上个月，一个做汽车零部件的客户给我看他们的数字员工矩阵。
七个 Agent，分布在不同的钉钉群里，覆盖销售跟进、采购审批、质检报告、供应商对账、项目进度追踪、会议纪要生成、新员工入职引导。每个 Agent 都有组织身份——有工号、有权限、有审批链、有审计日志。它们不是独立的聊天机器人，而是组织的一部分。
然后他问了一个让我想了很久的问题：「如果有人要换掉钉钉，这七个 Agent 能带走吗？」
答案是不能。不是技术上搬不走——代码和数据可以导出。而是这七个 Agent 的每一个都 深度嵌入 了钉钉的组织图谱：审批链上的层级关系、群里的权限配置、通讯录里的汇报线、上下游组织的合同状态。换一个平台，这些上下文全部归零。
这就是护城河。但它不是大多数人以为的那种护城河。
四层架构：AI 钉钉到底在做什么
要理解护城河在哪，先要看清楚 AI 钉钉在整个体系中的位置。
四层架构的核心判断：
- Layer 1（数据主权层）：企业私有知识 + 业务系统——这是企业自己的资产，模型可以换，这一层不能搬
- Layer 2（生产型 Agent）：企业自建或生态提供的数字员工驱动引擎
- Layer 3（连接层）：AI 钉钉的核心位置——连接 Agent ↔ 组织身份 ↔ 人 ↔ 上下游
- Layer 4（协同进化层）：人 + Agent 在真实工作中持续学习，反馈驱动进化
关键判断： AI 钉钉的价值不在 Layer 2（那是 Agent 开发者做的事），也不在 Layer 1（那是企业自己的资产）。AI 钉钉的核心位置在 Layer 3 和 Layer 4——连接 Agent 与组织，并让协同过程产生持续进化的飞轮。
这和我在 模型与 Agent 的边界 中的判断一脉相承：模型是商品化的推理引擎，生产型 Agent 守护数据主权。但光有 Agent 不够——Agent 需要嵌入组织才能真正「做事」。
三层递进的护城河
第一层：IM 是天然的 Agent 协同界面（入场券，不是护城河）
Agent 需要一个和人类交互的地方。最自然的地方不是另开一个 App，而是人 已经每天工作的群聊。
在钉钉群里，Agent 像同事一样被 @、回复消息、执行任务。人类可以看到 Agent 的工作过程，随时介入纠正。群里的对话本身就是 Agent 的上下文。
这看起来很直观，但 这不是护城河。Slack + Claude Tag、飞书 + 飞书智能伙伴、企微 + 企业微信 AI，都能做到这一步。IM 协同只是入场券。
第二层：组织图谱 × Agent 身份 = 不可替代的信任基础设施
这是钉钉真正独有的东西，也是竞品最难复制的部分。
钉钉不只是一个 IM。它沉淀了中国最完整的 企业组织图谱：
- 组织架构：谁汇报给谁，几级审批，代理审批人是谁
- 审批流：什么金额需要什么级别的批准，历史审批记录和驳回原因
- 人事全生命周期：入职、转正、调岗、离职，每一步都有记录
- 考勤与排班：班次、加班规则、请假类型
- 上下游组织关系：供应商、客户、合作伙伴的组织间连接
当 Agent 要在组织里「做事」——不是回答问题，而是 执行动作——它必须嵌入这张图谱：
- 一个审批 Agent 需要知道：这笔 50 万的采购，按规则需要副总裁审批，但当前副总裁出差了，代理审批人是财务总监
- 一个销售 Agent 需要知道：这个客户属于华东区域，对应的 CRM 权限和价格策略
- 一个跨组织对账 Agent 需要知道：供应商的合同状态、上次对账金额、本期变更
通用模型不知道这些。 通用 Agent 框架也拿不到这些。这些数据在钉钉的组织图谱里，而组织图谱是钉钉独有的。
在 当 Agent 有了工牌 中我详细讨论过 Agent IAM 架构——Agent 有了组织身份（工号、权限、审计），它就不再是一个匿名 AI，而是组织的一员。它的行为可以被治理：谁授权的、做了什么、影响了什么、出了问题追溯谁。
这一层的护城河是：一旦 Agent 的身份、权限、行为记录都锚定在钉钉的组织图谱上，迁移成本极高。 代码可以搬走，但组织关系搬不走。
第三层：协同产生的学习飞轮才是终极壁垒
这是最深的一层，也是最容易被忽略的。
当人和 Agent 在钉钉里 持续协同 时，每一次交互都在产生一个结构化的学习信号：
| 协同动作 | 信号类型 | 价值 |
|---|---|---|
| 人类纠正了 Agent 的回答 | 正样本 | 同类问题不再犯错 |
| 人类说「这个不对，应该是…」 | 知识注入 | 补充企业特有知识 |
| Agent 完成任务，人类点了 👍 | 行为反馈 | 确认这个执行路径是对的 |
| Agent 在 A 群做得好，被推荐到 B 群 | 模式复用 | 同类场景快速冷启动 |
这些信号，在通用模型的世界里是 不存在的。你在 ChatGPT 里和 AI 对话，对话结束后信号就消失了——不会结构化地回流到任何系统里。
但在钉钉里，这些信号天然就有结构：
谁（组织身份）
在哪个场景（群 / 审批 / 会议）
对 Agent 做了什么反馈（纠正 / 确认 / 追问）
Agent 原来做了什么（行为日志）
这个结构化的反馈闭环，让 Agent 能 越用越懂这个企业。
我在 人机协同的核心不是 Chat，是 Feedback Loop 中详细讨论过：真正的协同不是一次性的指令执行，而是一个持续进化的闭环。Agent 主动完成工作，人持续给予反馈，反馈推动 Agent 进化。
而这个「越来越懂」是 排他的——你在钉钉里积累的 Memory、Skill、Eval，不会跟着你迁移到另一个平台。
飞轮长这样：
这一层的护城河是：飞轮转得越久，后来者越难追上。 因为追赶不只是做一个功能更好的产品——你需要同时拥有组织图谱和协同数据，而这两样东西都是时间积累出来的。
竞品的天花板
把这三层护城河放在一起看，竞品的差距就很清晰了：
| 能力 | Slack + Claude Tag | 飞书 | AI 钉钉 |
|---|---|---|---|
| IM 协同 | ✅ 首创 Agent 群成员 | ✅ | ✅ |
| Agent 身份 | ✅ 有独立 Thread | 部分 | ✅ 工号 + 权限 + 审计 |
| OA / 审批 | ❌ 需要外部 | ✅ 内置 | ✅ 内置 |
| 人事 / 考勤 | ❌ 需要外部 | 部分 | ✅ 完整 |
| 上下游组织 | ❌ | 有限 | ✅ 组织间连接 |
| 协同信号闭环 | 弱（Claude 不沉淀到 Slack） | 部分 | ✅ 结构化反馈 |
| 学习资产归属 | 归 Anthropic | 归字节 | ✅ 归企业 |
Slack + Claude Tag 在 Layer 1（IM 协同）上做得很好，甚至首创了 Agent 作为群成员的体验。但它缺少 OA、审批、人事、上下游组织——Agent 能做的事被限制在「对话和检索」，不能「跑完一个审批流程」。
飞书有 OA 和审批，但组织间连接和协同信号闭环的深度不够。
AI 钉钉的结构性优势是：从 IM 到 OA 到人事到上下游，全链条内置。 Agent 不是在「调用外部工具」，而是在自己的组织环境里原生地做事。
生态怎么建：谁来做这些 Agent
到这里有一个关键问题： 这些生产型 Agent 谁来建？
如果只靠 FDE 到客户现场一个一个做，这是做项目的逻辑，不是做生态的逻辑。生态需要第三方开发者参与。
我在 对 Agent 友好就是对开发者友好 中讨论过：平台的第一用户不是人类开发者，而是开发者的 Agent。但光有开发工具不够，还需要 激励。
第三方开发者的激励有三个来源：
1. Agent 市场
开发者做的 Agent 可以卖给其他企业。钉钉有数百万企业客户基础——这是一个天然的分发渠道。一个开发者做了一个优秀的「制造业质检 Agent」，100 家制造企业可以直接购买使用。
2. 行业 Know-how 产品化
懂某个行业的人——比如一个有 20 年经验的制造业工艺专家——可以用 Agent 把自己的经验产品化。过去他的经验只能通过咨询项目变现，现在可以变成一个持续运行的数字员工，按月收费。
3. 共享学习的网络效应
这是最有趣的部分，也是最有张力的部分。
数据主权与共享学习的张力
这里有一个根本性的矛盾：
- 数据主权 说：每个企业的私有知识不能出企业（上一篇 #296 的核心论点）
- 共享学习 说：如果生态内的 Agent 不能共享学习，每个企业的 Agent 都要从零开始，冷启动成本太高
怎么同时满足两者？
我认为解法是 三层分离：
| 层次 | 内容 | 归属 | 能否共享 |
|---|---|---|---|
| 私有知识 | 企业特有的数据、流程、决策历史 | 企业 | ❌ 不出企业 |
| 通用模式 | 「销售跟进 Agent 的标准工作流」 | 平台 / 生态 | ✅ 可以共享 |
| 脱敏信号 | 「100 家制造企业都纠正了同一个理解」 | 平台聚合 | ✅ 聚合后共享 |
具体来说：
- 私有知识不出企业——企业的审批规则、客户数据、决策历史，永远留在企业的运行时内。这是数据主权的底线。
- 通用模式可以共享——「销售跟进 Agent 应该先查 CRM、再发周报、再提醒未回复客户」，这个工作流不是任何企业的私有数据，它是行业最佳实践。
- 脱敏后的反馈信号可以聚合——如果 100 家制造企业的质检 Agent 都在同一步骤被人类纠正了，这说明这个步骤的通用理解有偏差。聚合后的信号（不暴露任何企业的具体参数）可以让所有同类 Agent 受益。
这个分层如果能做好，就是生态的真正护城河：每个企业的 Agent 既享受生态的集体智慧，又保持自己的数据主权。
这和 基础设施比模型更重要 的判断一致——真正的壁垒不在模型推理层，而在企业基础设施层。但本文进一步指出：基础设施不仅是企业级的，还是 生态级 的——私有知识 + 共享模式 + 聚合信号，三层叠加构成了网络效应。
所以 AI 钉钉的独特价值是什么
回到开头那个客户的问题。
他的七个 Agent 搬不走，不是因为代码被锁在钉钉里——开源的代码谁都能拿走。而是因为：
- Agent 的身份锚定在组织图谱上——审批链、权限、汇报线，这些是钉钉独有的数据
- Agent 的能力锚定在协同历史上——两年的人-Agent 交互信号、纠正记录、反馈数据，这些是时间积累出来的
- Agent 的成长锚定在生态网络上——脱敏后的行业模式、共享的工作流模板，这些是网络效应
一句话总结： AI 钉钉的护城河是「组织图谱的深度 × 协同飞轮的时间 × 生态网络的广度」。 这三样东西，没有一个可以通过做一个更好的产品来快速追赶。
模型可以换——今天是 Claude，明天可能是 Qwen。但组织图谱不能换，协同历史不能搬，生态网络不能复制。
这就是 AI 钉钉的独特价值： 不是最聪明的 AI，而是让 AI 成为组织一部分的那个运行时。
你觉得企业 Agent 平台的护城河应该建在哪里？欢迎留言讨论。