深度体验飞书 AI 新功能，可能是 2025 最「真实能用」的一次 AI 落地

深度体验飞书 AI 新功能，可能是 2025 最「真实能用」的一次 AI 落地 深度体验飞书 AI 新功能，可能是 2025 最「真实能用」的一次 AI 落地 Modified May 22, 2025 结果很不错。 在这些图片中，飞书成功识别出了多个关键设计元素，如"开放/好客"、"越科技越自然"、"脚手架展示体系"和"木桁架展示体系"等。它不仅在文档中精准定位了这些关键词，还基于这些概念进行了富有创意的发散性思考。 「知识问答」给出了一份报告，效果相当不错——它成功地将 AI Hacker House 的元素与躺岛的产品理念进行了自然融合。 除了个人上传的文件和企业内部的知识库之外，互联网上的知识也融入了生成的结果之中。 比如，我发现： 「躺岛的谐音梗与 IP 化手法（贾冰老师与真冰）」也被运用到了答案中 ，这部分知识来自一个新闻网站。 除了将三域知识结合之外，它还会主动搜索一些看似无关的知识，并 为创意提供具体的落地渠道 。 比如在跨次元品牌联名案例中，它 主动查找了设计类 Agent Lovart 的相关信息 ，并建议：你可以用 Lovart 来完成「AI Hacker House x 躺岛」小项目的原型初稿。 通过持续对话，你会发现 「知识问答」能激发出更多创意灵感 ，甚至能为你生成一份简单的「融合设计方案示例」。 我们还看到了「知识问答」身上更多的可能性： 飞书官方也发布了一些 Case，我从中挑了几个最具潜力和创新性的方向讲一讲： 1）所有碎片化的知识，都是宝藏 在企业和个人的日常工作和生活中，经常会有大量有价值的信息散落在各种格式的文件里，像是：文档、表格、多维表格等等。 现在的「知识问答」已经能够根据用户指令，将碎片化的信息整理出来： 如果这些碎片化的信息，能够有机地整合起来，说不定会产生意想不到的效果。 比如，多模态 AI 能力与「知识问答」更好地融合后，用户甚至可以进行图像搜索。像是：直接上传一张会议截图，系统可提取关键讨论点并关联相关文档等等。 我有点期待了。 2）知识库「千人千面」 「知识问答」会根据每个使用者的权限范围内的企业知识来提供个性化回答。如果用户无权访问某个文档，该文档就不会被用作搜索来源。 例如，当询问「上个月我们抖音渠道的利润是多少？」这样的财务问题时，能看到公司财报文档的管理者视角会得到具体答案，而没有权限的普通员工视角则无法获取这些信息。 这样的顶层设计能够确保企业的信息安全。 除此之外，还能 根据用户角色（像是财务、HR、IT、运营等等） 和 权限等级（像是普通员工、部门主管等等） ，定制问答模式。 管理者视角会基于权限出现准确答案 员工视角则会出现「抱歉」提示 在未来，飞书平台已具备足够的技术基础来实现「企业内部知识库与外部顾问知识库」的连接。 通过向特定外部人员开放有限的权限，将能显著提升内外部团队的协作效率。 3） AI Ready，倒逼用户做好知识管理 我注意到了很有趣的一点： 飞书「知识问答」并没有将这款优秀的产品做完就扔给用户 ，而是，反其道而行之， 「挑战用户的心智」 。 他们希望使用者在团队协作过程中，能自发地去 AI Ready ， 自主地做好知识结构化 的工作。 下面是他们提供的建议： 结果很不错。 在这些图片中，飞书成功识别出了多个关键设计元素，如"开放/好客"、"越科技越自然"、"脚手架展示体系"和"木桁架展示体系"等。它不仅在文档中精准定位了这些关键词，还基于这些概念进行了富有创意的发散性思考。 「知识问答」给出了一份报告，效果相当不错——它成功地将 AI Hacker House 的元素与躺岛的产品理念进行了自然融合。 除了个人上传的文件和企业内部的知识库之外，互联网上的知识也融入了生成的结果之中。 比如，我发现： 「躺岛的谐音梗与 IP 化手法（贾冰老师与真冰）」也被运用到了答案中 ，这部分知识来自一个新闻网站。 除了将三域知识结合之外，它还会主动搜索一些看似无关的知识，并 为创意提供具体的落地渠道 。 比如在跨次元品牌联名案例中，它 主动查找了设计类 Agent Lovart 的相关信息 ，并建议：你可以用 Lovart 来完成「AI Hacker House x 躺岛」小项目的原型初稿。 通过持续对话，你会发现 「知识问答」能激发出更多创意灵感 ，甚至能为你生成一份简单的「融合设计方案示例」。 我们还看到了「知识问答」身上更多的可能性： 飞书官方也发布了一些 Case，我从中挑了几个最具潜力和创新性的方向讲一讲： 1）所有碎片化的知识，都是宝藏 在企业和个人的日常工作和生活中，经常会有大量有价值的信息散落在各种格式的文件里，像是：文档、表格、多维表格等等。 现在的「知识问答」已经能够根据用户指令，将碎片化的信息整理出来： 如果这些碎片化的信息，能够有机地整合起来，说不定会产生意想不到的效果。 比如，多模态 AI 能力与「知识问答」更好地融合后，用户甚至可以进行图像搜索。像是：直接上传一张会议截图，系统可提取关键讨论点并关联相关文档等等。 我有点期待了。 2）知识库「千人千面」 「知识问答」会根据每个使用者的权限范围内的企业知识来提供个性化回答。如果用户无权访问某个文档，该文档就不会被用作搜索来源。 例如，当询问「上个月我们抖音渠道的利润是多少？」这样的财务问题时，能看到公司财报文档的管理者视角会得到具体答案，而没有权限的普通员工视角则无法获取这些信息。 这样的顶层设计能够确保企业的信息安全。 除此之外，还能 根据用户角色（像是财务、HR、IT、运营等等） 和 权限等级（像是普通员工、部门主管等等） ，定制问答模式。 管理者视角会基于权限出现准确答案 员工视角则会出现「抱歉」提示 在未来，飞书平台已具备足够的技术基础来实现「企业内部知识库与外部顾问知识库」的连接。 通过向特定外部人员开放有限的权限，将能显著提升内外部团队的协作效率。 3） AI Ready，倒逼用户做好知识管理 我注意到了很有趣的一点： 飞书「知识问答」并没有将这款优秀的产品做完就扔给用户 ，而是，反其道而行之， 「挑战用户的心智」 。 他们希望使用者在团队协作过程中，能自发地去 AI Ready ， 自主地做好知识结构化 的工作。 下面是他们提供的建议： 可以说，飞书并未将 AI 功能设计为一个「黑盒」，而是想帮助用户做好「知识架构师」的角色。 做 AI 知识库的千千万，倒逼并挑战用户心智的这还是头一个。 沉下心做 AI 的飞书 飞书一直都在用 AI 重塑生产力，拓宽边界，我们也一直相信「飞书 + AI 」的组合会带给我们不断的惊喜。 尤其是当我们这回深度体验飞书「知识问答」后，感受到： AI 与办公场景的深度结合，不仅仅是效率提升这么简单，而是彻底激活了我们过去被囤积的、沉睡的知识资产。 这些知识不再是杂乱无章的历史碎片，而是被精心挖掘、被 AI 整理并赋予新价值的宝藏。 🚥 在这场「AI 知识资产」的革命中，飞书是排头兵。 这让我想起前段时间，红杉美国的合伙人在 AI Ascent 大会上分享的洞察： AI 公司里，95% 全都是在做公司，只有 5% 才是在做 AI。 AI 公司里，95% 全都是在做公司，只有 5% 才是在做 AI。 沉下心来做 AI 的飞书，值得更多的掌声。 🔗 原文链接： https://mp.weixin.qq.com/s/EXSRm3Sw... https://mp.weixin.qq.com/s/EXSRm3Sw... 原创 镜山 十字路口Crossing2025年05月21日 13:48 北京 飞书「知识问答」，今天开启更大规模内测ing 👦🏻 作者: 镜山 编辑: Koji、小居 🧑🎨 排版: NC 「先进团队，先用飞书」 是我最喜欢的科技公司 slogan 之一。 现在，我相信不止是「十字路口」这样的 先进 团队（咳），已经有越来越多的个人、团队、企业都离不开飞书和它的整个生态系统了。 飞书也没有让它的用户们失望，持续推陈出新，不断帮大家提高工作和协同的效率。 今天，飞书「知识问答」开启了更大规模内测。 ——据飞书团队告知「十字路口」，虽然该功能仍需申请内测才能开通，但从今天起申请的审批速度将大幅提升。 飞书的「知识问答」是什么？ 简单来说，大家这几年在飞书上积累的所有历史文档和聊天记录，现在都自动转化为企业的 AI 数据资产。 当你提出问题时，它会通过 DeepSeek R1 或豆包大模型，在飞书的所有文档和聊天记录中搜寻答案。同时，它还会利用互联网上的公开知识来补充，从而生成更完整的回答。 作为飞书用户，从生成式 AI 诞生的第一天起，我们就翘首期盼这项功能。我们一直认为它必将推出，只是时间早晚的问题。 它很「好用」 自从它开始灰度测试以来，「十字路口」就感受到了它的价值，因此团队内部在积极深度体验。 「知识问答」并不是一个全新的概念，但是 「能用」和「好用」 其实是两个完全不同的概念。 在经过两个月的使用后，我们可以肯定地说： 它非常「好用」！ 对于善于运用它的组织来说，这很可能是今年最有价值的一次 AI 落地。 它很受「重视」 值得注意的是，飞书对它的重视程度非常高：企业开通「知识问答」后，所有成员的 App 首页第一个标签页就自动变成了它，在 PC 端也位列前排。 这充分体现了飞书对该功能的重视，这种重视源自对其用户价值的判断，以及对它未来将成为高频使用功能的预期。 🚥 「十字路口」今天这篇评测， 打算来全方位介绍和挑战飞书「知识问答」，同时分享下过去两个月的深度体验中的一些洞见 。 我们最心水的功能：「模糊意图搜索」 在所有「知识问答」能做到的事情中，最有价值、也最吸引我们的使用场景，就是 「模糊意图搜索」 ，比如： 昨天谁跟我聊了 xx 问题？但我记不起来了 在哪篇周报里提及了 xx 项目的完成情况？ 我曾经在哪个群中聊过关于 xx 的话题？ 我们也试了各种提问的角度，比如： 「十字路口」的播客，重心调整成啥了？ 我记得 Koji 和一位 00 后创业者开会来着，他们讨论什么了 飞书的回答都很棒，都迅速找到了我们需要的答案。 「知识问答」能挖到超久远的知识 飞书作为「国民级」协作工具，商业成功的一大部分源于 用户已经习惯性地将知识全部迁移进了进去 。 但使用越多，知识堆积越严重。 我们经常囤积「可能有用」的文档，却慢慢也都被迫成了「藏进历史中的尘封资料」。 我们一直潜伏在「飞行社」这个特殊的「飞书爱好者」组织之中，这是一个沉淀了3年、拥有海量上下文和知识库的组织。 让我们先挑战一下飞书的「知识问答」，在这样的组织中，可以完成哪些任务？ 比如，Koji 在 2022 年飞行社刚成立时的第三位「飞行嘉宾」，我想找除他当时在飞行社做的分享内容。 于是，我简单地输入了一段提示词： Koji 在飞行社做过哪些分享？ 对了，在使用「知识问答」时，为了得到最全面的答案，我一般会将「使用知识」与「联网搜索」同时打开。 几秒钟后，我在 DeepSeek R1 的深度思考链中，找到了一系列 Koji 的分享记录，其中最重要的是当时的分享文档：《Koji：和 50 人一起用飞书"造岛"的故事》。 要知道，「飞行社」这个组织内的文档数量远超一般企业，因为成员众多且氛围活跃。虽然具体文档数量无法确定，但保守估计至少有数万份，甚至数十万份。 能从如此海量的文档中，迅速「捞针」找到我们想要的这一份，很棒。 这份文档记录了 Koji 在 2022 年 分享的关于如何利用飞书协作工具，与「躺岛」 50 人团队高效工作的经验和心得。 除了搜索海量的飞书内部文档之外，它对使用者的「容忍度」也非常的高。 它真的不需要「好的提示词」 1）碎片化场景里，「知识问答」非常的 Nice 现代人的工作场景很多都是发生在路上，而不是坐在电脑前思考一条「完美的提示词」，等待 AI 慢慢地解答问题。 如果一条「意图清晰，但叙述模糊」的语音 就能解决问题的话，往往就能在这些碎片化的场景中，把生产力高效地拉起来。 想象这个场景：我正在赶飞机，急需查看飞书群里关于 Koji 邀请梁海源老师访谈的文档，但聊天记录已经被新消息淹没了，这时候该怎么办？ 飞书「知识问答」就很好地解决了这个痛点，手机端可以直接发送语音，并且会 基于群消息里的知识，自动推测并对齐模糊的用户意图 。 像是语音很难识别 Koji 其实是个英文外号，而以为是「寇吉」。 这个略带文字错误的问题发送给了「知识问答」后，它会根据「梁海源」老师的名字，搜到 3 篇参考资料， 一篇来源于群消息里的知识文件，另两篇则是脱口秀大会等无关信息 。 但它仍然能够从「十字路口」企业内的知识库里匹配到逻辑正确的答案。 「 在用户的问题中，梁海源老师并不单独存在，知识源中需要耦合 Koji 和梁海源这两个人物的概念，然后才是正确答案 」—— 我想，「知识问答」应该是这么思考的。 只用了十几秒，「知识问答」就已经给出了一份快问快答问题的答案。 在日常回答中，使用豆包和 DeepSeek R1 的「知识问答」给出的答案都非常简洁且精准。 2）帮你找到所有被遗忘在飞书里的文件 在搜索某一份文件时，「知识问答」体现的作用会更大。 它非常适合这样的场景：有一份 被内嵌在飞书「某个知识库里的某个文件里的某个角落」的文件 ，已经几年过去了，但我还记得一个大概的时间点….. 这时候就可以非常模糊地提一句： 2022 年初躺岛出了个品牌手册我记得…… 同样，满血版 DeepSeek R1 的推理速度非常快，直接在一份并不在企业内部知识库里的飞书文档中找到了它，并 提取了 PDF 文件的名称与大小 。 「知识问答」还会 自动根据 PDF 所在文件的上下文进行提炼内容，做一个小总结 ，并且非常贴心地 给出了「躺岛 品牌手册 2022.01.pdf」的链接 ，一键直达。 三域知识，会互相碰撞出怎样的火花？ 传统「AI 知识库」产品 中，一般是这种功能结构： 1. 上传 PDF 或者是其他文件到知识库中 2. 让 AI 一边联网搜索信息，做检索增强生成（RAG） 3. 生成一份与知识内容较为匹配的答案 但是，这些 AI 知识库往往脱离于工作平台单独运行 ，或者是 以社媒平台作为载体，无法运用在日常场景中沉淀下来的知识。 「知识问答」就在这一方面有了很明显的进步，它做到了三域融合： 「私人上传文件 + 公域网络信息 + 飞书内部知识」，再搭载 DeepSeek R1 和豆包，体验的完成度确实很好。 知识库支持三种用户上传格式：PDF、Word 和 PPT，除了本地上传之外，还可以微信导入。 「知识问答」开启联网搜索后，信息源非常的广：像是即刻、各种博客、传统网站，甚至还有 Boss 直聘。 并且，基于知识库的「知识问答」所生成的内容，具有较高的准确性。 比如，我在知识库里上传了个 AI Hacker House 的设计图，里面几乎全部是建筑内外部设计原型图： 在「知识问答」里，我很简短地输入了一段提示词， 让它结合 AI Hacker House 的设计图与「躺岛」品牌和产品概念做个融合：