作者: 鏡山
編輯: Koji、小居
排版: NC「先進團隊，先用飛書」是我最喜歡的科技公司 slogan 之一。
現在，我相信不止是「十字路口」這樣的先進團隊（咳），已經有越來越多的個人、團隊、企業都離不開飛書和它的整個生態系統了。
飛書也沒有讓它的使用者們失望，持續推陳出新，不斷幫大家提高工作和協同的效率。
今天，飛書「知識問答」開啟了更大規模內測。 ——據飛書團隊告知「十字路口」，雖然該功能仍需申請內測才能開通，但從今天起申請的審批速度將大幅提升。
飛書的「知識問答」是什麼？
簡單來說，大家這幾年在飛書上積累的所有歷史文件和聊天記錄，現在都自動轉化為企業的 AI 資料資產。
當你提出問題時，它會透過 DeepSeek-R1 或豆包大模型，在飛書的所有文件和聊天記錄中搜尋答案。同時，它還會利用網際網路上的公開知識來補充，從而生成更完整的回答。
作為飛書使用者，從生成式 AI 誕生的第一天起，我們就翹首期盼這項功能。我們一直認為它必將推出，只是時間早晚的問題。
它很「好用」
自從它開始灰度測試以來，「十字路口」就感受到了它的價值，因此團隊內部在積極深度體驗。
「知識問答」並不是一個全新的概念，但是「能用」和「好用」其實是兩個完全不同的概念。
在經過兩個月的使用後，我們可以肯定地說：它非常「好用」！對於善於運用它的組織來說，這很可能是今年最有價值的一次 AI 落地。
它很受「重視」
值得注意的是，飛書對它的重視程度非常高：企業開通「知識問答」後，所有成員的 App 首頁第一個標籤頁就自動變成了它，在 PC 端也位列前排。
這充分體現了飛書對該功能的重視，這種重視源自對其使用者價值的判斷，以及對它未來將成為高頻使用功能的預期。
「十字路口」今天這篇評測，打算來全方位介紹和挑戰飛書「知識問答」，同時分享下過去兩個月的深度體驗中的一些洞見。
我們最心水的功能：「模糊意圖搜尋」
在所有「知識問答」能做到的事情中，最有價值、也最吸引我們的使用場景，就是「模糊意圖搜尋」，比如：
我們也試了各種提問的角度，比如：
飛書的回答都很棒，都迅速找到了我們需要的答案。
「知識問答」能挖到超久遠的知識
飛書作為「國民級」協作工具，商業成功的一大部分源於使用者已經習慣性地將知識全部遷移進了進去。
但使用越多，知識堆積越嚴重。我們經常囤積「可能有用」的文件，卻慢慢也都被迫成了「藏進歷史中的塵封資料」。
我們一直潛伏在「飛行社」這個特殊的「飛書愛好者」組織之中，這是一個沉澱了3年、擁有海量上下文和知識庫的組織。
讓我們先挑戰一下飛書的「知識問答」，在這樣的組織中，可以完成哪些任務？
比如，Koji 在 2022 年飛行社剛成立時的第三位「飛行嘉賓」，我想找除他當時在飛行社做的分享內容。
於是，我簡單地輸入了一段提示詞：
Koji 在飛行社做過哪些分享？
對了，在使用「知識問答」時，為了得到最全面的答案，我一般會將「使用知識」與「聯網搜尋」同時開啟。
幾秒鐘後，我在 DeepSeek-R1 的深度思考鏈中，找到了一系列 Koji 的分享記錄，其中最重要的是當時的分享文件：《Koji：和 50 人一起用飛書"造島"的故事》。
要知道，「飛行社」這個組織內的文件數量遠超一般企業，因為成員眾多且氛圍活躍。雖然具體文件數量無法確定，但保守估計至少有數萬份，甚至數十萬份。
能從如此海量的文件中，迅速「撈針」找到我們想要的這一份，很棒。
這份文件記錄了 Koji 在 2022 年分享的關於如何利用飛書協作工具，與「躺島」 50 人團隊高效工作的經驗和心得。
除了搜尋海量的飛書內部文件之外，它對使用者的「容忍度」也非常的高。
它真的不需要「好的提示詞」
1）碎片化場景裡，「知識問答」非常的 Nice
現代人的工作場景很多都是發生在路上，而不是坐在電腦前思考一條「完美的提示詞」，等待 AI 慢慢地解答問題。
如果一條「意圖清晰，但敘述模糊」的語音就能解決問題的話，往往就能在這些碎片化的場景中，把生產力高效地拉起來。
想象這個場景：我正在趕飛機，急需檢視飛書群裡關於 Koji 邀請梁海源老師訪談的文件，但聊天記錄已經被新訊息淹沒了，這時候該怎麼辦？
飛書「知識問答」就很好地解決了這個痛點，手機端可以直接傳送語音，並且會基於群訊息裡的知識，自動推測並對齊模糊的使用者意圖。
像是語音很難識別 Koji 其實是個英文外號，而以為是「寇吉」。
這個略帶文字錯誤的問題傳送給了「知識問答」後，它會根據「梁海源」老師的名字，搜到 3 篇參考資料，一篇來源於群訊息裡的知識檔案，另兩篇則是脫口秀大會等無關資訊。
但它仍然能夠從「十字路口」企業內的知識庫裡匹配到邏輯正確的答案。
只用了十幾秒，「知識問答」就已經給出了一份快問快答問題的答案。
在日常回答中，使用豆包和 DeepSeek R1 的「知識問答」給出的答案都非常簡潔且精準。
2）幫你找到所有被遺忘在飛書裡的檔案
在搜尋某一份檔案時，「知識問答」體現的作用會更大。
它非常適合這樣的場景：有一份被內嵌在飛書「某個知識庫裡的某個檔案裡的某個角落」的檔案，已經幾年過去了，但我還記得一個大概的時間點…..
這時候就可以非常模糊地提一句：
2022 年初躺島出了個品牌手冊我記得……
同樣，滿血版 DeepSeek-R1 的推理速度非常快，直接在一份並不在企業內部知識庫裡的飛書文件中找到了它，並提取了 PDF 檔案的名稱與大小。
「知識問答」還會自動根據 PDF 所在檔案的上下文進行提煉內容，做一個小總結，並且非常貼心地給出了「躺島-品牌手冊 2022.01.pdf」的連結，一鍵直達。
三域知識，會互相碰撞出怎樣的火花？
傳統「AI 知識庫」產品中，一般是這種功能結構：
-
上傳 PDF 或者是其他檔案到知識庫中
-
讓 AI 一邊聯網搜尋資訊，做檢索增強生成（RAG）
-
生成一份與知識內容較為匹配的答案
但是，這些 AI 知識庫往往脫離於工作平臺單獨執行，或者是以社媒平臺作為載體，無法運用在日常場景中沉澱下來的知識。
「知識問答」就在這一方面有了很明顯的進步，它做到了三域融合：
知識庫支援三種使用者上傳格式：PDF、Word 和 PPT，除了本地上傳之外，還可以微信匯入。
「知識問答」開啟聯網搜尋後，資訊源非常的廣：像是即刻、各種部落格、傳統網站，甚至還有 Boss 直聘。
並且，基於知識庫的「知識問答」所生成的內容，具有較高的準確性。
比如，我在知識庫裡上傳了個 AI Hacker House 的設計圖，裡面幾乎全部是建築內外部設計原型圖：
在「知識問答」裡，我很簡短地輸入了一段提示詞，讓它結合 AI Hacker House 的設計圖與「躺島」品牌和產品概念做個融合：
結果很不錯。
在這些圖片中，飛書成功識別出了多個關鍵設計元素，如"開放/好客"、"越科技越自然"、"腳手架展示體系"和"木桁架展示體系"等。它不僅在文件中精準定位了這些關鍵詞，還基於這些概念進行了富有創意的發散性思考。
「知識問答」給出了一份報告，效果相當不錯——它成功地將 AI Hacker House 的元素與躺島的產品理念進行了自然融合。
除了個人上傳的檔案和企業內部的知識庫之外，網際網路上的知識也融入了生成的結果之中。
比如，我發現：「躺島的諧音梗與 IP 化手法（賈冰老師與真冰）」也被運用到了答案中，這部分知識來自一個新聞網站。
除了將三域知識結合之外，它還會主動搜尋一些看似無關的知識，並為創意提供具體的落地渠道。
比如在跨次元品牌聯名案例中，它主動查找了設計類 Agent Lovart 的相關資訊，並建議：你可以用 Lovart 來完成「AI Hacker House x 躺島」小專案的原型初稿。
透過持續對話，你會發現「知識問答」能激發出更多創意靈感，甚至能為你生成一份簡單的「融合設計方案示例」。
我們還看到了「知識問答」身上更多的可能性：
飛書官方也釋出了一些 Case，我從中挑了幾個最具潛力和創新性的方向講一講：
1）所有碎片化的知識，都是寶藏
在企業和個人的日常工作和生活中，經常會有大量有價值的資訊散落在各種格式的檔案裡，像是：文件、表格、多維表格等等。
現在的「知識問答」已經能夠根據使用者指令，將碎片化的資訊整理出來：
如果這些碎片化的資訊，能夠有機地整合起來，說不定會產生意想不到的效果。
比如，多模態 AI 能力與「知識問答」更好地融合後，使用者甚至可以進行影像搜尋。像是：直接上傳一張會議截圖，系統可提取關鍵討論點並關聯相關文件等等。
我有點期待了。
2）知識庫「千人千面」
「知識問答」會根據每個使用者的許可權範圍內的企業知識來提供個性化回答。如果使用者無權訪問某個文件，該文件就不會被用作搜尋來源。
例如，當詢問「上個月我們抖音渠道的利潤是多少？」這樣的財務問題時，能看到公司財報文件的管理者視角會得到具體答案，而沒有許可權的普通員工視角則無法獲取這些資訊。
這樣的頂層設計能夠確保企業的資訊安全。
除此之外，還能根據使用者角色（像是財務、HR、IT、運營等等）和許可權等級（像是普通員工、部門主管等等），定製問答模式。
在未來，飛書平臺已具備足夠的技術基礎來實現「企業內部知識庫與外部顧問知識庫」的連線。
透過向特定外部人員開放有限的許可權，將能顯著提升內外部團隊的協作效率。
3） AI Ready，倒逼使用者做好知識管理
我注意到了很有趣的一點：飛書「知識問答」並沒有將這款優秀的產品做完就扔給使用者，而是，反其道而行之，「挑戰使用者的心智」。
他們希望使用者在團隊協作過程中，能自發地去 AI Ready，自主地做好知識結構化的工作。
下面是他們提供的建議：
可以說，飛書並未將 AI 功能設計為一個「黑盒」，而是想幫助使用者做好「知識架構師」的角色。
做 AI 知識庫的千千萬，倒逼併挑戰使用者心智的這還是頭一個。
沉下心做 AI 的飛書
飛書一直都在用 AI 重塑生產力，拓寬邊界，我們也一直相信「飛書 + AI 」的組合會帶給我們不斷的驚喜。
尤其是當我們這回深度體驗飛書「知識問答」後，感受到：AI 與辦公場景的深度結合，不僅僅是效率提升這麼簡單，而是徹底激活了我們過去被囤積的、沉睡的知識資產。
這些知識不再是雜亂無章的歷史碎片，而是被精心挖掘、被 AI 整理並賦予新價值的寶藏。
在這場「AI 知識資產」的革命中，飛書是排頭兵。
這讓我想起前段時間，紅杉美國的合夥人在 AI Ascent 大會上分享的洞察：
AI 公司裡，95% 全都是在做公司，只有 5% 才是在做 AI。
沉下心來做 AI 的飛書，值得更多的掌聲。
AI 公司裡，95% 全都是在做公司，只有 5% 才是在做 AI。