我讓四個 AI 幫我做報名表，結果...

文：王智遠 | ID:Z201440

各家都在說自己的AI能「做事」了，我想試試。

于是，我出了一道題：做一個會議報名表；后端一張多維表，存姓名、聯系方式、地址、電話；前端一個收集頁，別人掃碼填完，數據直接進表格。

這個需求很日常，自己動手的話，十分鐘搓完；但我今天不自己干，要讓AI來。

飛書Aily、釘釘悟空、騰訊Qclaw、百度的DuMate，全裝上，同一個任務扔進去，看誰能從頭到尾跑完。

01

先說騰訊的Qclaw，因為它給我的體驗最魔幻。

我把需求發過去，它理解得很快，馬上告訴我它要調用騰訊文檔來完成這個任務。我一聽，挺合理的，騰訊文檔本來就是你們自家的東西嘛。

然后它開始跑。

第一步就卡了。彈出來一個授權鏈接，讓我登錄。我點了，登了，沒問題。它繼續往下走，走了兩步，又彈出來。又讓我登。

我又登了一遍。你猜怎么著？第三次又來了。

我坐在那兒，反復點同一個鏈接，心想這玩意兒到底在干嘛呢。自家的騰訊文檔，自家的AI產品，這中間的授權你們沒有打通嗎？

前前后后我點了五次。五次；好不容易登錄這關算是勉強過了，它開始嘗試操作騰訊文檔。我看著屏幕上它一輪一輪地調用、一輪一輪地重試，token在嘩嘩地燒。

我當時其實已經有預感了，這事兒大概率跑不通。

沒打斷它，我想看看它到底能走到哪一步。結果就是走到了450萬token。沒了。表格沒建出來，收集表更不用提。整個任務，失敗。

到這兒其實已經夠離譜了。最精彩的在后面；我跟它說：你寫個復盤吧，寫好一點，我要發給你們的產品經理；它還真寫了，而且寫得特別認真，條理清晰，自己診斷出三個問題：

一，授權流程不透明，用戶體驗差；二，收集表的API缺少創建題目的能力；三，沒有面向快速數據收集場景的一體化產品方案。

你看，問題出在哪兒它自己門兒清；最絕的是最后一句建議。它說：參考飛書多維表格的收集加匯總一體化體驗，補齊API能力。

自家選手，打完比賽，坐下來寫總結，最后說建議學習對手；你說我該心疼它還是佩服它的誠實？

再說釘釘的悟空。

悟空給我的感覺是，它確實在干活；需求發過去之后，它沒有繞彎子，直接在釘釘表格里開始操作；我看著它一步一步地建字段，姓名、聯系方式、地址、電話，都給我安排上了。

后端這張多維表，它是真的交出來了。

我當時心里還挺高興的，心想這不挺順的嘛，然后我等著它做下一步，就是前端的收集頁，等了一會兒，發現它沒動靜了。

我又催了催，它試了一下，還是過不去；收集表這個東西，它做不了。怎么說呢，就像一個廚師，菜給你備好了、切好了、擺盤都弄好了，最后告訴你：灶臺我點不著。

能感覺到釘釘的AI已經把表格這個模塊接進去了，它是真的能操作的；不過，收集表這個模塊，顯然還沒有打通；差一步。這一步沒邁過去，整個任務就算沒完成。

接下來聊百度的DuMate。

DuMate的思路跟前面幾家都不太一樣，這個我覺得值得單獨說一說，它沒有局限在百度自己的產品體系里面。拿到我的需求之后，它去嘗試調用外部的工具來完成任務。

也就是說，它的邏輯是你需要什么我去外面幫你找，這個方向本身挺有意思，能連接別人已經做好的東西，也是一種能力。

關于DuMate的具體體驗，我昨天寫了，感興趣的朋友可以翻翻。

最后說飛書，飛書是我放在最后測的，結果也是最讓我意外的，需求發過去之后，我明顯感覺到它的「工程量」比前面幾個都大；它在同時處理兩件事：后端建多維表格，前端建收集表，然后把這兩個東西關聯起來。

所以，它確實比較慢；我等了一陣子，中間看著它在來回跑，心想別又是一個半成品吧；跑著跑著，出了點bug。我以為又要卡了，結果它自己發現了問題，停下來檢查了一遍，然后回頭修復，接著繼續跑。

這個細節讓我印象很深；前面幾個選手，卡了就是卡了。飛書是卡了之后自己能回頭看一眼，知道哪兒不對，修完繼續走。

最終它交給我的東西是完整的，后端有數據表，前端有收集頁，別人掃碼填完信息直接進表格。整個鏈路是通的；四個選手里面，它是唯一一個把任務從頭到尾跑完的。

02

四個產品跑完，剛好中午，吃飯的時候，我回想了一下：

幾家大模型，能力上不會差太遠；讓它們寫個東西、總結個文檔、翻譯一段話，大家都能干，水平也都在線；同樣一個做報名表需求扔進去，為什么結果差距會這么大？

后來我想明白了。

問題不在腦子上，在手上；這么說吧，我平時用Claude比較多。Claude能幫我做PPT、做Excel、處理PDF，它不是靠「聰明」做到的。

它背后接了一個一個的skill，每個skill對應一種具體的操作能力。做PPT是一個skill，操作表格是一個skill，讀PDF又是一個skill。

沒有這些skill，模型再聰明，也只能跟你聊天。

企業AI助手是一模一樣的道理；釘釘的悟空為什么能建出表格，做不了收集表？因為表格這個模塊它已經做成了skill，AI能調用。收集表這個模塊還沒接進去，AI夠不著，自然做不了。

飛書為什么能從頭跑到尾？因為多維表格和收集表這兩個模塊，它都做成了可以被AI調動的skill。AI在它的生態里面，手腳是全的。

Qclaw為什么最慘？是騰訊文檔這個skill根本沒接好，授權都過不去，AI連門都進不了，更別說干活了。

大家都在說自家AI多厲害、模型多強，到了真要做任務的時候，比生態里有多少模塊被做成了skill，這些skill接得有多深、跑得有多順。

說白了，模型是大腦，skill是手腳；光有大腦沒有手腳，是不行的。

不過，光說skill還不夠；你想，DuMate也去調了騰訊文檔，Qclaw也在調騰訊文檔。兩個都在「調」，為什么體驗完全不一樣？因為skill和skill之間，深度不一樣。

我把它分成三層來說；第一層叫內建。

就是AI和工具住在同一個房子里；飛書是典型的內建。多維表格是飛書自己的，收集表單也是飛書自己的，這兩個模塊本來就長在同一個產品體系里面，數據流天然是通的。

國外最典型的內建是微軟的Copilot；AI直接長在Word、Excel、PowerPoint、Outlook里面，通過一套叫Microsoft Graph的內部管道訪問所有的數據和文件。

所有工具都是自家的，所有管道都是通的；這是最深的一層，體驗也最順。

第二層叫接入。

就是AI和工具不住一個房子，中間有一根標準化的管道。

現在行業里在推一個東西叫MCP協議，你可以把它理解成AI世界的USB-C接口；不管是什么工具，只要支持這個協議，AI就能用一種標準化的方式來調用。

百度在國內跟進這個方向比較積極，地圖、網盤、文庫都在做MCP的對接；我認為DuMate的思路也是往這條路上走的，嘗試去連接外部的工具。

好處是開放、靈活，不依賴單一生態，管道鋪好了不代表水就通了，從協議到產品體驗之間，還有很多工程要做。

第三層叫調用。就是AI隔著一條街喊話。

沒有內建的先天優勢，也沒有標準協議做橋梁，直接通過API遠程操作；我認為Qclaw的問題就出在這一層。騰訊文檔是自家的產品，按理說應該是最容易打通的。

實際上授權流程都卡死了，API能力也不夠用，最后自己寫的復盤都在說「缺少創建題目的能力」。

把這三層擺在一起看，這次測試的結果就一目了然了。

飛書是內建，AI在自己家里干活，跑通了全程；釘釘是半內建，表格接進去了，收集表還沒有，跑了一半；DuMate在探索接入這條路，方向有意思，還在早期；Qclaw連最基本的調用都沒走順，卡在了自家產品的門口。

模型能力大家可能差不多，AI離工具有多近，中間的路修到了哪一層，決定了它到底能不能替你把事辦了。

03

內建、接入、調用，三層深度擺在這兒了。那一個自然的問題就是：國外走到哪兒了？答案是，它們已經在答下一張卷了。

微軟兩周前發了一個東西叫Copilot Cowork。核心邏輯就兩個字：委派。

你描述你想要的結果，Copilot自動去關聯你的郵件、會議記錄、聊天記錄、文件，把任務拆成計劃，在后臺持續推進。中間有拿不準的地方它會回來問你，你確認了它繼續跑。

微軟還跟Anthropic合作，把Claude的技術集成進了Cowork，不同的任務用不同的模型；Word、Excel、PowerPoint里的Agent Mode也正式上線了，AI直接在文件里做編輯和迭代。

微軟已經不把Copilot當成一個「助手」了，它在做的事情是把AI變成整個Office生態里的執行層。你說一句話，它幫你把活干了。

ChatGPT走的是另一條路。

OpenAI把之前的Operator和Deep Research合到了一起，做成了統一的ChatGPT Agent，給AI一臺虛擬電腦，讓它像人一樣去操作瀏覽器、寫代碼、查資料、填表單。

不綁定任何生態，追求通用操控能力，最靈活，也最脆弱，界面一變它就可能卡住。

回過頭看國內。

微軟能做Cowork，前提是二十年積累的完整生產力全棧。Word、Excel、PowerPoint、Outlook、Teams、SharePoint，全是自己的，數據管道天然就在那兒。

國內沒有誰有這樣的全棧。

飛書有文檔和表格，釘釘有表格和審批，騰訊有文檔和會議，百度有網盤和搜索。每家手里都有一部分，每家都缺一部分。

所以，國內現在是兩條路在賽跑。

一條是飛書式的「內建深耕」；把自己手里的模塊一個一個AI化，一個一個打通，先在自己的地盤上把體驗跑順。從今天的測試看，飛書在這條路上走得最遠。

另一條是「開放連接」；不追求全棧，通過MCP這樣的標準協議去接各家的工具。地盤不一定是我的，路是我修的。

兩條路各有各的賭注；內建深耕賭的是自己的生態能長得夠大、夠全。開放連接賭的是協議能成為行業共識，別人愿意把能力接進來。

現在遠遠沒到分勝負的時候。

我今天測的只是「AI能不能做一張報名表」，真正的賽題是AI能不能接管一整條工作流。

我的朋友鐵柱，這兩天經常讓我幫他干事兒，比如：給我兩張表格讓我幫他合并一下，再比如一個文檔上面的一些東西讓我幫他P一下。

然后，我都把這些交給了龍蝦。我發現龍蝦就會調用各種MCP或者skills，直接把事兒給干了，這應該是一種趨勢。