從能用到進入生產：騰訊如何構建企業級Agent生產力系統｜甲子光年

從個人助手到組織級生產力系統。

作者｜田思奇

作者｜栗子

每到月底，銷售負責人都要弄清哪些客户回款逾期，以及逾期的原因。對企業Agent來説，這遠比查一張報表複雜。它需要連接客户管理、合同和財務系統，覈對發票與跟進記錄。同一個問題，銷售只能看自己負責的客户，主管可以查看獲授權的團隊數據，財務人員的權限又不一樣。

這是騰訊雲智能體開發平臺ADP負責人馬雁翔在騰訊全球數字生態大會上舉的例子。模型已經能理解指令、調用工具，但各家企業有自己的流程和權限。Agent能否真正完成工作，取決於它是否理解這些規則，能否跨系統執行任務。

AI投入能否兑現為業務價值的問題也愈發突出。Gartner在2026年10月公佈的CEO調查顯示，44%的受訪CEO難以向利益相關者證明AI的財務回報，63%認為重構運營模式是加速價值兑現的重要舉措，52%將部署AI Agent作為員工列為重要方向。

10月29日至30日，騰訊全球數字生態大會在深圳舉行。騰訊集團高級執行副總裁、雲與智慧產業事業群CEO湯道生強調，員工用AI Agent提效已經是必選題，「否則不進則退」。

在他看來，企業落地Agent的難點不是模型不夠強，而是斷點太多：AI能寫方案、做分析，卻接不上業務系統、拿不到數據。落地的關鍵在於連接，把人、工具、系統和數據連起來，讓Agent理解業務並參與實際工作。

為此，騰訊將圍繞辦公協同、數據管理與業務執行三大場景，助力企業打造可運營、可進化的智能生產力系統。

同期，在騰訊全球數字生態大會的AI產品發佈臺上，兩天時間里，圍繞應用、數據、安全和工程四個板塊，騰訊集中發佈了40+款Agent產品。從員工日常使用的工作入口，到業務應用開發、雲端運行和安全治理，騰訊正在嘗試構建一套支撐Agent進入企業生產的完整產品體系。

1.超級個體，不等於超級組織

準備此次大會演講時，湯道生把想法交給WorkBuddy整理，再用元寶覈實信息，反覆討論修改。這種人與Agent協作的方式，正成為日常工作的一部分。

據國家數據局統計，中國日均Token調用量從2024年初的1000億，增長至2026年7月的超過500萬億，增幅超過5000倍。

但個人擁有得力的AI助手，不等於組織自動獲得更高的生產力。

WorkBuddy高級產品經理李俞指出，員工的資料散落在不同AI工具中，換一個應用就要重新解釋項目進展，企業還得分別管理賬號和權限。許多公司培養出一批善用AI的「超級個體」，卻沒有建立有效的協作方式。

「超級組織不是買出來的，是長出來的。」李俞説。

湯道生描述了新的協作方式：團隊討論后把需求交給AI，Agent完成初稿，員工修改、驗收，成果再沉澱到知識庫。下一項任務開始時，Agent可以調用已有資料，延續團隊進度，不必重新瞭解項目背景，也不需要員工反覆傳遞文件。

辦公之外，經營管理還有另一層困難。ERP、CRM和財務軟件積累了大量數據，卻各有查詢方式。湯道生提到，數據工程師製作一張經營報表可能需要兩三周，管理者看完再追問細節，更新報表又得等上幾周。等數據準備齊全，決策時機可能已經錯過。在他看來，速度本身就是競爭力。

騰訊嘗試通過MCP接口和Skills，讓WorkBuddy連接企業已有的管理系統。騰訊雲經營服務智能體磐石小O，可以讓員工直接查詢銷售業績、客户情況和回款進度，不必逐個系統查找報表，操作過程可審計、可追溯。銷售拜訪前，它結合CRM數據和公開信息準備客户動態與溝通建議，協助預約會議；拜訪后整理報告、生成待辦，按需發起審批。

湯道生把辦公協同、數據管理和業務執行列為企業Agent的三個重要場景。WorkBuddy已經讓員工更方便地使用企業信息，但客服、銷售和營銷等專業任務還有各自的業務規則。要讓Agent接手這些工作，企業需要能夠按業務需求構建和管理智能體。

2.業務Agent的價值，要在經營中兑現

騰訊此次發佈的Agent應用產品，覆蓋了從智能體開發到具體行業運營的多個環節。

騰訊雲智能體開發平臺ADP幫助企業構建業務Agent；音視頻AI平臺WAND整合多模態模型，優化內容生成成本；騰訊雲實時智能支持實時對話，並將交流轉化為業務記錄；元寶搜索提供可追溯的外部信息；天籟語音大模型處理多人、多語種語音；騰訊企點營銷雲MAGIC AI連接客户分析與營銷活動，騰訊雲Mall的雲小莫則輔助商家經營私域生意。

其中，ADP的升級體現了騰訊對企業Agent構建的思考。

馬雁翔提到一家客户，早在ADP 3.0時期就搭建了幾十個智能體，今年又希望用Agent識別供應鏈風險：檢索公開的原材料及供應商風險事件，結合內部數據判斷哪些供應商和零部件可能受到影響，最終生成深度分析報告。

客户不僅要求Agent自主執行，還關心過程是否可控、Token成本是否划算。ADP讓工作流承擔固定的批量檢索，由雲端Agent完成交叉驗證和深度分析，兼顧任務靈活性與成本。

新版ADP進一步將自然語言引入構建過程。業務人員只需描述需求，平臺便能輔助構建智能體和工作流，配置、預覽、調試與評測也可以在同一工作區完成。

大會上展示的養老信託場景就是一個例子：員工提出面向老年客户提供養老信託諮詢的需求，平臺便生成智能體及相關知識、工具和流程配置。ADP還將智能體與站點服務結合起來，前者負責分析和執行，后者承載操作頁面、業務邏輯及數據狀態。企業由此可以直接構建完整的業務應用，而不必止步於單個智能體。

讓Agent運行起來之后，還要保證它能長期工作。ADP此次升級的雲端Agent Harness負責管理任務執行、記憶、工具調用和沙箱調度。員工關閉電腦，長任務仍能在雲端繼續執行，沙箱按需啟停，減少資源閒置。業務人員發現結果有誤，可以直接提出反饋，由平臺生成候選優化準則，經人工審覈和樣本複評后啟用。

建成的Agent可以通過AgentPortal按部門、崗位分發，也能進入WorkBuddy。反過來，員工在WorkBuddy中驗證有效的工作流，可以藉助ADP連接器轉化為企業智能體，統一管理和推廣。新版ADP開放130多個Open API，覆蓋十個模塊，讓員工積累的工作方法成為團隊可以複用的能力。

伊利已將這套協作帶到銷售現場。WorkBuddy匯聚經營數據、形成策略，再下發給上千名導購，整體運營提效超過50%；ADP導購智能體則提供商品推薦與溝通話術，A/B測試顯示銷售訂單提升26%。分析報告能夠更快生成固然重要，策略能否被一線採用，才決定它是否真正帶來經營收益。

另一項需求是及時、可靠地獲取外部信息。元寶AI搜索總經理葉莎妮提到，企業客户常反饋AI回答慢、不準確，甚至無法回答問題。模型承擔的任務越複雜，信息的時效與出處就越重要。

此次升級的元寶搜索整合公開網絡、騰訊生態及行業信源，通過多源召回、排序和結果增強，返回結構化信息與可覈驗來源。其索引規模達到千億級，接入157個以上權威垂直領域接口，日均調用數億次；企業可通過API、MCP或Skill使用，無須自建搜索系統。

「沒有出處，答案再漂亮也難以置信。」葉莎妮説。

語音則讓Agent能夠處理更多會議和電話中的業務信息。騰訊雲副總裁、天籟負責人商世東提到，一位頭部客户已經不只關心識別效果，更希望語音AI幫助業務增收，並在出現問題時準確定位原因。

天籟此次發佈三款大模型：語音理解模型結合會議文檔、屏幕分享、參會人信息等上下文信息輔助轉寫，在交替和重疊發言中區分講話人，支持16種語言及多種方言，通過多輪精修提高準確性；語音生成模型採用端到端架構，支持自然對話、方言表達，5到10秒即可復刻聲音；同聲傳譯模型能夠在講話人持續發聲時輸出翻譯，並保留其音色。三款模型均已上線騰訊雲語音服務。

Agent接手的工作越多，企業越需要解決持續運行、成本管控和團隊共享的問題。

3.裝機只是開始，管得住才能規模化

今年3月6日，騰訊大廈樓下的OpenClaw裝機活動排起長隊。有人帶着孩子來，也有退休工程師專程體驗。那時，成功安裝Agent、接入QQ，已經足以讓用户興奮。

半年多后，騰訊雲通用計算產品副總經理肖娜發現，大家不再滿足於把Agent裝好，而是希望交代一項工作，第二天直接收到結果。騰訊自己的研發流程也發生了變化：以前一天發佈一個版本已很不容易，如今一些企業產品由產品經理在三個小時內完成構建和上線，研發人員主要負責架構與質量驗證。

騰訊雲由此將雲端自託管Agent產品整合升級為AgentHosting，品牌理念是Always Here：人可以離開電腦，雲端的Agent一直都在，任務繼續往前走。

圍繞這一點，騰訊雲提出Here to Run、Here to Govern、Here to Connect，分別關注持續運行、組織治理和能力連接。據騰訊披露，相關產品已支撐百萬級Agent在雲端穩定運行，服務上千家企業。

該品牌下覆蓋四款產品。首先是負責部署和常駐，面向個人和開發者的Lighthouse Agent——它支持將OpenClaw、Hermes等Agent一鍵部署在用户自己的雲端實例上。本地電腦關閉后，任務仍能繼續執行，記憶插件則保留背景與偏好，減少重複交代。

遇到複雜任務，用户還可以讓多個Agent協作：領航員拆分任務，交給行業分析師、程序員等專業Agent，再匯總成果。每個Agent可單獨配置模型，避免簡單工作消耗昂貴算力。接入騰訊會議、騰訊文檔后，它還能處理日常辦公任務；碰到賬號登錄、文件上傳等需要人工操作的環節，Agent會通過雲桌面請求接管，完成后繼續執行。

但一家企業運行幾十、幾百個Agent，麻煩遠不止讓它們保持在線。肖娜舉了一個成本上的例子：用頂級模型調整一頁PPT的字體和色號，最后花了幾百元，相當於請資深設計專家工作半天，卻只完成簡單排版。企業還必須明確每個Agent的職責、權限和成本。

這正是ClawPro要解決的統一治理問題。該產品負責人黃綺婷發現，有員工希望公司直接提供配置好的Agent；熟手調試出的Skill只能在群聊中分享，更新后還得重新發送，管理者也難以掌握整個團隊的使用情況。

今年4月開始公測、此次正式全量發佈的ClawPro，可以統一納管多個雲端和本地Agent，按組織分發配置與技能，並通過四級權限隔離管理模型、技能和配額。企業可以統一查看Token消耗、開展安全審計，也能通過API將Agent嵌入業務系統。

一家財税代賬企業把資深會計的經驗整理為Skills，通過ClawPro分發給員工后，單個會計服務的客户數從200多家增至400多家，整體效率提升50%。目前ClawPro已服務超過1000家企業。企業不必再讓每位員工從零配置Agent，成熟的工作方法也能在組織內迅速推廣。

經驗積累之后，還需要持續流通形成能力供給。AgentHosting旗下的SkillHub提供技能發現、評測、更新和分發能力，讓開發者和企業能夠找到並複用已有的專業技能；SkillPay進一步銜接技能的付費與交付，讓有價值的經驗不僅能夠分享，也有機會形成持續供給。

產品體系的另一端是專業場景深耕。騰訊雲開源、可自託管的AI Agent引擎Octop，從雲服務器運維切入，將Agent能力延伸到具體工作。開源三個多月，其GitHub Star數已超過1.1萬。社區中已有法律科技企業基於Octop搭建合同審查工作臺，並通過對接長安鏈，為AI引用的依據存證。

從Lighthouse Agent讓任務持續執行，到ClawPro統一治理、SkillHub流通專業能力，再到Octop深入行業場景，AgentHosting試圖解決的已不再是安裝一個Agent有多方便，而是如何讓大量Agent長期工作、持續獲得新能力，並融入企業已有的業務系統。

對於企業，真正有價值的不是裝上多少個Agent，而是能否把它們變成一支可管理、能協作、會積累經驗的數字員工隊伍。

4.Agent進入生產，最終要算經營賬

隨着Agent開始參與企業經營決策，企業不僅要讓它獲取數據，還要確保它能正確理解數據的含義。同樣是銷售額，不同部門可能採用不同的統計口徑。Agent即使能查詢數據庫，也未必能準確理解業務。

騰訊此次發佈的AI原生多模數據庫TDSQL Nexa Lakebase，通過Nexa Knowledge構建可持續演進的語義層，幫助Agent理解企業數據及其業務關係。多模AI數據底座TDSQL Boundless以一套內核兼顧事務、寬表、分析、搜索和語義檢索；TDSQL-C PostgreSQL提供彈性、隔離的數據庫后端；TencentDB Agent進一步把騰訊雲多年積累的數據庫運維經驗封裝為Skills，讓Agent承擔部分DBA工作。

能夠正確理解數據之后，還要確保使用過程安全可控。AI產品發佈台的七場安全分享，從網絡攻防延伸到業務風險防控。騰訊雲AI Agent網絡全鏈路安全方案可統一用户與Agent身份，實施細粒度授權，並識別多輪對話中的風險，按需進行數據脱敏、人工接管或阻斷。讓Agent既能獲得完成任務所需的權限，又能在明確的安全邊界內執行，幫助企業放心將更多業務交給AI。 新一代雲安全中心則整合主機、容器和雲安全態勢管理，推動安全防護從被動響應走向主動運營。

騰訊雲無境則利用AI自主開展滲透測試。據騰訊披露，其單站驗證平均耗時約91分鍾，成本為百元級，幫助企業更高效地發現漏洞。在業務側，天御風控Agent結合黑灰產情報，基於AI僅需對話即可隨時隨地完成業務風險分析和策略調優。

這些基礎能力未必直接帶來銷售增長，卻決定着企業能否放心將更多業務交給Agent。騰訊的優勢在於，企業微信、騰訊文檔等產品已經進入大量企業的日常協作，騰訊雲又積累了服務不同行業客户的經驗。這使騰訊有機會從員工熟悉的工作入口出發，進一步連接業務系統，參與企業的經營流程。

回看騰訊此次44場集中發佈，從應用構建到數據、安全和工程能力，其佈局已經超出單一AI工具的範疇。湯道生提出的可運營、可進化的智能生產力系統，象徵着騰訊也在逐漸深入參與企業的日常經營。

Agent能否真正成為企業生產力，最終要由業務結果回答。

對於騰訊而言，重要的不只是讓更多企業部署Agent，而是讓客户願意將更重要的工作交給它，並在長期使用中獲得收益。專業經驗能否在組織內持續積累，複雜任務能否由Agent穩定完成，將決定AI是否真正超越個人效率提升，進一步改變企業的經營方式與競爭力。