要实现一个工作流，选择 Agent Skills 还是 AI 表格？
这两年除了做自己的产品外，我们还做了不少AI项目，如图所示：
从数据上就能看出一些端倪了，居然70%+的功能都是一些工作流相关 AI 系统，那么什么是工作流AI呢？
所谓工作流AI就是系统本身已经存在，或者系统在实现过程中，我们最终发现AI占比会很低，一般的数字是10%，一定不到20%，举个例子：
HR经常需要上传身份证，之前都是手抄的，速度慢、效率低，现在就可以将这部分AI化，但整体系统80%的精力都在做流程实现，而AI的部分很少，这种项目就被我们称为了工作流AI。
今年开始，OpenClaw 开始爆火，但我盘了一圈下来，他主要完成的工作其实也就是承载工作流，也就是OpenClaw这套Agent工具现阶段主要用来作为了工作流的承载工具。
那么这里问题就来了，企业场景下应该如何选择呢？
我这里直接说答案，企业场景下如果要承载工作流，他很难去选择OpenClaw/Hermes 这种Agent平台，原因有三点：
第一是整体稳定性考虑；第二是员工之间是需要协作的，现在个人Agent这块做得很一般，其次就是第三点，也就是我们今天要探讨的了：
我们前面说过现阶段企业近80%的AI项目都是工作流AI，并且主要承载的工具就是AI表格，很多同学其实不大理解为什么会这样，那是因为：
企业非常想要一套多人分散录入 → 集中汇总 → 统一分析 → 按权限查询的轻系统
之前 Excel/OA/低代码 都在抢办公这块份额，现在最厉害的是飞书多维表格和钉钉AI表格
企业需要“这套系统”的原因很简单，之前的效率着实太低了，一旦上了系统，效率的提升就很夸张：
只不过这种提升并不是AI表格带来的，他是自动化带来的，比如以下案例：
unsetunsetAI表格即系统unsetunset
大概在五年前，那时候还没有钉钉AI表格/多维表格这种东西，公司有个需求非常令人抓狂：
当时公司需要大量的外部兼职人员一起协作整理数据，这其中涉及到了大量的工作，包括：
- 每天内部人员得面试大量兼职人员，单日数据过百人，没有系统支撑，操作情况一团乱麻；
- 兼职初面通过后进入作业群，需要实操完成一份作业，内部员工判断没问题才转为长期兼职人员；
- 实际进入数据处理阶段，又会面临着**提交->初审（通过，打回重做）->复审（通过、打回重做）**等反复流程；
- 最后晚上按照实际完成情况进行数据归档以及结账；
以上是一套完整的SOP工作流，如果想要做系统实现，执行周期也就1个月，但开发系统首先来不及其次迭代效率跟不上，他的策略经常变。
作为直接的项目负责人，我这边就很抓狂，因为经常性碰到有人乱改数据，还看不到日志；又因为没有消息通知，经常某个节点被卡着，为此调派了3个项目经理去组织，但实际做下来依旧各种问题…
其实这里的需求非常简单：在Excel的基础上，加一个权限控制（视图控制）和数据更新后的定向通知功能即可。
而就是这个简单的功能，在多维表格之前，我一时之间是束手无策的！
后来我确实受不了，就自己开发了一个表格项目，当时命名为多视图Excel，解决了这个问题：
类似上面的需求，全部是多维表格的场景，Coze在其中毫无必要，甚至后续公司全流程管理（非常复杂的流程），也完全可以用这种表格实现：
我们用子表（只有总表的部分字段）的方式去搞定列层面的查看权限、我们用条件检索解决行层面的查看权限、我们还未表格设置了数据变化时候的脚步处理逻辑，用来绑定一些常见操作。
这里AI表格的实现，成本不到50万
事实上，只要对页面美观度没什么需求，内部项目全部可以用这套工具做实现，效率杠杠的！
而AI时代的话，Coze相当于多维表格多了一个**“皮肤”**，让用户端体验更好了。
这也是当前各个公司实际面临的问题：他们很多内部系统是缺失的，之前他们会去采买，比如HR系统、财务系统，但买回来总有这样那样的问题，现在就好了，他们直接用AI表格/多维表格的模板，然后自己做点微调就好。
unsetunsetAI Office 场景的角逐unsetunset
企业内部系统，只要对界面没有太大要求，90%都可以被多维表格覆盖掉，那么这里就释放出了强烈的利益信号！
如果多维表格实现公司内部系统效率高、成本低，那么这件事就一定会发生，首先公司会这样选择，其次各个OA类软件供应商也会转向：
毕竟，IM、在线表格、在线文档、内部系统才是一个完整的协同办公生态
现阶段能够吃这块蛋糕的也就钉钉、飞书与腾讯，只不过就现在这个情况，看样子腾讯是一点不急的…
今年7月8日，钉钉官宣发布了最新AI表格产品，强调“表格即文档”功能，突出了自然语言数据分析、表格自动化流程等AI卖点，并喊出了关键口号：
让每一个单元格都成为AI的入口，用一张表为千行百业构建智能业务系统。
而后一段时间，钉钉这边又有很大的更新，在降低门槛、实现自然语言表格生成这个方向走得更远了。
unsetunset数字化转型的延续unsetunset
这里回归我们最初的那一句话：这种提升并不是AI表格带来的，他是自动化带来的。
至此大家对这段话的理解应该更充分了，就如我之前需要面临的“外部兼职人员”协作问题，事实上提升效率的是那套SOP；
只不过Excel/在线表格这套工具没办法解决人性和教育问题，比如他没办法让员工不去改一些与绩效相关的敏感项、也没办法解决一些员工粗心大意的操作。
在这个场景下，快速完成折腾SOP的AI表格/多维表格脱颖而出了，并且这里难的从来不是系统实现，这里难的是SOP的梳理。
根据以往经验，要完整实施一套中等规模的AI工作流类系统大概需要3个月，其中2个月都在跟企业一起梳理流程，梳理的流程会有两个产物：
SOP流程图以及数据结构，这个东西就是我们所谓的**“AI时代的自然语言”**，他长这个样子：
也可以是这个样子：
甚至需要各种核算成本：
总而言之，工作流类项目的难点在于形成SOP，形成SOP的难点又在沟通交流，这个一直是管理上的难点…
所以，如何解决这个问题才是核心中的核心，他表面上看是SOP问题，本质上其实是KnowHow和沟通问题，那么应该如何做呢，或者说谁已经做了什么呢？
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～