证和复盘改进智能体。这样，工厂解决过的问题，也会成为下一次判断的依据。
这些案例呈现了工业积累的一种新用法。维修记录、工艺知识和业务数据，过去主要供员工查询、交接，如今也能成为Agent处理具体任务的依据。
这些判断还要接受现场检验。在东风奕派，推算出的电压与设备实际读数对上，为判断提供了可核对的依据；遇到人机判断不一致，则由一线人员追溯、验证和复盘。经过检验的处理结果留下来，又能帮助下一次分析。工业经验就在这样的使用和改进中不断积累。
要让智能体一直用下去，这些工作就得有人持续做。设备状态和工艺要求变了，相关记录要更新；建议给出来，要有人确认、执行；出了偏差，也要能回查依据、找到负责改进的人。
Anthropic今年讨论可信Agent时也提到，更强的模型并不能单独保证整个Agent系统可靠，模型、行为约束、工具和运行环境需要放在一起看。企业选择Agent，也需要考虑它在哪里工作、怎样与人配合。
这让协同软件长期积累的能力有了新的用途。文档、群聊和多维表格记录着工作怎样推进，权限与流程规定着谁能参与、谁来负责。这些原本服务于人的安排，也开始成为Agent开展工作的条件。
飞书8.0的变化，可以放在这个背景下看。Agent能够进入群聊、编辑文档和操作多维表格，企业则可以管理权限、追溯使用情况和控制AI用量。Agent参与工作的同时，也被纳入企业的日常管理。
这套环境也向不同Agent开放。企业可以保留自己的专业模型、引入新的Agent，生产主数据和设备控制仍由相应专业系统承担。知识质量、接口连接和使用责任，也需要企业持续管理。
飞书通过命令行接口（CLI）向Agent开放的功能点数量，从今年3月的247个增加至767个。这组数字对应的变化，是过去由员工在界面上完成的操作，正逐步变成Agent可以调用的工具。
豆包工作与飞书的原生融合，则把任务执行与这套工作环境连接得更紧。
两者共用账号体系，豆包工作沿用用户的身份和权限，取得授权的上下文、调用工具，并生成文档、表格或应用。员工可以在原有协作过程中检查和继续使用这些成果。
大会还发布了拥有独立身份、权限和记忆的团队智能体“豆包工作伙伴”，目前处于与企业定向共创阶段，将逐步开放。前述客户已经取得的成果，来自各自此前的探索和持续改进。
制造业头部客户的选择也是一个参考：市值Top10的中国上市车企中，9家已全部或部分使用飞书；上半年人形机器人销量Top10的企业中，也有9家在用。
据飞书披露，2026年以来，新增客户超九成同步采购飞书AI产品，超四成新客户把“Agent原生支持能力”作为核心选型因素；上汽、星巴克、国航、紫金矿业、博世这些原本用其他协同系统的企业，也在基于AI标准迁移或扩展飞书。2026上半年飞书ARR增速是去年同期的2.5倍，过去一年中小企业客户总量增长70%。
这组数据所反映的选型变化，与前面的生产实践形成了呼应。企业选择协同平台时，开始把未来如何使用Agent也纳入考虑。
Agent还会越来越多，工厂也会不断遇到新的设备状态、工艺和订单。
真正值得观察的，是一轮轮技术升级之后，企业留下了什么：那些解决过的问题和沉淀下来的经验，能不能更容易被调用；员工能不能改进自己的工具。
对制造企业而言，这些问题的答案，会比又上线了多少个Agent更有分量。
发表评论 取消回复