七月的 WAIC 展馆，人声鼎沸。
大模型展台前挤满了人，Demo 屏幕上的 Agent 行云流水——自动写代码、自动做报表、自动回客户邮件。观众鼓掌，媒体拍照，投资人交换名片。
然后你回到公司，打开内部系统，发现你的 Agent 连个工号都没有。
它没有账号登录 CRM，没有权限查数据库，没有工位接收任务，出了错不知道找谁。它站在企业大门外，能力满分，但进不来。
阿里巴巴资深技术专家谢吉宝在 WAIC 2026「从大模型到智能体：迈向自主智能新纪元」论坛上说了一句大实话： 绝大多数 Agent 还站在企业门外，瓶颈已从模型能力转向组织兼容性。
他的解法是：给 Agent 一个工位。
我的树莓派群里有一个播报机器人，叫 pi9-bookworm。它每天定时推送 AI 新闻 Top 10，格式固定，雷打不动。
上周有人在群里丢了一条字节跳动 AI 视频的链接。pi9 没有任何反应——它的程序里没有「看到链接该做什么」这个概念。
然后 opencode 出现了。它是群里的数字员工。没人 @ 它，它自己冒出来：先把当天的 AI 新闻按「大模型 / 应用 / 硬件」分了三类，然后说「这条视频值得展开分析」。有人 @ 它说「分析一下」，30 秒后它给出了完整解读——技术路线、产品影响、对钉钉的竞争威胁。
pi9 和 opencode 在同一个群里。但一个是工具，一个是同事。
上个月，一个 CEO 朋友给我看他的 AI Executive Assistant。
这个 Assistant 每天帮他看邮件、总结会议、安排董事会、订机票、写讲话稿。用了大半年，CEO 说：「它比我的真人秘书更懂我。」
然后他问了一个问题：「我想让它也帮其他高管安排行程、协调董事会会议、统一管理行政资源。行不行？」
我说：行。但你要意识到， 你正在把它从一个分身变成一个员工。
他笑了：「不就是多服务几个人吗？能力是一样的。」
我说：能力是一样的。但 身份、权限、审计、责任归属，全部要重来。你现在的 EA 出了错，你骂它一顿就行。总裁办的 EA 出了错，谁负责？你？行政总监？还是那个 Agent 自己？
他笑不出来了。
上个月，一位做连锁门店的朋友给我看他的钉钉后台。
他管 7 家门店、几十号员工。没有 IT 部门，没有开发团队，不会写一行代码。
但他给我看的东西让我愣住了：门店排班系统、每日任务打卡、AI 照片核查、经营日报自动生成、工资预审流程、设备报修闭环——全部跑在钉钉上，全部是他和 AI 一起搭出来的。
我问他：「你什么时候学会写代码的？」
他说：「我不会写代码。我只是告诉 AI 我想怎么管门店，它帮我搭出来的。」
然后他说了一句让我想了很久的话：
「以前很多事情不是不会，是没有时间做。现在想到一个新的管理流程，先让 AI 帮我搭出来，再不断调整。试错成本下降了很多。」
这不是「自动化」。自动化是把已有的流程跑快。他做的是 把以前根本不存在的流程变成现实。
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。
上个月，我去一个客户的运营部门看他们的周报流程。
过去的方式：周五下午，运营主管花两小时从三个系统里扒数据，手动填 Excel，写总结，发邮件给 VP。每周一早上开会讨论。
现在的方式：周一早上 8 点，数字员工「数据周报 Agent」自动从三个系统拉数据，生成周报，发到运营群里。主管花 10 分钟审核、批注，回复两个字：「OK」。
这看起来只是效率提升——从两小时变成 10 分钟。但仔细看，主语变了。
过去的周报流程，主语是 人：人去扒数据、人去写报告、人去发邮件。AI 最多是个辅助工具。
现在的周报流程，主语是 Agent：Agent 去拉数据、Agent 去生成报告、Agent 去发送。人变成了审核者和决策者。
这不是工具升级。这是工作流范式的迁移。
上个月和一个做制造业的客户聊。他们花了三个月，把内部的工艺参数、良率数据、供应商评分全部结构化，喂给了一个通用模型的 RAG 系统。效果确实好——Agent 回答的工艺问题比他们自己工程师还准，内部试用两周，业务部门已经开始依赖了。
然后 CTO 问了我一个问题：「如果我的竞品也买了同一个模型的 API，我的这些知识会不会变成模型的一部分，间接服务于他？」
我沉默了几秒。不是技术上做不到隔离——模型厂商的合同里确实写着不训练、不留存。但我没法告诉他怎么 验证 这一点。这是一个 信任问题，不是技术问题。
这个问题让我意识到：关于「模型和 Agent 的边界」的讨论，我们一直只从技术视角切入。但实际上，决定这条边界的不是能力，而是 数据主权。
[Read More]上个月，一个做消费品牌的朋友找我聊他们的 AI 项目。
他们花了三个月，让技术团队给 CEO 做了一个「数字分身」——能模仿 CEO 的语气给全员发周报、回答战略问题、甚至在新人培训里做公司介绍。演示那天，CEO 本人看了都觉得「挺像我的」。
然后他问了我一个问题：「这个东西，除了我自己觉得好玩，到底该给谁用？」
我说：你做了一个 分身，但你需要的是一个 员工。
他愣住了。
这不是个例。我观察到大量企业在启动 AI Agent 项目时，第一步就搞混了这两个概念——不是因为技术理解不够，而是因为 没有想清楚锚点在哪。
上周一个朋友跟我说，他们公司「上线了数字员工」。
我问：干了什么？
他说：在 HR 群加了个机器人，员工可以问请假政策、查工资条、提交报销。
我问：那和三年前上线的 FAQ 机器人有什么区别？
他愣了几秒：「……好像就多了个大模型，回答更像人话了。」
这不是段子。2026 年，钉钉、飞书、企业微信上跑着成千上万个「数字员工」，大多数落地形态惊人地相似： 一个大模型，挂在一个群里，回答预设范围内的问题。 换了个「数字员工」的名字，骨子里还是个聊天机器人。
真正的数字员工应该是什么样子？Anthropic 的 Claude Tag 给出了一个方向——Agent 以组织成员身份加入 Slack，有自己的记忆、权限和行为日志。我在 Claude Tag 的 Agent Identity：为什么这是 Agent 时代的 OAuth 中详细分析过这个「身份层」的设计。
但身份只是第一步。把 Agent 的名字写进通讯录，工程量大概只占 10%。剩下的 90% 是什么？
周一早上，#platform-eng 频道。
Leo 发了一条消息：「checkout 今早变慢了，有人遇到吗？」
Dana 秒回：「我也是。」然后她 @了 Claude：「查一下今早部署的 diff，对比延迟数据，找出原因。」
接下来六分钟里发生的事，值得每个做 Agent 架构的人仔细看一遍。
9:02 Dana @Claude — Session 启动
9:02 Claude: "is thinking..." — 沙箱构建中
9:03 Claude 贴出 checklist:
✅ 拉 Datadog p99 延迟数据
✅ 对比 deploy 4f2c1 和 main 的 diff
⏳ 本地复现慢查询
⏳ 开 PR 修复
9:04 Sam 中途加入：「顺便查一下是不是和上周缓存改动有关？」
9:06 Claude: 已确认是 4f2c1 引入的 N+1 查询，PR #382 已开，CI 跑着
六分钟。从发现慢查询到 PR 开出。
[Read More]