夜雨聆风过去一年，AI 助手正在从“会聊天的工具”，变成“能干活的同事”。
但如果把国内外产品放在一起看，会发现一个很有意思的分岔：
海外代表，比如 ChatGPT/Codex、Claude、Gemini，典型入口仍然是一个极简对话框。你可以连接企业数据，可以调用工具，可以配置 Agent，可以安装插件、Skills 或连接器。但这些能力通常需要用户主动发现、主动理解、主动组合。
国内代表，比如腾讯系 WorkBuddy + QClaw、飞书 OpenClaw（也就是社群里常说的“养虾”）+ 飞书智能伙伴（Aily），则更像是从办公现场反推产品形态：先给你专家市场、技能市场、工作流模板、IM 入口、文档和日历集成，再把权限、审批、数据安全、企业知识库这些管理者最关心的问题，放进默认设计里。
一个更像“给高手一把刀”。
一个更像“把岗位 SOP 做成可调用的数字员工”。
这不是简单的产品包装差异，而是企业办公 AI 的两条落地路线。
这篇文章讨论的不是“谁更强”，而是企业办公场景里的两种产品起点：海外御三家在拼模型和 Agent 上限，国内厂商在铺真实办公现场。
一、海外御三家：先把 Agent 做强，再等用户学会使用
先看海外产品。
ChatGPT Business/Enterprise 的核心叙事，是先进模型、共享工作区、企业工具连接、管理控制，以及 Codex 这样的可行动 Agent。OpenAI 已经把 Workspace Agents 以研究预览等形式推向 Business、Enterprise、Edu、Teachers 等计划，强调 Agent 可以承载团队重复工作流，遵循团队流程，并在团队内共享。
Claude Enterprise 的表达也类似：组织级部署、治理、数据控制、身份管理、审计基础设施。它不是没有企业能力，而是企业能力更多围绕“如何把 Claude 安全地放进组织”展开。
Gemini 也在明显走向 Agent 化。Gemini Spark 的定位已经不是传统聊天机器人，而是可以在后台执行多步骤任务，连接 Gmail、Calendar、Drive、Docs、Sheets、Slides 等 Google 应用，并通过 Tasks、Skills、Schedules 让用户定义常用动作。
也就是说，海外产品并不是停留在聊天框时代。它们同样在补工具连接、权限治理、企业管理和工作流能力。
但它们的默认假设仍然很鲜明：
用户需要学会如何把工作交给 AI。
你要知道什么时候该开一个 Agent，什么时候该接一个 Connector，什么时候该写一个 Skill，什么时候该把任务拆成目标、资料、约束和验收标准。
对工程师、研究员、咨询顾问、产品经理、创业者来说，这很自然。强模型给足能力，他们自己就能探索出一套工作方法。
但对大量普通办公岗位来说，这里面有一层隐形门槛。
一个销售、一位财务、一个行政、一个法务，不一定关心 Agent 的运行机制。他们更关心的是：
• 能不能直接帮我做周报？ • 能不能按公司模板生成合同审查意见？ • 能不能读取我有权限看的文档？ • 能不能自动整理会议结论和待办？ • 能不能留下操作记录？ • 出了问题谁负责？
如果这些问题还需要用户自己配置，AI 就会停在“很强，但不好推广”的阶段。
所以，海外产品的优势很明显：它们拥有模型能力、推理能力、Agent 自主性和开发者生态的上限。
但它们也天然带着一种“极客叙事”：给你一个强大的通用入口，再给你插件、Skills、连接器、Agent Builder，剩下的交给用户自己生长。
这条路相信能力外溢。
只要模型足够强，Agent 足够可靠，产品就有机会通过用户教育和生态扩展，把 AI 放进更多人的工作流。
问题是，企业办公不是个人效率工具的简单放大。
个人愿意折腾，组织不愿意折腾。
二、国内厂商：不等用户学 Agent，先把岗位场景铺好
国内产品的路径明显不同。
腾讯 WorkBuddy 的关键词不是单纯的“你可以构建任何 Agent”，而是“办公新范式”“多 Agent 并行”“技能生态”“企业版”“专家 + 助理 + 团队”。
QClaw 则把入口进一步降到微信远程办公、PC 本地助手这些熟悉场景。用户不需要先理解 OpenClaw 或 Agent 架构，只要知道：我发一句话，它能帮我远程整理文件、执行复杂任务。
飞书也很典型。
飞书接入 OpenClaw 的官方文章里有一个很关键的表达：经用户授权后，OpenClaw 可以以用户身份看文档、找资料、理解群聊上下文、核对日历档期。换句话说，它不是让 AI 继续停留在问答窗口，而是让 AI 进入真实协作现场。
飞书智能伙伴又进一步强调企业安全：模型输入输出环节做敏感信息处理，员工使用时严格遵循本人权限，不越权访问企业内部信息。
这就是国内办公 AI 的产品重心：
不是先讲“我的模型有多强”，而是先回答企业用户最现实的问题。
员工怎么开始用？
不懂技术的人怎么用？
能不能直接进入文档、群聊、会议、日历、多维表格？
公司的知识、权限、审批、审计怎么接？
能不能按岗位、按职能、按团队复用？
所以它会自然走向技能市场、专家市场、工作流模板和生态深度整合。
这其实非常“国内产品”。
过去很多年，国内 SaaS 和办公软件一直在做同一件事：把抽象能力翻译成场景入口。
不是让用户理解 CRM、BPM、BI、RPA 的全部概念，而是给他销售线索跟进、报销审批、项目周报、客户拜访记录、合同归档这些具体按钮。
到了 AI Agent 时代，这种产品惯性仍然存在。
国内厂商不会等用户成为 Agent 专家，而是先把 Agent 包装成“销售专家”“财务专家”“运营助手”“会议纪要助手”“数据分析助手”。
用户看到的不是模型、上下文窗口、工具调用，而是一个更接近岗位语言的工作入口。
这就是“接地气”的来源。
它不是技术不够先进才接地气，而是商业化路径决定了它必须接地气。
三、真正的差异不是能力，而是默认用户是谁
表面上看，国内外 AI 助手的差异是产品形态：
海外是对话框、插件、Skills、Agent Builder、连接器。
国内是专家市场、技能市场、工作流模板、IM 入口、企业文档集成。
但更深层的差异，是它们默认的用户不同。
海外产品默认的核心用户，往往是高自主性知识工作者。
工程师、研究员、咨询顾问、分析师、创业者、AI power user。他们愿意探索工具边界，也能承担一定配置成本。产品只要给足能力，他们就能自己搭出流程。
国内企业办公产品默认的核心用户，则更像组织里的普通员工和管理者。
员工希望少学概念，管理者希望可控、可管、可衡量。
产品必须一上来就解释清楚：谁能用，用在哪，数据是否安全，权限是否隔离，结果能不能复用，能不能形成团队资产。
所以海外产品更容易讲“未来工作方式”。
国内产品更容易讲“今天这个部门怎么落地”。
这不是谁更高级的问题，而是商业化路径不同。
海外御三家处在基础模型和 Agent 产品的一线梯队，它们天然会把产品价值绑定在模型能力、推理能力、Agent 自主性和开发者生态上。它们卖的是上限：只要模型继续变强，更多行业工作流都可能被重新组织。
国内厂商则更接近办公软件、企业微信、飞书、腾讯文档、会议、知识库、OA、IM 这些真实工作流。它们卖的是转化率：让一个企业里更多非技术员工今天就能用起来，让 AI 从“管理层看过 Demo”变成“员工每天打开”。
一个更强调上限。
一个更强调渗透。
这也是为什么同样叫 AI 助手，海外产品看起来更像平台，国内产品看起来更像场景集合。
平台的好处是上限高。
场景的好处是启动快。
企业真正买单时，往往既看启动速度，也看长期上限。只是第一阶段能不能铺开，通常取决于启动速度。
四、企业办公场景为什么会放大这种分野
在个人 AI 工具里，用户愿意折腾。
一个人愿意为了效率提升，研究一下午插件怎么装、工作流怎么配、Prompt 怎么写。
但在企业里，情况完全不同。
企业买 AI，不只是买一个更聪明的聊天框，而是在问四个问题。
第一，能不能嵌进现有流程。
一个 AI 助手如果不能读文档、进群聊、看日历、接任务、写多维表格、调业务系统，它就只能停留在建议层。
真正的办公价值来自执行闭环。
第二，能不能控制权限。
企业里最敏感的不是“AI 答错了”，而是“AI 看到了不该看的东西，做了不该做的动作”。
所以国内产品会特别强调员工本人权限、角色授权、应用可用范围、敏感信息脱敏、操作留痕。
第三，能不能降低培训成本。
如果每个员工都要先学 prompt engineering、Agent workflow、插件配置，AI 的组织推广成本会非常高。
模板、专家、技能市场的价值，就是把学习成本前移到产品和管理员侧。
员工不需要理解底层机制，只需要知道“这个专家能帮我做什么”。
第四，能不能沉淀组织能力。
个人用户用 AI，是提高个人效率。
企业用户用 AI，是希望把优秀员工的经验、流程和判断标准沉淀下来，让团队复用。
WorkBuddy 企业版强调专家、助理、团队，本质上就是把个体经验变成可分发的组织资产。
这四个问题，决定了企业办公 AI 不可能只靠一个强模型完成落地。
模型是基础能力，但办公场景还需要流程入口、权限边界、审计记录、异常处理和组织级复用机制。
海外产品往往先把底层能力做到极强，再逐步补齐企业工作台和组织治理。
国内产品则先接入办公套件、组织权限和岗位流程，让更多员工先用起来，再继续升级底层模型和 Agent 能力。
两条路都合理，只是先后顺序不同。
五、国内路径的优势和隐患
国内厂商的优势很明显。
它们更懂企业购买决策，更懂普通员工的使用阻力，也更懂中国办公场景里 IM、文档、审批、表格、群聊、组织架构之间的强绑定关系。
因此，它们能把 AI 助手做得更像“默认可用”的办公入口，而不是一个等待探索的技术平台。
一个员工打开飞书或企业微信，不需要先问“我要不要创建一个 Agent”，而是直接看到某个工作伙伴、某个技能、某个模板、某个专家。
这是很强的产品转化能力，也是国内办公软件长期积累出来的分发优势。
但这条路也有隐患。
第一个隐患，是模板幻觉。
如果过度依赖模板和专家市场，产品可能会变成“AI 版应用商店”：看起来场景很多，但真正复杂、跨系统、跨角色的任务仍然需要二次配置。
模板能降低入门门槛，却不一定能自动解决企业的流程差异。
第二个隐患，是模型上限。
当任务从“写周报、整理文档、自动回复”进入“复杂决策、长周期项目推进、跨部门协同、代码和数据混合分析”时，底层模型和 Agent 框架的能力仍然重要。
国内产品如果只强调入口和场景，忽视推理、规划、验证、可恢复执行这些底层能力，也会遇到天花板。
所以，国内路径不是不拼模型。
它只是先用场景把模型包起来。
这会让 AI 更快进入企业，但最终仍然要回到能力竞争。
六、海外路径的优势和隐患
海外御三家的优势也很清楚。
它们掌握模型能力的第一性变量。
更强的推理、更长的上下文、更可靠的工具调用、更强的代码能力，会持续扩大 Agent 的可用边界。
它们的产品也不是没有企业能力。
OpenAI、Anthropic、Google 都在补企业管理、数据安全、权限、连接器、Agent 治理。
但海外路径的隐患在于，它可能高估了普通企业用户的自我组织能力。
AI power user 会主动研究插件、工作流和 Skills。
普通员工不会。
管理者也不会希望每个人都用自己的方式搭一套 Agent。
组织需要标准化，需要可控边界，需要可复制的流程，需要出了问题能追责。
所以海外产品即使模型更强，也必须继续往“岗位化、模板化、组织化”走。
否则它的能力上限很高，日常渗透率却可能被更贴近办公入口的产品拉开差距。
这也是为什么我认为，未来海外产品会越来越不像单纯聊天框。
它们会越来越像企业工作台，越来越强调团队 Agent、角色模板、内部知识、权限继承和流程编排。
只是它们的出发点依然是：先有强模型，再长出场景。
七、我的判断：最终会合流，但起点不同
我不认为这两条路会永远分开。
未来的企业办公 AI，大概率会同时具备两种能力：
底层要有足够强的模型和 Agent 自主执行能力。
上层要有足够低门槛的岗位入口、技能市场、权限治理和办公生态整合。
海外产品会越来越“接地气”，从对话框走向团队 Agent、工作流模板和企业套件深度整合。
国内产品会越来越“拼底座”，从技能市场和专家模板继续往更强模型、更强规划、更可靠执行、更可观测治理演进。
差异不是终局，而是起跑姿势。
海外御三家从技术上限往工作现场走。
国内厂商从工作现场往技术上限爬。
前者需要把强能力翻译成更容易采用的组织工作流。
后者需要证明自己不只是入口更近，也能支撑更复杂、更长周期的任务。
在企业办公这个场景里，谁能赢，不只看谁的模型更聪明，也看谁能让最多普通员工在最少学习成本下，把 AI 变成每天真的用得上的生产力。
这可能才是企业 AI 助手竞争的关键：
不是让人知道 AI 很强。
而是让 AI 像文档、会议、审批和消息一样，成为办公流程里自然发生的一部分。
参考资料
• OpenAI Workspace Agents：https://openai.com/index/introducing-workspace-agents-in-chatgpt/ • ChatGPT Enterprise & Edu release notes：https://help.openai.com/en/articles/10128477-chatgpt-enterprise-edu-release-notes • Codex for Enterprise：https://chatgpt.com/codex/enterprise/ • ChatGPT workspace agents feature page：https://chatgpt.com/features/workspace-agents/ • Claude Enterprise：https://www.anthropic.com/product/enterprise • Claude Agent Skills：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview • Claude Code / Team and Enterprise admin controls：https://www.anthropic.com/news/claude-code-on-team-and-enterprise • Gemini Spark：https://gemini.google/overview/agent/spark/ • Gemini Spark Help：https://support.google.com/gemini/answer/16596215 • Google Workspace AI：https://workspace.google.com/solutions/ai/ • Tencent WorkBuddy Enterprise / office AI Agent Suite：https://www.tencent.com/en-us/articles/2202350.html • WorkBuddy 官方页：https://www.tencentcloud.com/act/pro/workbuddy • QClaw 官网：https://qclaw.qq.com/ • Tencent QClaw international beta：https://www.tencent.com/en-us/articles/2202318.html • 飞书 OpenClaw 官方插件：https://www.feishu.cn/content/article/7613711414611463386 • 飞书 Aily 角色权限配置：https://www.feishu.cn/content/ehksl0lb • 飞书 Aily 安全合规解决方案：https://aily.feishu.cn/hc/1u7kleqg/taaiminh • 飞书智能伙伴隐私声明：https://www.feishu.cn/aily_privacy
