千問辦公推電商版,給企業Agent打了個樣
作者 | 江宇 編輯 | 漠影 電商行業的經營方式,有望被一個通用Agent重做一遍。過去一段時間,通用企業級Agent的敘事捲成了同一個模板:先講上下文,再講數字員工,最後都落到通用智能。但當潮水退去,一個尷尬的現實浮出水面——真正走進一個具體行業、說清到底給它帶來了什麼生產力提升的廠商,寥寥無幾。而更多的行業垂直AI軟件,不過是在舊工具裡掛了個對話框,隔靴搔癢。要打破這個局面,加一層AI肯定不夠用,而是要讓一個通用Agent,把協同辦公軟件和散落的垂直SaaS、管理系統都連起來。
企業級Agent和這些工具的打通,正在成為一條明確的趨勢:過去那種在每個SaaS裡塞一個AI的SaaS+AI,會逐步被企業級Agent融合、連接。千問辦公已經走在這條路上。8月,千問辦公接入企業微信,加上釘釘、飛書,國內三大主流協同辦公平臺全部打通;9月又宣佈將接入Salesforce,並與SAP中國達成合作;近期還會推出開放平臺,讓ISV廠商的應用以技能、連接器、專家套件的形式上架接入。千問辦公,想把“上下文”這件事往深裡再走一步。10月14日,千問辦公發佈了專門服務電商行業的Agent功能——千問辦公電商版。
商家切換到“電商經營”模式,就能用一個Agent,管起跨平臺、多店鋪、全流程的生意。在當天的活動現場,阿里巴巴集團副總裁、千問辦公CEO陳宇森舉了兩個例子。一位商家深夜無人值守,Agent主動打開客服系統回覆客戶諮詢;另一位商家在週末聚會時,收到Agent發來的商品違規下架提醒,避免因處理不及時造成損失。陳宇森把這叫主動性。在他看來,這才是Agent下一步的核心能力。而千問辦公電商版踩中的,正是這條分界線:企業級Agent的價值錨點,正在從懂業務走向懂行業,從等人招呼,走向主動幹活。誰先跨過這條線,誰就先拿到下一場的入場券。
一、企業級Agent的分水嶺:從懂業務到懂行業 企業級Agent的演化路線,正在變得清晰。上個月雲棲大會上,千問辦公CEO陳宇森用一句“Context is All You Need”點破了前提:Agent能不能落地,核心不在模型有多大,而在用不用得對企業自己的數據。他給的方向叫企業上下文,把散落在群聊、文檔、知識庫和業務系統裡的企業信息壓縮、結構化,隨業務變化持續更新,變成Agent能隨時調用的知識。而在這之前,千問辦公先把釘釘這一步走得更紮實:群聊、通訊錄、文檔、知識庫、審批、會議、AI表格等這些常用工具,都以CLI的形式被接入到了Agent裡,企業知識不用搬遷,就能被用起來。
可懂業務只是其中一張入場券。它讓通用Agent認識了公司,卻還不知道電商這門生意該怎麼經營。千問辦公的首批用戶、北京捌比特咖啡創始人闞歐禮曾言:精品咖啡是個小到不能再小的行業,世界知識解決不了這麼小的行業。產業帶鞋商劉祥龍也踩到過這種坑,他原以為運動鞋的主力買家是運動人群,千問辦公對著真實數據一看,結論反了過來,買3D打印鞋的第一人群是Z世代。這種反常識,靠通用大模型給不出,得靠對著一個行業的真實數據反覆琢磨。這正是企業級Agent眼下的分水嶺:行業還在比模型參數、比上下文窗口,勝負手已經悄悄挪到了誰能先把一個行業做透。上半場拼懂業務,下半場拼懂行業。千問辦公電商版,率先把下半場開了局。
二、把“連接”做成產品:Agent成為舊工具之上的“新智能層” 電商商家的一大痛點是工具太多、彼此不對話。多平臺經營之下,不同平臺各有各的後臺,再疊上ERP、私域、營銷、客服、進銷存一堆SaaS,數據被切得七零八落。而那些標榜智能的舊工具,大多隻是在老系統里加了個AI。可見,垂類軟件再智能,也只是單點;通用Agent再會聊,也不懂電商的經營。千問辦公電商版想要的,是站在兩者之間、也站在兩者之上的位置,比垂類軟件更智能,比通用Agent更專業。它的解法是連接。
授權登錄後,商家就可以用千問辦公讀取、分析自己的後臺數據,它已經接入了生意參謀、有贊、千牛、阿里媽媽萬相臺、FastMoss、LinkFox這些業內主流的商家經營和管理工具。即便是還未接入的平臺,商家自行上傳後,也能照常收進同一個入口,一併彙總、分析。四個專業功能,則把懂行業落到了電商全流程: 跨平臺作戰臺:多店數據彙總成一張作戰圖 趨勢洞察和賣點分析:從社交熱詞裡捕捉種草方向 爆款素材批量生成:幾十款新品的主圖和文案一次成型 跨平臺ROI智能盯辦:盯住投放、異常就預警 千問辦公電商版切實地將商家手頭的工具連成一個整體,激活沉澱在裡面的數據和流程價值,Agent就此成為行業軟件上的一層新智能。
三、第一批商家,用千問辦公賺出了“真金白銀” 3D打印鞋店負責人劉祥龍做女鞋生意近十年,經營著10家店。而整個團隊近二十人,沒有一個是計算機專業,連一行代碼都不會寫。今年,他盯上了一個新方向:3D打印鞋。過去做這類調研,得找諮詢機構、買數據服務,年費兩萬多。現在問一句千問辦公,結論就出來了:3D打印鞋是運動鞋紅海里還在爆發的細分賽道,全球銷量增速320%、市場規模約134億元。它還糾正了劉祥龍的誤區:買3D打印鞋的第一人群是看重未來感的Z世代,不是專業跑者,所以賣點講潮流,視覺走科技感,投放選內容平臺。要是隻有市場調研,就小看千問辦公了。想直接開店,它也能把後面的流程一路跑完。
過去上一款新品,打樣、拍攝、做詳情頁,樣樣燒錢,改一版還要等兩天;測款還要先招運營、先壓貨,賣不動就鎖死現金流。現在反過來了:給一張參考圖,千問辦公生成各種場景圖,按寫好的Skill自動出詳情頁,數字樣品當天測款,數據跑起來後再按需生產發貨,運營也暫時不用招。從設想到營業,過去要30天甚至更久,這次只用了7天,花費從幾萬塊降到幾百塊的Token費用。生意模式也從先生產後銷售的重資產,轉成了先驗證後生產的輕資產。劉祥龍說,之前就知道3D打印鞋火,但如果沒有千問辦公,他不會這麼快開新店,等到再想動手,可能別人已經做起來了。再看讓千問辦公管賬的捌比特咖啡。
這家公司只有17個人,卻經營著十餘個電商平臺,創始人闞歐禮是音樂人出身,不會寫代碼。人少、事雜、沒人專門做IT,他們對工具的要求就一條:開箱即用。在千問辦公之前,闞歐禮試過不少AI工具,踩過不少坑。他回憶“養龍蝦”那陣,基本一半時間花在解決宕機上;後來用Codex,企業數據和定時任務要長期跑,他更想放進穩定的內網環境;再早一些的大模型工具,企業知識庫接不進來,上下文長度也有限,讀得懂文字,卻很難直接生成經營報表。換平臺還意味著員工重新學、知識庫重新整理。這些坑,正是那類隔靴搔癢的企業級AI:AI很聰明,卻落不到具體經營上。千問辦公能夠把活直接接進他已有的系統。
捌比特一直是釘釘老客戶,千問辦公接上釘釘工作流,再把生意參謀、淘寶前端數據和聚水潭ERP連進來,不用另起一套系統。先看經營週報。現在天貓經營週報被設成定時任務,自動取數、自動分析,每天到崗就能看到,還能定時推到釘釘群裡;報告還會著重分析數字背後的波動原因。再看財務。開票、現金日報、利潤核算,過去都是靠人一件件磨。現在,這三件事被串成一條自動的工作流:固定時間抓取發票、自動開票回傳;每天早晨自動掃描各賬戶餘額,寫入釘釘AI表格;再通過連接器接入ERP和生意參謀,算出分渠道的淨毛利。除此以外,讓闞歐禮意外的,還有轉賬這一流程。
現在審批通過後,單據經銀行接口自動制單,兩個人在手機上指紋驗證就能付款,從審批到回單回傳,最快1分20秒。財務流程變順之後,捌比特反而多出一個談判籌碼:跟供應鏈談日結、每單結,不用再壓款,對方也願意做一件代發。結果常備庫存壓到三十幾萬,咖啡器具一年的銷售額卻接近千萬元,週轉率一下子拉高。可見,Agent和商家原數字資產或行業軟件不是替代關係,是連接關係。連接本身就是產品力,給存量工具造出了增量價值。四、電商是試金石,更是能複製的樣板 為什麼偏偏是電商,成了企業級Agent行業化的第一站?千問辦公現有的付費用戶裡,約20%來自電商行業,並且電商用戶周均完成任務數為38個。
他們是所有行業裡數量最多、也用千問辦公最深入的一群用戶。而電商人群本就是AI的優等生:會挑工具、敢上手、數字化底子厚。除此以外,電商天然更是Agent的高價值驗證場:數據密集、鏈路完整、效果可量化,能力有沒有提升,銷量和ROI會立刻給出反饋。千問辦公電商版作為一款獨立第三方的Agent,跨平臺、all in one,對所有平臺的商家開放,也對所有平臺的商家工具開放。它奔著的,正是電商Agent的OS入口。為此,未來還會接入海內外更多平臺和生態。這條連接行業工具、疊加行業化功能設計的路徑,正在長成能複製的樣板:電商之後,教育、政務、金融這些行業,都有機會順著這條路走一遍。
行業還在爭論通用Agent能不能落地,千問辦公已經用電商跑通了從落地到複製的閉環。電商是試金石,更是樣板間。對商家來說,千問辦公電商版迭代了一種新的生產力;對整個行業來說,它驗證的是一條能複製到千行百業的行業縱深路徑。結語:誰先做透一個行業,誰定義下一代 電商,只是一個開始。千問辦公電商版釋放的信號,遠比一款產品更具前瞻性:企業級Agent的競爭,已經從比模型、比上下文,走向了比行業縱深、比生態連接。把時間線拉長,這條路看得更清楚:千問辦公先讓Agent接入企業已有的數據和工具,把懂業務這一步走實,再用電商版讓Agent懂行業,下一步,是把懂行業複製到千行百業。
電商的經營方式,正在從人手一臺工具,走向一個Agent統管全局。過去,企業軟件的歷史是在工具里加一點AI;未來,方向會反過來,由通用Agent去連接行業軟件和辦公軟件,成為行業軟件上的一層新智能。上下文的故事已經講完,行業縱深就成了企業級Agent的價值錨點。誰能連接行業工具、理解行業邏輯,誰就能定義下一代企業的生產和管理方式。而千問辦公,已經把第一顆子,落在了電商這個能見真章的棋盤上。
Related
相關文章
Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。
2026年20款Jev替代方案:挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.