企业专栏 · 飞书 + AI Coding
通识主线
企业实操 · 飞书 + AI Coding

让 AI 真正进入工作,也把想法做成产品

这不是产品名词清单。我们从一个最朴素的问题出发: AI 想明白以后,谁来保存信息、推动协作、执行动作并留下记录? 飞书负责工作现场,AI 负责理解和生成,人负责判断与验收。

人在企业协作场景中使用 AI 处理知识、数据与任务
本页路线 先看飞书能做什么,再看协同流程怎样串起工作,最后把产品从想法推进到上线。
第 1 站 · 先看全局

企业提效不是“多装一个 AI”

AI 负责理解和生成,飞书负责让信息有地方存、有人协作、有权限约束、有流程继续往下走。

01

个人层

把散乱信息变成草稿:总结、改写、翻译、分析。

02

团队层

让知识可查、会议有待办、任务有人接。

03

业务层

让客户、项目和经营数据进入同一条流程。

04

系统层

用开放能力和应用把重复动作可靠地连起来。

第一性原理:一次提效到底发生了什么?

输入是文档、消息和目标;AI 做理解与生成;工具执行检索或动作;输出落回文档、任务或业务表;权限、审计和人工确认构成边界。

第 2 站 · 认清工具

飞书产品能力地图:先按“工作”分,不按产品名背

继续深入

完整能力矩阵见 飞书 AI 生态全景;首个行业深挖见 汽车制造专题。

先问信息要落在哪里、谁要一起做、下一步要发生什么,再选产品。

文档、知识、会议、任务、日历与业务数据组成的飞书协作花园
一张图记住 飞书像一座协作花园:内容是土壤,数据是苗圃,消息、会议与任务把人连接起来。
内容与知识

云文档 · 知识库 · 云盘

适合:制度、方案、项目资料和团队知识沉淀。

边界:权限继承和分享范围决定谁能读;资料乱,AI 也会答乱。

结构化数据

多维表格 · 电子表格

适合:线索、项目、内容排期和轻量业务台账。

边界:复杂交易、强一致性或海量数据仍需专业业务系统。

即时协作

消息 · 邮箱 · 日历

适合:沟通、通知、约时间和跨团队协作。

边界:发消息、发邮件、邀请成员属于外部写入,必须核对对象。

会议与行动

视频会议 · 妙记 · 任务

适合:把讨论变成结论、负责人和截止时间。

边界:转写可能识别错人名和数字,建任务前要复核。

组织与管理

通讯录 · 审批 · 考勤 · OKR

适合:组织信息和有责任链的管理流程。

边界:高度敏感;能力取决于企业开通、角色与授权范围。

应用与集成

Aily · 妙搭 · 开放平台

适合:搭 AI 应用、内部工具和跨系统连接。

边界:应用可见范围不等于底层数据权限,发布前仍要测试与审批。

产品能力为什么不能写成永久不变的清单?

因为能力会随版本、企业套餐、管理员配置、应用权限和用户授权变化。遇到“能不能做”,先在当前租户试一个最小样例,再查官方文档。

第 3 站 · 分清角色

飞书 AI、Aily 和协同流程,不是同一个东西

脑力助手、应用装配台和协同流程,分工不同;理解边界才能形成闭环。

飞书 AI 是现成的脑力助手

帮你总结、写作、问答和理解信息。它擅长“想”和“说”。

Aily 是 AI 应用装配台

把模型、知识、工具和流程装成一个可供团队使用的 AI 应用。

协同流程是 AI 的落地路径

让文档、消息、日历、任务和业务数据在授权边界内形成可检查的协作闭环。

人提出目标,AI 理解,协同流程形成行动草稿,再由人检查结果的循环
正确循环 人说目标 → AI 拆解 → 飞书协同形成草稿 → 人验收;高影响动作在执行前停下来确认。
最小权限:只给完成当前任务所需的最少数据和动作权限。机器人不能天然看到所有人的资源,用户授权也只覆盖其可访问范围。
协同自动化能做什么,又不能替你做什么?

它可以把明确动作标准化,例如整理日历、妙记、任务和多维表格。它不能绕过企业权限,也不该替人决定发给谁、批准什么或发布什么。

第 4 站 · 做出价值

飞书 AI 最值得做的六个协同闭环

真正的价值不是“调用了多少 API”,而是把信息变成下一步行动,并且能检查、能追溯。

输入工作现场 AI理解与整理 输出落回飞书 确认人做决定
01

消息、日程和任务各在一处

每日工作简报

你会得到上班先看到今天必须关注的会议、待办和风险。

  1. 输入日历 · 任务 · 关键消息
  2. AI 整理合并去重 · 排出优先级
  3. 飞书产出一页工作简报
人来确认

默认只读,不替你回复消息或修改日程。

直接使用这条 AI 指令
读取我今天的日历、待办和已授权消息,按重要性生成一页简报;只读,不发送或修改任何内容。
02

会议信息散在录音和聊天里

会议闭环

你会得到会议不止有总结,还会留下负责人、截止时间和下一步。

  1. 输入日程 · 妙记 · 会中消息
  2. AI 整理结论 · 待办 · 负责人
  3. 飞书产出任务草稿 · 通知草稿
人来确认

建任务、发消息和邀请成员前,核对对象与内容。

直接使用这条 AI 指令
读取我今天这场会议的妙记,先列出结论和待办草稿;不要发消息或创建任务,等我确认。
03

制度很多,但大家仍反复问人

企业知识运营

你会得到高频问题回到可维护、可引用的知识库,不再反复问人。

  1. 输入重复问题 · 现有知识
  2. AI 整理检索引用 · 标记知识缺口
  3. 飞书产出答案卡 · 补充草稿
人来确认

内容负责人审核后发布,AI 不覆盖原文。

直接使用这条 AI 指令
整理本周重复问题,引用现有知识库给出答案;无法引用的单独列为知识缺口,不要修改文档。
04

客户沟通后,线索表总是忘记更新

销售跟进

你会得到沟通事实变成结构化进展,下一次跟进有依据。

  1. 输入已授权的沟通记录
  2. AI 整理提取事实 · 标记不确定项
  3. 飞书产出客户表更新草稿
人来确认

核对客户、金额与阶段,不猜敏感信息。

直接使用这条 AI 指令
根据我选中的客户沟通记录,生成线索表更新草稿并标出不确定项;确认前不要写入。
05

周报靠复制粘贴,口径还不一致

经营周报

你会得到固定口径的经营周报,异常、依据和缺失一目了然。

  1. 输入业务数据 · 指标口径
  2. AI 整理校验 · 计算 · 解释变化
  3. 飞书产出带来源的经营周报
人来确认

显式标记缺失和口径变化,AI 不能补数字。

直接使用这条 AI 指令
按已批准的指标口径生成本周经营周报,列出数据来源、异常和缺失;不要自行填补空值。
06

想法很多,却很难变成团队能用的工具

AI 应用交付

你会得到一个有权限、有测试、有负责人的内部 AI 应用。

  1. 输入真实问题 · 知识 · 数据
  2. AI 搭建应用方案 · 小范围测试
  3. 飞书产出可审批的应用版本
人来确认

管理员与业务负责人确认范围、权限和数据。

直接使用这条 AI 指令
把这个需求拆成输入、处理、输出、权限和验收标准;先生成方案,不创建或发布应用。
第 5 站 · 从想法到上线

AI Coding:把 20 个动作压缩成五个阶段

先得到能运行的第一版,再用版本、测试、权限和监控把“能跑”变成“能长期跑”。

从产品命名、本地开发、版本保护、部署上线到持续运维的五段旅程
路线不是直线 每一站都先做最小可验证结果;发现问题就回到上一站修正。
阶段 1

选工具,也选名字

先试用:只选官方支持当前 Agent 的 Coding Plan 套餐组合。Kimi、GLM、Qwen 等只是候选,能稳定完成你的代表任务更重要。

  • 安装套餐官方支持的 Agent,例如 Kimi Code、ZCode、Qoder 等;这是例子,不是排名。
  • 名字要短、好记、有辨识度;同步查公众号、小程序、应用商店、域名和基础商标冲突。
  • 确认名字后尽早注册域名,避免产品做起来后被动改名。
阶段 2

在本地做出第一版

正反馈优先:建同名项目文件夹,让 Agent 在其中工作;先用 Plan 模式讲清最核心的一件事。

  • 让 Agent 给出计划,你确认方向后再执行;不用第一天就写完所有需求。
  • 从本地预览验收:页面不好看就改,逻辑不对就修,直到你能解释每个功能。
  • 你可以不会写代码,但必须知道页面、后端、数据库和数据流如何配合。
阶段 3

给项目装上安全绳

代码不能只有一份:初始化 Git,把非公开产品代码放进私有仓库,用分支和提交保存每次可靠变化。

  • 建立测试和 CI;成熟后启用适合当前 GitHub 计划的分支保护或规则集。
  • 所有功能经“新分支 → 本地验收 → PR → CI”进入主分支。
  • neat-freak(社区维护 · MIT)可选,用于整理项目知识和规则;它不能替代测试、评审和备份。
阶段 4

选择合适的上线方式

产品需要一个持续运行的地方,但不一定需要买服务器。静态网站、Serverless、云开发和妙搭不一定需要买服务器;需要完整系统控制时再选云服务器。

  • 托管平台适合静态站和轻量应用;云服务器适合要自管运行时、数据库或网络的系统。
  • 使用中国大陆服务器对外提供互联网信息服务时,依法办理 ICP 备案;开发和备案可以并行。
  • 出海按目标用户选择区域,并同时考虑当地合规、延迟、成本、备份和 HTTPS。
阶段 5

上线后进入迭代

上线只是开始:域名、HTTPS、部署、日志、告警、备份、费用上限和回滚方案要一起存在。

  • 先监控可用性、错误率和费用,再逐步学习缓存、防爬虫、限流与 DDoS 防护。
  • 每次只改一个可验收目标;发布后观察真实结果,异常就回滚。
  • 用户变多前设置预算告警和资源上限,避免一次异常流量变成高额账单。
新分支 说需求 Agent 实现 本地验收 测试与文档 PR 与 CI 发布观察
第 6 站 · 今天就能用

按岗位找一个真实问题,不要从“学 AI”开始

挑一件每周重复、输入明确、结果能检查的事,先节省 30 分钟。

管理者

把会议、项目和指标合成一页决策简报。

试试:每日简报 / 经营周报

销售与客户成功

把沟通记录变成事实、待确认项和下次行动。

试试:销售跟进

运营与人事

让制度有出处、常见问题可复用、行动有人接。

试试:知识运营 / 会议闭环

产品与技术

把一个窄需求做成内部工具,小范围验证后再扩。

试试:AI Coding 五阶段

万能验收句

“先告诉我你读了哪些输入、做了哪些转换、将输出写到哪里、哪些地方不确定;任何外部写入先等我确认。”

第 7 站 · 安全地变快

治理和运维,是产品能长期活着的条件

AI 可以做执行者,责任不能交给 AI。

数据

先分级,再决定哪些内容可以交给哪个模型、应用和人员。

权限

默认最小权限,定期回收;应用可见范围与数据访问权限分别检查。

动作

发消息、写业务数据、邀请成员、审批和发布应用都设人工确认点。

质量

关键数字有来源,代码有测试,发布有回滚,知识有负责人。

成本

设置预算、配额和告警;异常流量先限速,再排查。

审计

保留谁在何时用什么权限做了什么,敏感日志避免记录正文和凭据。

上线前最后问 AI 的六个问题
  1. 最坏会影响谁?
  2. 用了哪些权限?能否再少一点?
  3. 哪些数据会离开当前系统?
  4. 失败时用户看到什么?
  5. 如何报警和回滚?
  6. 谁负责最终验收?

现在,选一个每周重复的问题,先跑通一次“输入 → AI → 工具 → 人工确认 → 输出”。