Dingtalk

周五下午 4 点。你打开钉钉，你的 D 群里「本周的重点事项」消息已经发了 24 小时。16 位负责人被 @，每个人的进展回复散落在三个地方：有人私聊你说了三段话，有人在群里回了一个 emoji，还有人到现在一个字没发。

你要整理的，是一份让所有人都看得懂、能 action 的结构化进度报告。

手动做这件事需要 2-3 小时（经验估算）。你打开 16 个单聊窗口 + 群聊消息列表，翻来翻去。做得再仔细，也跑不掉三个 bias： recency bias ——最后看到的记得最清， salience bias ——写了一大段的人得到最多篇幅，写了三个字的人被一笔带过。 survivorship bias ——没回复的人直接消失在你的视野里，而不是被明确标记。

我手动做了这件事好几个月。然后写了一个 Agent Skill 文件——不到 200 行的 Markdown，把你的工作流程像岗位说明书一样写清楚。跑起来之后的效果不是「更快了」，而是 总结质量比手动好：每条来源可溯源、16 人全覆盖、没回复的标 ⚠️ 而不是消失。从 12 人扩到 16 人时，只改了 4 行映射表。

这篇文章讲的就是这个案例——以及如何把 Loop Engineering（让 Agent 自主跑到终点的工程方法）从写代码的场景，搬到管理协调的场景。

这个工程能落地，最关键的工具是 钉钉 DWS（DingTalk Workspace CLI）。DWS 是 Agent 与钉钉的统一接口层，它的设计让钉钉对 Agent 友好、对开发者友好。无论你使用哪款 Agent——OpenClaw、Hermes、OpenCode、悟空、MuleRun、WorkBuddy——都能通过 DWS 应用这套 AI 驱动的管理方法。Agent 是 fungible 的，接口层才是杠杆。

上周在钉钉里看到一条消息，让我意识到一个根本性的转变正在发生。

一位产品经理在群里 @AI 助理：「帮我总结一下今天会议的要点。」AI 很快给出了回复。几分钟后，她又 @采购 Agent：「根据这份 PRD，生成采购计划并提交审批。」

同样是 @AI，但两次操作的性质完全不同。第一次是 问一个问题，第二次是 派一个任务。

这个细微的差别，恰恰是 AI 时代 IM（即时通讯）正在发生的最深刻的范式转移： 沟通正在从「对话」演进为「协同」。

接着 销售流程 AI 化系列 的汽配分销商案例讲。

上一篇讲的是理念：解决方案对象、拜访质检、履约 SOP 编译。这一篇讲落地：FDE 到客户现场，怎么用基础设施在一天内把这些理念变成可运行的 Agent。

老周（售前）和小林（FDE）一起到了汽配客户现场。客户有 200 家门店，销售团队 30 人，每天处理 50+ 客户咨询、20+ 报价单、10+ 合同审批。

问题是：销售流程全靠人肉，信息散落在微信、Excel、邮件里，老周那份 80 页 PPT 签完单就死了。

周一早上，运营群里有人 @了运营 Agent：「帮我看看上周退款率为什么涨了」。

Agent 开始干活。它先查了 AI 表格里的退款明细，又调了客服工单系统的投诉分类，接着跑了一段 SQL 算出各渠道的退款占比，最后生成一份带趋势图的分析报告发到群里。整个过程 40 分钟，中间还主动追问了一句：「要不要把退款金额 > 500 的单独拉出来？」

报告质量不错。但安全团队事后审计时发现了三个问题：

1. Agent 查退款明细时，用的是 @它那个人的 App Token——这个人恰好是运营总监，有全量数据权限。群里其他人没有这个权限，但他们都看到了报告。
2. Agent 调工单系统时，用的是一个 写死在环境变量里的 API Key，这个 Key 的权限范围是 read:all，理论上 Agent 可以读任何人的工单。
3. 日志里只记了「运营总监访问了退款表」， 没有记录是 Agent 在执行。

这是一个典型场景，我在不同企业里见过不同程度的版本。

在 Claude Tag 的 Agent Identity：为什么这是 Agent 时代的 OAuth 中，我讨论了 Agent 为什么需要自己的身份。这篇接着往下走： 当 Agent 进入钉钉群，权限、凭证、审计这套架构具体怎么设计？

周一早上九点，小林到了客户的运营部。

他不是来做产品演示的，也不是来签合同的。他的工牌上写的是「Forward Deployed Engineer」——一个在钉钉内部新设立的岗位，外部还没有对应的职称。

上周客户提了一个需求：「每天有 20 个人整理会议纪要，能不能用 AI 提效？」

普通工程师听到这句话，想到的是做一个会议纪要工具。

小林想到的是：

会议
    ↓
纪要
    ↓
任务拆解
    ↓
责任人
    ↓
审批
    ↓
提醒
    ↓
知识沉淀

他要做的不是一个纪要工具，而是一个 会议 Agent。

上周，一个同事在工作群里 @了一个 AI Agent，让它分析最近 30 天的客户退款数据。Agent 查了 CRM、翻了工单、跑了 SQL，两小时后在群里贴出一份报告。

事后审计时，安全团队问了一个问题：

「这个操作，日志里记的是谁？」

答案是：那个 @Agent 的人。

但实际上，读数据的是 Agent，推理的是 Agent，写报告的是 Agent。人只是说了一句「帮我看看」。

这就是今天几乎所有企业 AI 产品的现状——Agent 没有身份。它在借用人的身份做事。

2026 年 6 月 23 日，Anthropic 发布了 Claude Tag——一个运行在 Slack 里的 AI Teammate。表面上看，它是又一个 Slack 集成。但如果你仔细看它的架构设计，会发现一件有意思的事：Anthropic 正在尝试解决一个行业里很少有人正面回答的问题——

Agent 到底是谁？

周一早上 9:30，一个 5 人 Scrum 团队的钉钉群里，AI 表格自动推送了一条晨会摘要：

📊 今日待办 7 项 （P0×2 / P1×3 / P2×2）

⚠️ 发现 3 个支付模块 bug 集中在支付网关，关联上周五 v2.3.1 发布。建议优先处理 #BUG-042，指派给 @张三（支付模块 owner）。

🔗 需求 #REQ-015 与 #BUG-039 存在依赖关系，建议先完成 bug 修复再启动需求开发。

工程师张三看到这条消息，点进 AI 表格，看到 AI 给出的修复方案：「参考支付网关 v2.3.0 的超时配置，建议在 PaymentClient.java:128 添加重试策略，预计 30 分钟」。他结合自己的经验判断，觉得方案基本靠谱，但超时时间应该更短。改了参数，40 分钟搞定。CI/CD 跑完，AI 表格自动更新状态，群里推送：

✅ BUG-042 已修复（张三，40 分钟）→ 已部署 staging

这不是假设。用钉钉 AI 表格 + 群沟通 + dws CLI，这个工作流的每个环节今天都能搭出来。下面拆解怎么搭。

上周五下午 4 点，一个管着 30 人销售团队的区域总监在钉钉里对悟空说了一句话：

「帮我把本周所有客户的跟进记录整理成表格，标记哪些超过 3 天没回访的，然后给对应的销售发个提醒。」

她没有写一行代码。她甚至不知道什么是 API。但 30 秒后，一张 AI 表格建好了，12 条超时记录标红了，12 条 DING 消息已经发到了对应销售的手机上。

这不是 demo，是她每天的工作方式。

每个周五下午，你的团队在做同一件事：打开空白文档，回忆这周干了什么，凑出一份周报。

这件事的荒谬之处在于——周一到周五，你们已经开了 10 次站会，讨论了 50 个问题，做了 20 个决策。所有信息都已经存在了，只是散落在会议录音、聊天记录、任务系统里。周报不是「写」出来的，应该是「长」出来的。

这篇文章用一个 War Room Scrum 的完整案例，说明怎么用 AI 原生思维重构日报和周报流程。核心转变： 不是让 AI 帮你润色周报，而是让 AI 从日常运转的数据中自动聚合出周报。

过去二十年，企业软件的核心使命是**「记录」**。

ERP 记录财务流水，CRM 记录客户关系，OA 记录审批流程，HR 系统记录考勤和绩效。这些系统回答了同一个问题：「发生了什么？」

但它们从来不回答另一个更重要的问题：「接下来该做什么？」

决策依然靠人。老板看报表、开会、拍脑袋。系统只是「记录员」，不是「经营者」。

AI Agent 的出现正在改变这个范式。当 AI 能够 7×24 小时持续推理、自动执行业务动作、并对经营结果负责时，企业购买的不再是「软件许可证」，而是**「持续在线的经营能力」**。

这就是「悟空云端」的核心定位：企业经营型 AI Agent 平台（Business Operating Agent）。

在前面的十四篇文章中，我们从 需求澄清、多 Agent 编排、可观测性 到 成熟度模型，构建了 AI 协作的完整技术体系。

今天，我们推出系列的第十五篇：从技术视角解读「经营型 Agent」的架构设计、行业落地路径和核心壁垒，探讨企业 AI Agent 的终极形态。