飞书智能伙伴怎么用？功能与应用场景

飞书智能伙伴是放在协作文档里的 AI 问答助手，机制拆开只有三步：先从你配置的知识里检索相关段落，把段落和问题一起交给模型，最后生成回答。它答得好不好，八成取决于喂进去的资料，两成取决于提问。把它当成刚入职的新人，而不是搜索引擎，预期就对了。

它是一份被检索的知识库

理解它的关键是「检索」两个字。模型本身不知道你们公司的报销标准，是检索环节把制度文档里的段落找出来、塞进上下文，它才答得出来。所以答案不准时，先查资料有没有、切得对不对，再查模型。

这也解释了它对「上个月的销售数据」为什么无能为力：数据不在文档里，或者没有权限，检索拿不到，它只能编一个像样的答案。判断一个问题是否适合交给它，看两点：答案有没有写在某份文档里、这份文档它能不能读到。两点都成立，成功率才高。

同一套机制在别的团队知识库产品上也成立，共享知识库怎么搭里的资料分层方式可以直接搬过来，差别主要在入口和权限模型。

先选场景，再选知识

不要一上来就做「全能助手」。选一个高频、答案稳定、找起来烦的场景先跑通，比如新人入职、报销流程、产品参数查询。三个判断条件：一周被问超过十次、答案写在文档里、答错代价可控。

缺一个都别急。答错代价高的场景不适合先上，比如对外报价、条款解释，一旦答错，团队对工具的信任很难恢复，后面再推就费劲了。

第一个场景跑通的标准很朴素：把助手拉到群里，一周内没人再单独私聊问同一个问题。达不到，说明资料或入口还有问题。

语料清洗到什么程度

直接把共享盘挂上去，效果通常很差。制度文档里大量「第 X 条」「本办法自发布之日起施行」，检索命中后模型容易被这些内容带偏。清洗做三件事：删过期版本、按主题拆短、每篇开头写一句这文档解决什么问题。

拆分粒度以「一个问题一篇」为准。一份两万字的员工手册拆成三十篇，命中率比整篇丢进去高得多。拆完给每篇加标题和标签，检索时标题也参与匹配，标题写得像人话，命中率还会再高一截。

还要处理互相矛盾的历史文件。同一件事存在两个版本时，模型会把两段都检索出来，然后给一个折中的答案。旧版本要么删除，要么在开头标注「已废止，以某文档为准」。

权限跟着文档走

智能伙伴的权限应当继承文档权限，不要另配一套。否则会出现「文档看不到，但助手答得出来」的漏洞，这类问题一旦被发现，整个项目会被叫停。

上线前做一次越权测试：用普通员工账号问三个只有管理层能看的问题，看它是否拒答。拒答话术也要写清楚，不要含糊，含糊会让人反复试探，反而暴露更多信息。

四类场景的配置对照

四类里最容易见效的是新人答疑，因为问题重复度最高、答案最稳定。项目复盘最难，材料散、口径多，通常要先人工整理一轮再入库。

上线前用二十个问题验收

准备二十个问题：十个真实高频问题、五个边界问题（问它不知道的）、五个越权问题。每题写下期望答案和出处，逐条跑。低于十六题答对就别上线，先补资料。

上线后每周抽十条真实对话回看，重点看两类：答了但答错的、该答却拒答的。前者补语料，后者调提示词或放宽检索范围。这个动作坚持一个月，效果比一次性搭完更好。

它的能力边界

它读不到业务系统里的实时数据。库存、订单状态、排期都在系统里，不在文档里。要回答这类问题得接接口，配置成本远高于文档问答。

它也处理不了需要多步操作的请求，比如「订会议室并通知参会人」。它能告诉你流程，不能替你执行。把它当查询入口，不要当流程引擎。

对模糊提问的容忍度同样有限。「报销怎么弄」可能换来一段笼统流程，改成「出差高铁票报销要哪些材料」才有用。提问方式对结果的影响，提示词怎么改写里有更系统的说法。具体可用模型、知识库容量、可接入的数据源以官方最新版本为准。

上线前四项检查

• 知识库里有没有过期或互相矛盾的版本
• 权限是否继承文档，越权测试是否通过
• 二十题验收是否过十六题
• 拒答话术是否明确，有没有兜底联系人

三个落地前的疑问

• 它和在文档里直接问 AI 有什么区别？：前者有固定知识范围和统一口径，同一问题多次问答案接近；后者跟着当前文档走，适合一次性分析。要团队口径一致用前者，要临时读一份材料用后者。
• 会议记录要不要放进知识库？：放结论不放全文。全文噪声大，检索容易命中闲聊段落。整理成「议题、结论、待办」三段再入库，命中率和可读性都会好很多，实时记录怎么整理里有一套按议题切分的方法。
• 答得不好，先换模型还是先改资料？：先改资料。多数问题出在资料缺失、过期或切得太碎，换模型解决不了「文档里根本没有」这件事。改完资料仍不对，再考虑调整检索范围。