前几天在使用微信的AI助手小微的时候，我就在想一个小的场景——
让小微帮我找一找过去半年我答应和别人吃饭但是并没有做到的人有哪些？
但很遗憾，还在测试期的小微相对谨慎，目前暂未开放全局的聊天记录作为上下文，我的这个需求暂时还做不到。
然而企业微信最新上线了一个非常实用的AI功能，它有全域的上下文。
你问它工作相关的事，它几乎都能从容应答，让你不漏掉任何一件重要的事。
今天我们就来聊一聊企业微信最新的AI功能。
一
先说一个几乎所有打工人都有过的体验。
周一早上打开企业微信，一大堆 未读消息在那里排着队等你翻牌子。
你 得 花了大半个小时，搞清楚 和你相关的工作进展，然后 再花十分钟给自己列待办清单。
整个过程 还是很疲惫的。
没错，你的企业微信里躺着几百个群聊、几千条消息、无数份文档和邮件，它们是你工作的全部上下文。
但你每天需要花大量时间去人肉汇总、排优先级。
德鲁克 在1966年的《卓有成效的管理者》里就 提 过，知识工作者的时间被大量碎片化的 事务 消耗掉了。
60年后的今天，我们的工具换了好几代，这个问题 还是木有 解决，反而 更加严重了。
那么问题来了，如果有一个AI，能直接读懂这些上下文，帮你干掉信息搬运这个环节呢？
6月23日，企业微信开始灰度内测一个叫“大圆”的AI智能助理，同时上线了一个叫“服务总结”的AI功能。
前者面向 给企业里每个人配了一个AI助理，提升 内部协同，后者 面向外部客户经营。
这两个功能放在一起看，企业微信其实在做一件 很新 的事：让AI 无缝地融入到 工作流里。
二
为了把大圆这个东西讲明白，先得说一个AI行业的老问题。
今天市面上绝大多数AI助手的使用方式都是这样的：你打开一个独立的对话窗口，从头开始给AI交代背景、描述需求，然后等它给你一个回答。
每一次对话都是一次冷启动。
这 种工作方式的问题在于：上下文需要你手动灌入。
从过去两年的AI发展看，我觉得下面这个 公式 是有道理的——
AI的有效产出 = 模型能力 × 上下文质量。
模型能力 是一条腿，上下文质量 是另一条腿，绝大多数产品 的上下文 都还停留在自己喂的阶段。
大圆的产品逻辑跟市面上这些AI助手有一个关键区别：它的上下文是自动感知的。
什么意思呢？
你在企业微信里的任何页面，手机端左滑一下，就能唤起大圆。
它能自动识别你当前在哪个界面，你在一个群聊里，它知道你在看这个群的消息；
你在看一份文档，它知道你在看这份文档的内容；
你不需要复制粘贴任何东西，不需要从头交代背景。
甚至甚至我觉得它比微信里唤起小微还要更便捷——
在微信里，在某个聊天界面想要唤起小微，得先点右下角的加号，再点击“问小微”才能唤起，操作是两步；
但在企业微信里，它是一个在任何界面都常驻的图标，一步就能唤醒。
三
我来说几个自己的真实体验。
第一个场景。
我早上起来，有些困，感觉需要做的事情有些多，脑子 有点乱。
于是唤起大圆，问了一句“今天我有哪些重要的事情需要做？”
大圆 没有 列一个泛泛的待办清单，直接帮我做了一次跨场景的工作梳理。
它从我昨天的多个群聊和私聊中，自动提取出了三件核心工作：社群研报品控方案的确定、一个Vibe Coding咨询项目的推进、一场券商分享的筹备。
每一件事都标注了当前进展、关联项目和下一步行动，甚至把每件事涉及的关键联系人都列得 很清 楚。
而且它 帮我生成了一个完整的待办事项列表，并且给了优先级建议：
咨询框架要优先处理，因为对方 有时间卡点；券商 分享 的方案可以等对方发了背景资料再集中推进；电子发票今天务必搞定，互选广告结算通常有时效。
注意，有一个小细节，有一些工作非常认真的人其实对AI总结不是100%放心的，担心它出错。
这一点，企业微信也考虑到了，它的总结后边是有引用小序号的，可以点击这些数字序号可以直接转跳到原文，大大增加了工作的踏实感。
我算了一下，如果我自己手动做这件事，至少需要翻阅6到7个聊天窗口，花15到20分钟，而且大概率会漏掉一两件琐碎事项。
大圆帮我压缩到了30秒。
四
第二个场景更日常。
同样是早上到公司，我问大圆：“有哪些未读消息我要优先处理？”
大圆没有把所有未读消息一股脑丢给我，它 做了一层人工智能级别的筛选。
它告诉我有2件事需要我处理：
第一件，实习生 思文在单聊中提醒我今天记得给最近两条公众号互选广告开电子发票；
第二件，实习生 万琪问我雪球账号有段时间没更新了，她想去更新最新文章，问我是否同意。
这两条消息分别来自两个不同的私聊窗口，发送时间一个是8:10，一个是8:22。如果我自己去翻，可能需要逐个点开私聊查看，容易错过。
大圆帮我找了出来，还给了行动建议。
这个功能有多实用呢？
想想看，一个管理着十几个群的中层管理者，每天早上至少面对 1 00条以上的未读消息。
能把这 1 00条消息里真正需要自己亲自处理的那几条提炼出来，这个价值是实打实的效率提升。
五
第三个场景。
我有一个三人小群，是我和两个 实习生 思文、万琪讨论社群研报运营方案的工作群。
那天晚上我们三个人围绕研报的内容分层、发布频率、选稿标准、互动设计聊了很长时间，信息量 其实 大，讨论结论分散在几十条消息里。
事后 我在群里唤起大圆，问它“群里聊了什么，有什么我需要做的？”
大圆给出了两层回复。
第一层是完整的讨论总结：
它把我们的讨论按照内容分层、选稿标准、发布节奏、互动设计、品控流程、复盘机制六个维度做了结构化梳理。
比如内容分层是5篇必看+10篇延伸阅读+5篇资料库收藏；选稿标准至少看 两 件事，信息新不新、内容跟社群成员有没有关系；
第二层，它自动识别出了讨论中每个人认领的任务。
我在聊天中说过“最终的5篇必看和导读我来定”，大圆精准地把这句话识别为我给自己认领的待办，并给出了行动建议——
方案已经敲定，你的导读和必看定稿决定了内容调性，建议提前跟思文对齐初筛清单的交付时间。
这意味着大圆 很好地 理解自然语言对话中隐含的任务分配关系。
六
那么问题来了，大圆只是一个更高级的聊天总结工具吗？
其实不止，它一个很重要的特点 是跨会话记忆和上下文关联。
我来讲第四个案例，这也是整篇文章里我最想分享的。
我在和实习生思文的聊天中，把一份给券商做 分享 的PPT初稿发给她帮忙检查事实和数据。
然后我 和思文 聊天窗口里唤起大圆，问了一句：
“解读一下这个聊天中的文件，看看它是不是符合我之前答应人家的要求？”
注意，这句话里的“人家”非常模糊。
我说的人家可以是 这个聊天对象 思文，也 可以是任何人。
但大圆非常智能地理解了：我说的“人家”指的是昨天跟我沟通路演事宜的那位券商联系人
它是怎么判断的？
它去翻了我前一天和 券商联系人 的聊天记录，找到了我对她做过的承诺——
定位为产业趋势与商业模式分析、不涉及个股推荐、数据标注来源、材料提前审核。
然后大圆逐条对照检查了这份PPT，给出了5项核验结果。其中3项完全符合，2项需要改进。
它甚至细到指出了PPT中几页数据缺少来源标注的具体位置：第4页CPM约$60和最低$20万起投的数据建议标注出处，第5页Sam Altman态度转变的原话需要标注对应的采访或推文链接。
它还发现我在PPT中用了自己公司的简称，建议改为中性表述以避免在产生不当关联。
跨会话的语义关联能力，加上对模糊指代的准确理解，这 两点非常实用。
真的有一种聪明的助理的感觉。
七
看到这里，有些读者可能会问：大圆到底是怎么做到的？
答案就四个字：全域上下文。
企业微信天然沉淀了一个职场人几乎全部的工作数据：群聊消息、私聊记录、文档、邮件、日程、会议、通讯录。
当AI能够读取并理解这些数据时，它就不再是一个需要你手动喂料的工具了。
大圆更像是一个坐在你工位旁边、跟你共享同一个信息环境的同事。
你扭头说一句那个事儿怎么样了，他就能给你答案，因为他一直在看、一直在理解。
企业微信已经接入了超过1400万真实企业与组织，每天服务超过7.5亿微信用户。
大圆的上下文池子，理论上覆盖了中国商业世界中最庞大的工作关系网络。
八
说完了面向内部协同的大圆，再来聊聊面向客户经营的“服务总结”。
做过销售或客服的人都知道一个上头的痛点：
同时在服务几十甚至上百个客户，每个客户聊到哪了、意向高不高、上次答应了什么，全靠脑子记。
客户越多，信息越碎，脑子越不够用。
最常见的应对方式是什么？
CRM系统。但现实中大量一线销售对CRM系统的态度是：我知道应该录入，但太费时间了，能不录就不录。
服务总结做的事情，首先 是把CRM的信息录入这一步给自动化了。
你和微信客户正常聊天沟通，AI在后台自动分析对话内容，提取客户想要什么产品或服务、意向高低、关键需求点等信息。
你可以在聊天工具栏里一键调出总结，也可以不调，因为每天早上AI还会主动推一份“今日建议重点跟进客户”清单给你。
我用一段真实的对话来测试了服务总结的效果。
这段对话是我和一位券商联系人的完整沟通记录，涵盖了分享内容定位、听众构成、合规要求等大量细节。
服务总结生成的纪要非常到位。
它精准提取了分享主题是围绕OpenAI上线广告这一话题、听众是基金经理和TMT研究员、内容边界是基于公开资料不涉及个股推荐、时间节点是等对方发背景资料后推进。
这些要点分散在15轮对话的各个角落，靠人工整理至少要花10分钟仔细回翻，大圆可以在十多秒内 完成。
企业微信的独特之处在于它同时 连接了企业内部和外部客户。
这是一个非常关键的差异。
一个销售人员在企业微信里的工作场景是这样的：上午在内部群里和同事讨论产品策略，下午在客户群里和客户沟通需求，晚上给客户发了一份方案。
这三个场景的数据全部沉淀在企业微信里，大圆可以跨越这三个场景进行理解和关联。
从这个角度看，企业微信的AI在“内外协同”这件事上，天然拥有一个其他平台很难复制的结构性优势。
九
中国最大的客户服务阵地在企业微信。
零售、教育、金融、保险这些高度依赖客户关系的行业，客户的沟通记录全部沉淀在这里。
现在AI能直接读懂这些沟通记录，自动提炼客户需求和意向，每天推送建议跟进的客户名单。
这件事的价值有多大？
做过客户服务运营的人心里都有数，一个管理着500个客户的销售，靠人脑记忆和手动CRM录入，最多精细化服务其中50个。
AI介入后，500个客户的需求和进展全部可追踪、可提醒。
这个 杠杆 效率还是非常可观的。
十
最后说说我的整体判断。
企业AI的终极战场，核心 在 于 谁的数据更丰富、谁和用户工作流的结合更紧密。
企业微信坐拥1400万企业、7.5亿日服务用户、横跨内部协同和外部客户经营两大场景。
AI读取已有的数据就行了，用户不需要做任何额外的数据迁移。
我自己体验下来，大圆给我最深的一个感受就是：当你问它 都知道，而 你并没有告诉过它任何事。
这 背后 是长年累月沉淀在企业微信里的工作数据，这些数据以前只是被存储着，现在开始被 AI 理解了。
企业微信的AI走的是一条很务实的路——
不搞花哨的demo，就是盯着一线打工人最真实的痛点，帮你整理消息、帮你记住待办、帮你干掉那些每天重复 枯燥的 工作。
这条路不性感，但很实在。
完-
