孙昊天｜真正的差距，不在模型，而在企业有没有自己的 Context 战略

原创 混沌AI院 2026年4月27日 18:43

文末附《一张地图讲清孙昊天分享》和课件获取，请大家惠存！

过去一年，很多企业谈 AI，仍然习惯把它理解成一个“更聪明的新工具”： 会写、会答、会搜、会生成，谁先装上、谁先学会，谁就先领先一步。

但真正的变化，已经在往前走了。

当 AI 开始进入消息、文档、日历、会议、任务、流程，开始理解上下文、调用工具、推进协作，它就不再只是一个悬浮在聊天框里的能力，而是在慢慢进入真实工作环境。

也正因为如此， 企业接下来要面对的，已经不是“员工会不会多用一个工具”，而是一个更深的问题：当 AI 从工具变成同事，个人怎么工作，组织怎么协作，平台又会怎么演进？

在混沌 AI 院企业龙虾大会现场，飞书产品战略负责人-孙昊天 飞书产品战略负责人孙昊天，真正想分享的不是一套抽象理论，而是他自己这段时间最直接的体感： 今天的 AI，已经开始进入他的真实 工作流 ；而当这种变化发生在越来越多人身上时，企业的工作方式、组织边界和平台逻辑，都会跟着一起重写。

接下来，我们就沿着这条主线，把孙昊天这场分享真正的重点拆开来看。

我不是来讲理论的，我直接给你看我是怎么和 AI 一起工作的

Hello，大家下午好，我是来自飞书的昊天。

我今天来之前一直在想，到底跟大家分享点什么。今天前面几位老师讲的很多东西，其实已经非常前沿、也非常完整了。如果我再去讲一遍“AI 很重要”“Agent 很厉害”，意义不大。

所以我最后决定，还是尽量讲得更真实一点： 我自己现在到底是怎么和 AI 一起工作的，以及我觉得这种工作方式接下来会怎么改变企业。

我其实这段时间自己花了非常多时间在用 AI。

一开始也踩了很多坑。比如最早我在用一些更贵的模型，结果一个月算下来，光 API 消耗就到了一个很夸张的水平。后来才发现，如果只是机械地“追最强模型”，那这件事根本不现实，你得真的把它接进工作，而不是停留在尝鲜。所以我后面才慢慢调成更适合自己日常协作的一套方式。

我今天特别想给大家讲的， 不是“AI 能干什么”，而是它已经怎么进入我的 工作流 。

我现在大概有几个不同的 agent 在协同帮我工作。

原因其实很简单：不同的 agent 背后用的模型不一样，擅长的事情也不一样。有的更适合写文章，有的更适合搜集信息，有的更适合做长上下文推理。再加上并行处理的需求，有时候一件事分给多个 agent 同时跑，效率会高很多。

我给大家讲三个特别真实的场景。

｜第一个场景：复杂文档协作

有一次 HR 找到我，说公司要梳理一下现在到底能给员工提供哪些 AI 能力支持，要形成一份正式文档，后面还会给很多员工看。

这种事情如果放在以前，我大概率就是自己去翻材料、找同事、看产品说明、整理结构，再一轮一轮改。不是不能做，但很花时间，而且中间很多信息散落在不同的人、不同的群、不同的文档里。

现在我怎么做？

我把这件事交给 agent，让它自己去看消息、读上下文、找关键信息、起草第一版文档。我中间不是从 0 开始写，而是只做几件事：

· 判断它有没有理解对任务

· 给它补几个关键约束

· 留评论让它改

· 最后做取舍和收束

也就是说，原来一整段“从搜集到起草”的工作，现在我不再自己从头做，而是更像在带一个非常勤快的下属：它先干，我来改，我来定标准。

｜第二个场景：理解模糊需求

还有一类事情我觉得特别典型，就是 老板经常会给你一句话，但你未必真的听懂。

比如他说一句，“你去联系一下那些开发者，我们感谢一下。”

这种话，听上去好像很明确，但真正做起来其实模糊得很：感谢谁？为什么感谢？怎么联系？是写帖子、写私信，还是发评论？语气怎么把握？先找谁，后找谁？哪些人是关键贡献者？

以前这种事，很多时候只能靠你自己来回猜、来回问。

现在 AI 可以先帮我补上这段推理链条。它会自己去查历史上下文、对照之前讨论、找出关键名字、梳理出这件事真正的目标是什么，然后再往下形成一套可执行的动作建议。

这时候它不是在帮我“写一句话”，而是在帮我拆解模糊需求。

｜第三个场景：多 Agent 共创

第三类是更有意思的，就是 多个 agent 一起工作。

比如同一个主题，我会让不同 agent 各写一版，看它们分别怎么理解、怎么组织、怎么表达。然后再让它们互相评价、互相打分，最后我再做筛选和整合。

你会发现，这种时候我真正的角色已经不是“亲自写”，而是：

· 出题的人

· 看稿的人

· 选稿的人

· 收束的人

它们负责发散，我负责判断。

所以对我来说，今天最明显的感受不是“多了个工具”，而是： 工作方式真的已经变了。

原来一天甚至两天的事情，今天可能半小时就能推进到一个还不错的状态。

更重要的是，它不只是快了，而是很多时候，它会给我比原来更丰富的路径、更完整的推理和更多可选项。这种变化，对我来说既是量变，也是质变。

真正的质变，不在模型更强，而在它开始拿到人的权限与上下文

很多人现在讨论 AI，很容易把重点放在模型本身： 参数更大了、推理更强了、生成更好了。

但如果只停在这里，其实还没有抓住最关键的变化。

我自己的感受是： 真正的质变，不在 Agent 架构本身，也不只在模型更聪明，而在它开始拿到人的权限与上下文。

为什么这么说？

因为原来很多大模型虽然很强，但它始终在外面。 你要让它帮你干活，得先花很多时间把背景讲清楚。

你得告诉它：

· 我现在在干什么

· 这件事的上下文是什么

· 之前谁说过什么

· 哪些文档相关

· 哪些消息重要

· 我真正想解决的问题是什么

这个过程本身非常累。模型很强，但你不想天天用它，原因往往不是它不聪明，而是你每次都要先做一轮“喂背景”的工作。

所以我觉得这里面特别关键的变化，不只是 OpenClaw 本身，而是当它进入飞书之后，背后发生了三件事：

· 它拿到了完整上下文

· 它可以使用工具

· 它就在你的 工作流 里

第一，完整上下文

它能读你的文档、消息、日历、会议纪要，默认就站在你的真实工作环境里，而不是一个对业务一无所知的外部聊天框。

第二，工具使用

它不只是回答问题，它还能在你的权限范围内调用工具、执行动作、推进流程。也就是说，它不是只会“说”，而是开始能“做”。

第三，在你的工作流中

它不是在工作流外等你来找它，而是在你本来工作的地方，和你连续协作。

我觉得这里面特别重要的一个词，是：上下文摩擦

很多时候，AI 行业最大的隐形税，不是模型费用，而是上下文摩擦。

也就是： 为了让模型开始工作，你要先花多少时间让它理解你现在到底在干什么。

而当 AI 真正进入工作平台，这个摩擦会突然降低很多。

所以我后来越来越觉得，AI 真正开始干活，不是因为它更会回答了，而是因为它终于进入了真实工作环境。

当一个人开始带着一组 AI 工作，企业的组织方式也会一起变

如果只是我一个人的工作方式变了，这还只是个体层面的变化。

但问题在于，这种变化一旦开始扩散，组织就一定会变。

我觉得这里至少有三层非常明显的变化。

｜第一层变化：Agent 会成为真正的工作参与者

过去我们说数字员工，很多时候还是个概念。但现在我越来越觉得，它会变成现实。

有一类 agent，更像你的数字分身。它拿着你的权限、理解你的工作方式、围绕你来工作。

还有一类 agent，会更像独立的数字员工。它有自己的邮箱、自己的知识、自己的记忆，甚至能独立承担某一类持续性任务。

这意味着，未来组织里不再只是“人和人”的协作。

会越来越多地出现：

· 人和 Agent

· Agent 和 Agent

· 人带着一组 Agent

所以很多过去要靠人力传递、靠开会同步、靠手动串联的链路，都会被重构。

｜第二层变化：人的角色会变

以前很多工作是“自己想，自己做”。

今天越来越像是： AI 先做，人来指挥。

那人的价值就不再只是执行，而会越来越集中在四件事上：

· 定义目标

· 提供反馈

· 做出判断

· 承担责任

这也是为什么我觉得，未来很多人不是失去工作，而是会先失去原来的工作方式。

人不会消失，但人的角色会从“自己亲自做所有事”，慢慢转成“带着 AI 做事的人”。

｜第三层变化：分工边界会越来越模糊

这一点可能很多人已经开始感受到。

原来设计、研发、产品、运营之间，有很多清楚的协作边界。

但当一个人身边有一组 agent 时，他会覆盖掉越来越多原本需要跨团队流转的小工作。

比如一个设计师，原来出稿后还要和前端来回沟通；

未来可能在 agent 帮助下，他直接就能把更接近可用结果的东西交出去。

前端工程师也不会消失，但他的重点会往更底层的架构、性能和复杂问题上移。

所以我觉得， 分工不会消失，但协作链路一定会缩短。

而一旦链路缩短，组织的形态就会跟着改。

AI 时代，组织未必还会按原来的层级来运转

如果再往前看一步，我觉得更值得讨论的，不只是“工作方式变了”，而是组织到底会不会按原来的方式继续存在。

今天很多公司，还是 围绕传统层级来组织：管理层、部门、岗位、汇报线、审批线。

这种方式过去有效，是因为信息传递、任务协调和能力分工，都需要靠层层组织来完成。

但如果 AI 真正进入工作系统，这套逻辑可能会慢慢被改写。

我自己更关注的一种更激进的可能性是：

未来组织不一定再只是围绕“层级”来组织，而会越来越围绕智能层、能力模块和客户结果来组织。

如果用更抽象一点的话说，未来一家 AI 驱动型组织，可能会越来越依赖四个东西：

· 能力模块

· 智能层

· 世界模型

· 触点

与此同时，人的角色也可能被重新定义。不是简单的“管理层”和“执行层”，而更像：

· 深耕某个能力的建设者

· 对客户结果直接负责的人

· 一边亲自下场、一边培养人的 player-coach

这件事今天看可能还比较超前，但我觉得值得企业开始想。因为 AI 带来的，不只是效率升级，而是组织结构本身可能会被重写。

下一代工作平台，不只是服务人，而是服务“人 + Agent”

如果说前面讲的是个体和组织，那再往下一层，问题就会落到平台。

因为当 AI 真正进入工作系统之后，平台的定义会变。

过去工作平台服务的是“人”：

· 给人界面

· 给人协作入口

· 给人消息、文档、日历、会议、任务

但下一代工作平台，服务对象不再只是人，而是： 人 + Agent。

这意味着平台至少会有三种很重要的变化。

第一，平台要同时面向人和 Agent

对人来说，要有易用的图形界面；

对 Agent 来说，要有稳定的接口、标准化的调用能力、能够读取上下文和触发动作的能力。

也就是说，下一代平台不是只有 GUI，还要有 CLI、有 API、有 Agent Interface。

第二，Agent 生态会慢慢取代 APP 生态

过去企业的思路是：装很多应用。

未来更有可能是：企业里会有自研 agent、第三方 agent、系统自带 agent 一起存在。

所以平台最重要的能力，不再只是“拥有多少自有应用”，而是：能不能把不同来源的 agent 组织起来，让它们在同一个工作流里协同。

这时候，平台更像一个 Agent 操作系统，而不是简单的应用集市。

第三，平台必须有治理能力

一旦企业里越来越多 agent 真正开始活动，治理会变成硬要求。

包括：

· 权限管理

· 行为审计

· 数据边界

· 安全合规

如果没有这些能力，企业就不敢把真正重要的工作交给 agent。

所以平台未来真正的价值，不只是让 agent 更高效，而是让企业敢放心地让它工作。

所以我觉得，下一代工作平台的核心，不再只是界面和协作，而是：上下文、接口、生态和治理。

真正的差距，不在模型，而在企业有没有自己的 Context 战略

最后我最想落到的，不是哪个模型更强，也不是哪个 agent 更酷，而是一个对企业更现实的问题：

未来真正拉开差距的，到底是什么？

我的判断是：模型能力会越来越商品化。

大家用的模型会越来越接近，Agent 框架会越来越接近，很多能力最后都会越来越普及。

真正能拉开差距的，不是“你有没有 AI”，而是：

你的企业到底沉淀了什么能被 AI 读取、调用和写回的上下文。

这就是我觉得企业接下来特别应该认真对待的一件事： Context 战略。

因为 Context 不只是文档。

它还包括：

· 消息

· 会议纪要

· 日程

· 历史任务

· 流程记录

· 业务数据

· 组织知识

· 线下经验沉淀

如果这些东西都只是散落着、堆着、存着，但不能被 AI 真正理解和使用，那它们就还不是新的企业能力。

所以未来真正的竞争力， 不在模型，而在企业有没有把自己的知识、流程和历史上下文，变成新时代可被调用的资产。

这也是为什么我觉得，企业接下来最重要的，不只是“上 AI”，而是要认真想清楚：

· 我们的 Context 积累在哪里？

· 它可不可读？

· 可不可调？

· 可不可写？

· 我们有没有意愿、机制和文化，把这些东西沉淀下来？

因为大模型会越来越像基础设施。

真正的壁垒，不在基础设施本身，而在你有没有东西值得被它调起来。

在这之前，其实还有两件基础动作也非常重要：

第一，补充 AI 基础认知。

不是为了让所有人都变成技术专家，而是为了建立最基本的判断力，知道它的边界、能力和真正适合进入的场景。

第二，亲自体验，真实使用。

“听说很厉害”和“真的用过”之间，有巨大的认知鸿沟。只有把它接进你的真实工作流，和它一起处理具体问题，你才知道它到底会怎么改变自己。

回头看，孙昊天这场分享最重要的地方，不是在讲某个产品多好，而是在讲一件更大的事： 当 AI 真正进入工作平台后，工作方式、组织方式和企业长期壁垒，会怎样一起被改写。

个体会先变成“带着一组 AI 工作的人”；

组织会慢慢从“层级协作”走向“人和 Agent 协同”；

平台会从服务人，走向服务“人 + Agent”；

而企业最终真正比拼的，不是谁更早装上一个工具，而是谁更早沉淀出自己的 Context，并把它变成新时代可调用的能力。

如果说过去一年，很多企业还在讨论“要不要用 AI”，那从现在开始，真正的问题已经变成：

当 AI 从工具变成同事，企业到底准备好接住它了吗？

扫码加入企业AI内参群

让我们做您AI时代的信息内参

获取龙虾大会精华内容

实时了解每日AI最新资讯和玩法

和AI时代先锋者共学习共进步

混沌·AI院龙虾大会 · 目录

继续滑动看下一个