从一条Slack提问说起：Scout如何十秒汇总一周反馈

九月十三日凌晨开放Workspace Agents，直接集成进聊天应用侧边栏。

用户只说一句话，就能给整个团队造一个持续干活的代理。

演示里有人在频道问移动端最新反馈有哪些，代理秒回长串。

它汇总公开评论与客服工单，还有客户频道的分散讨论。

末尾还列出离线模式等具体请求，每条都带来源与时间。

这不是单轮问答，而是跨工具抓取后的整理与排序。

值得读的原因很直接，团队复用与治理第一次被打包交付。

记忆与定时与审批与跨应用调用，一次补齐不再自造轮子。

本文从真实场景切入，拆开共享运行与合规治理的落地细节。

先看 scout 的工作方式，再看六个模板与三类产品边界。

九月十三日的来源是官方发布与配套演示视频与说明页。

角度是企业落地，重点讲权限与审计与防诱导机制。

如果你管团队知识流，这篇可以直接对照着试用清单落地。

对比老定制助手，新版本把执行与治理一起交付。

这正是企业敢把真实业务接进来的关键变化。

后文会逐个拆开模板与权限与审计的实现方式。

读完可以直接按清单搭建第一个团队代理。

频道里的提问不需要艾特任何人，代理会自动接住。

它在讨论串里回复，不打断主频道的正常交流。

汇总时按优先级排序，高频问题排在最前面。

每条结论都可追溯到原始消息，避免凭空捏造。

演示视频三步走：描述接入测试的完整闭环

第一步在侧边栏找到入口，用一句话说清需求。

例如监控频道反馈并解答疑问，每周整理新问题。

系统会逐项勾选编写指令与画像等准备动作。

左侧显示进度，右侧实时生成代理卡片。

卡片上挂载任务看板与网盘与日历三款工具。

第二步配置工具授权，明确可读与可写的边界。

共享写入需要单独确认，不默认放开全部权限。

频道选择也要明确，测试期只进小范围频道。

第三步运行测试并迭代，直到输出稳定可用。

不满意就改指令再跑，直到符合团队口径。

整个过程不需要写代码，业务同学也能独立完成。

上传文档后系统自动提炼规则，省去大量沟通。

测试通过后再邀请全组使用，风险完全可控。

这套三步闭环，是团队版本易用性的核心。

把搭建成本压到一句话，复用收益放到全组。

演示视频的细节证明，重点不在模型多强。

重点在跨工具执行与持续在场与可治理。

这正是本文反复强调的落地视角。

看懂这三步，就看懂一半的产品逻辑。

剩下的一半是治理与选型，后文继续拆开。

一次构建全组复用：共享运行机制拆解

侧边栏点击Agents后，用自然语言描述团队的日常工作流。

系统会引导你写指令与画像，并逐步接入工具与技能。

不擅长写提示词也没关系，可以直接上传一份说明文档。

系统会自动提炼规则，并生成可测试的代理卡片。

卡片上挂载文档与邮件与聊天记录与代码与业务系统。

一旦构建完成，组内所有人都能在聊天应用里调用它。

也可以把它邀请进频道，像同事一样随时参与讨论。

构建一次全组受益，这是与个人助理最大的不同。

它能在后台持续执行长流程，即使你下班也不停工。

还可以设为定时任务，或常驻频道随时待命响应。

跨工具提取上下文后，还能执行被授权的具体操作。

例如更新任务看板上的事项，或新建文档或发送频道消息。

这种持续在场的能力，让它更像数字同事而非问答框。

团队知识不再散落在个人聊天记录里，而是沉淀为可用代理。

新人入职时直接调用老代理，就能继承成熟的工作流。

测试时先用只读工具，确认输出稳定再放开写入。

画像里写清职责边界，避免代理越权处理敏感事项。

指令要给出输入输出示例，减少理解偏差。

每次迭代只改一处，便于定位问题来源。

共享的本质是把个人经验变成组织资产。

以前靠口口相传，现在靠可调用的代理。

调用记录本身也是沉淀，能看出哪些流程最常用。

高频流程值得继续打磨，低频流程可以先放一放。

不是换皮：长流程能力补齐的五个关键点

老一代定制助手只能做对话式配置，跑不完长流程。

新版本补齐记忆，能记住团队偏好与历史决策。

补齐工具调用，能跨多个业务系统连续作业。

补齐审批环节，敏感操作执行前必须请求确认。

补齐定时能力，每周五自动抓数成图写分析报告。

补齐跨应用上下文，打通文档邮件聊天代码与工单。

官方说法是云端全托管运行，编写代码与调用工具都内置。

底层由代码执行引擎驱动，具备多步骤连续作业能力。

与初代最大的差异在于下班后仍在后台推进任务。

定时与常驻两种形态，覆盖周期汇报与即时问答。

这五个能力合在一起，才构成可交付的团队生产力。

缺少任何一个，企业落地时都要自己补工程与运维。

这次官方一次性打包，试错成本被压到很低。

免费试用到五月初，此后才按点数计费结算。

但具体点数定价尚未公布，采购预算仍有不确定性。

长流程最怕断在中间，新能力重点解决续跑问题。

记忆让跨天任务不用每次从头交代背景。

定时让周期工作自动触发，不再依赖人工提醒。

审批让高风险动作始终有人把关。

跨应用打通后，不用来回复制粘贴搬运信息。

省下的时间可以直接用来判断与决策。

这才是代理对管理者的真实价值。

不是回答更快，而是流转更少断点。

云端引擎在跑代码：开源与托管的分工逻辑

驱动它的执行引擎来自代码助手底座，已经在云端验证很久。

八月开源的编排层收获大量关注，托管版紧随其后到来。

开源争的是开发者心智，托管收的是工作负载的账。

同一时期各家都把重兵压向执行层，逻辑并不复杂。

模型推理能力正在快速商品化，只卖字元很难筑墙。

谁定义代理如何调工具管数据编业务，谁就拿到主动权。

这次托管版最大亮点是两个零，费用与准入都很友好。

平台本身不收附加费，只为消耗的字元与工具付费。

编排层以宽松协议开源，可以先读源码再做决策。

这对要不要交出编排层的团队非常关键。

但托管版的边界也要看清，循环压缩恢复都在官方侧。

模型层只支持自家模型，开源底座可读但托管不等同。

执行层最自由，自有机器或专有云或合作方都能选。

自托管执行不等于数据不出边界，会话仍在官方侧存档。

数据驻留目前仅限美国，且不支持零保留选项。

开源底座的价值在于可读，关键路径都能审计。

托管服务的价值在于省运维，扩缩容都不用操心。

两者不是二选一，而是先读后用的组合。

先读懂循环与压缩逻辑，再决定托管范围。

读源码时重点看工具调度与记忆管理两部分。

这两部分决定代理的天花板与成本结构。

看懂后再谈选型，才不会被演示带偏。

技术决策最怕只看发布会，不看运行账本。

六个官方模板的真实分工：从线索到风控

官方首批给出6个模板，全部来自内部团队真实在用工作流。

scout负责产品反馈路由，从多通道收集并标注排序。

它每周生成一份产品行动计划，直接推给相关负责人。

spark负责销售线索跟进，筛选评估并起草个性化邮件。

它还能同步更新客户关系系统，减少手工录入。

tally是周报机器人，每周五自动抓数成图写分析。

它把枯燥的汇总工作变成定时可预期的交付。

slate负责软件申请审查，对照清单与公司政策自动审批。

它还能创建信息工单，让流程全程留痕可查。

trove负责第三方风控，评估制裁财务与声誉风险。

它自动生成结构化报告，供采购与法务快速决策。

还有一个负责营销策划的代理，补齐创意工作场景。

六个模板覆盖反馈销售汇报审批风控与创意全链路。

团队可以先抄一个模板，再改成自己的工作流。

模板	输入来源	输出交付	适合团队
反馈路由	频道工单公开评论	每周行动计划	产品与客服
线索跟进	入站线索与评分规则	跟进邮件与系统同步	销售与市场
周报机器人	业务数据与图表	周五分析报告	运营与财务
申请审查	软件申请与政策清单	审批结果与工单	信息与行政
第三方风控	供应商公开信息	结构化风险报告	采购与法务

选模板时先看输入是否齐备，再看输出能否闭环。

输入散落在三个以上系统，共享代理的收益最大。

输出需要每周交付，定时能力的价值最明显。

从一个模板开始验证，比同时铺六个更稳妥。

验证通过后再横向复制到相邻团队。

企业治理的硬细节：审批与审计与防诱导

管理员可以配置代理可用的工具与数据范围。

敏感操作必须先请求批准，才能改表发信加日程。

企业版与教育版还能按用户组做更精细的权限管理。

内置的防诱导机制，能在遭遇外部内容时坚守原始指令。

合规接口提供每个代理的配置与变更与运行记录。

必要时可以一键暂停任何代理，止损动作非常直接。

后续还将增加全组织视角的使用模式与数据源总览。

这套治理组合拳，避免企业自己重复造轮子。

权限与审计与暂停三件套，是进生产环境的门票。

没有它们，代理越能干，风险敞口就越大。

目前仅对4种付费套餐开放，个人套餐暂无缘体验。

覆盖商务版企业版教育版与教师版，边界非常清晰。

官方还明确老定制助手将保留，并支持未来一键转换。

信号很清晰，两条产品线最终很可能会合并。

早期投入较多的团队，现在就要为迁移留好接口。

试运行阶段建议只开查询权限，写入全部走审批。

每个代理都要指定负责人，离职时及时交接。

变更记录要保留，便于回滚到上一个稳定版本。

外部内容一律视为不可信输入，先清洗再使用。

定期复查数据源授权，过期的连接及时下线。

审计的重点不是看热闹，而是看越权与异常。

每周抽查一次高风险操作的批准记录。

发现诱导内容绕过防线，立刻暂停并复盘。

治理做扎实，业务才敢把真流程交出来。

与开发者接口的边界：团队用哪个开发者用哪个

九月十日开放的开发者接口，面向的是自建框架的团队。

它把代码执行底座开放出来，全托管运行云端代理。

费用上没有平台附加费，只收字元与工具的钱。

九月十三日的团队版本，面向的是不懂代码的业务团队。

它住在聊天应用与协作频道里，开箱即用强调共享。

一个重代码与部署，一个重描述与复用，定位完全不同。

差异化在工具数据与工作流的团队，适合用托管接口。

要做多模型跨平台的团队，更适合读开源底座自研。

只想解决周报与反馈与审批的团队，直接用团队版本。

三者的共同结论是模型已不是唯一瓶颈。

表现不好时先查框架层，再决定要不要换更强模型。

同一个模型套不同运行框架，表现可能是两回事。

有实测显示仅做痕迹保留与压缩，基准得分提升近两倍。

输出字元还减少约六倍，成本账完全被改写。

这组数字无法独立复现，但方向与产品动作一致。

选型时先问团队有没有专职开发资源。

没有开发资源就用团队版本，有则评估接口版本。

已有成熟工作流的团队，可以双轨并行验证。

验证期对比漏报误报与人工成本，再做取舍。

不要为追新而迁移，业务闭环才是唯一标准。

接口版本适合把代理嵌入自有产品。

团队版本适合把代理嵌入协作流程。

嵌入位置不同，评估标准完全不同。

前者看延迟与成本与可控性，后者看复用与易用。

落地清单：从一条工作流到第一个团队代理

第一步选一个每周重复且输入分散的工作流。

例如客户反馈汇总，或线索跟进，或周报生成。

第二步准备一份说明文档，写清规则与输入与输出。

把评分标准与审批人与例外情况都写进文档。

第三步在侧边栏用一句话描述需求并上传文档。

让系统生成指令与画像，并完成初步测试迭代。

第四步只接最小必要工具，先跑通再扩大授权。

敏感写入一律要求人工批准，不贪图全自动。

第五步邀请到小范围频道试运行两周。

每周对照行动计划检查漏报与误报。

import json
from collections import Counter
from datetime import datetime, timedelta

def route_feedback(messages, days=7):
    cutoff = datetime.now() - timedelta(days=days)
    recent = [m for m in messages if m.get("ts") and m["ts"] >= cutoff.isoformat()]
    scored = []
    for m in recent:
        text = m.get("text", "")
        score = 0
        if "离线" in text:
            score += 3
        if "崩溃" in text or "失败" in text:
            score += 3
        if "建议" in text:
            score += 1
        scored.append({"text": text, "score": score, "ch": m.get("ch", "")})
    scored.sort(key=lambda x: x["score"], reverse=True)
    hot = Counter([s["ch"] for s in scored]).most_common(3)
    plan = {"week": cutoff.date().isoformat(), "top": scored[:10], "hot_ch": hot}
    with open("weekly_plan.json", "w", encoding="utf-8") as f:
        json.dump(plan, f, ensure_ascii=False, indent=2)
    return plan

if __name__ == "__main__":
    demo = [
        {"text": "移动端希望支持离线模式", "ch": "反馈", "ts": datetime.now().isoformat()},
        {"text": "导出时失败了一次", "ch": "工单", "ts": datetime.now().isoformat()},
        {"text": "建议优化 weekly 报表图表", "ch": "频道", "ts": datetime.now().isoformat()},
    ]
    print(route_feedback(demo))

第六步接合规接口，把配置变更与运行记录留痕。

离职交接时代理即文档，新人调用即可继承经验。

第七步评估点数消耗，再决定是否扩大到全组。

免费期结束后的计费方式，要提前问清销售。

这套清单跑完，第一个数字同事就能正式上岗。

上线后每周看一次运行记录，持续优化指令。

把高频问题沉淀为示例，代理会越用越稳。

团队的第一个代理不用大，从小闭环开始最好。

跑通一个再复制到更多场景，风险最小。

清单的每一步都要有人负责，避免无人跟进。

负责人每周同步一次进展，及时调整授权范围。