今年云栖，我的 “同事” 是个 AI
9 月 22 日晚，云栖大会首日议程落幕。我把背包里十几份新闻通稿、现场手写笔记、实拍照片，还有几张拍糊的幻灯片一股脑丢给我的 AI 助理。两小时之后，它返还了三篇初稿、一份分工表，还有一份关键数据速查表。
第一夜：我把全部素材，直接交给 AI 处理
做科技媒体的人，大都体会过这样的窘境：白天辗转穿梭于各个展馆与论坛，结束之后，面对一大堆杂乱素材无从下手。现场照片缺少图注，幻灯片标注的参数又和新闻稿件对不上，整理工作消耗大量精力。
这次云栖，我尝试一套全新的工作模式：不再先自己梳理素材，直接把全部原始资料交给 AI。 它主要完成三件事： 第一，按照我的要求，将素材划分战略、算力、企业落地三条叙事主线，每条主线提炼核心钩子、独家关键数字、配图建议位； 第二，把散落在各处的技术参数整理成标准化速查表，每一项数字后面标注信息来源口径； 第三，输出一份发稿前核查清单，规避稿件事实错误。
真正改变我的不是写稿速度，是它三次拦住我的错误
AI 写稿的效率固然亮眼，但真正刷新我认知的，是它三次及时拦阻了我的表述偏差。
第一次，我看到部分转载标题写着 “真武 V900 性能提升 2 倍”，准备直接沿用。AI 立刻提出纠正：官方发布会口径为性能提升 3 倍，“2 倍” 属于外站转载笔误，同时给出三处交叉佐证：官方发布文稿、现场大屏展示、大会新闻通稿。
第二次，我引用吴泳铭的观点，直接写成 “机器思考总量不到人类的 3%”。AI作出提示：演讲原文是“大概不到人类的 3%”，“大概” 二字不能省略。这是演讲者给出的估算值，并未对外披露测算口径，并非权威机构的定量测算，去掉之后会改变信息性质。
第三次，我准备使用 “单集群 13 万卡” 这一表述。AI 比对资料后提示，该数值和官网产品页面存在表述冲突，建议优先采用大会演讲口径：十万卡级。
这三处都算不上颠覆性硬错，但属于新闻写作里非常关键的严谨性问题。那一晚核查清单一共标记 14 处待修正细节，我逐条核对修改完毕才收工。
AI 也会翻车，失败反而帮我们划清人机边界
也聊聊 AI 并不体面的短板：它无法解压 zip 压缩包，也不能直接读取 docx 文档。我那份标注 final 的完整素材包，它完全无法解析。最后我只能把文件转为截图与纯文本，再重新输入给它。
它同样不具备绘图能力，当我想要生成封面图，它只能输出 AI 绘画提示词，需要我自行调用工具生成图像。
但有意思的是，这几次 “翻车”，反而把人和 AI 的分工边界梳理得格外清晰。 AI 擅长做整理、口径核对、文本表达；而抵达现场、价值判断、最终署名，这些工作只能由人完成。AI 无法交付的部分，恰恰是媒体工作的核心本体。
重新审视：这位 AI 同事，到底是什么产品
我本次使用的是云栖大会参会助手「千仔」，底层能力来自千问办公。 结合这两天实战体验，对照本次大会官方发布，有几个关键信息值得记录。
千问办公在 8 月 3 日正式开启公测，是业内首款同时具备桌面端 Agent、云端 Agent、企业协同Agent 能力的产品。上线首月用户规模突破 3000 万，企业用户占比超过一半；9 月 7 日，进一步推出业内首个多人工作台，最高支持百人在线协同作业。
9 月 22 日下午千问办公专场，官方发布面向企业的全新能力：企业上下文（Enterprise Context）。 整场演讲的核心观点只有一句话：数据，是 Agent 真正走进企业业务流程最重要的前提。
阿里巴巴集团副总裁、千问办公 CEO 陈宇森的演讲主题为 Context is All You Need。 他点破行业一个现实困境：随着大模型与 Agent 能力持续变强，个体办公效率得到明显提升，但组织生产力并没有随着个人提效实现线性增长。核心症结在于 Agent 很难深度嵌入真实的企业工作流。
因此，企业级 Agent 落地，需要同时满足三点：懂业务逻辑、能够像人一样在组织内协同，每一次任务执行要有清晰边界、全程可追溯。 而「企业上下文」补齐的，正是行业缺失的这块基础设施家企业常年沉淀海量历史数据，但员工开展工作，并不需要全部数据，只需要和当前任务高度相关的信息；上下文还会跟随业务动态实时更新，保证 Agent 每一次执行任务，都基于企业最新真实情况作出判断。 据官方介绍，该能力搭载专属模型，可以用极低的 Token 成本完成企业数据压缩与处理。
执行底座也不止局限对话框：千问办公原生打通钉钉、飞书、企业微信等主流 IM 工具；浏览器连接器支持 AI 接管网页执行任务，搭配本地文件读写，就可以完成「网页抓取数据、导出本地 Excel、返回网页批量填表」这类跨系统复杂流程。使用期间切记不要手动操作页面，避免和AI 操作发生冲突。
如果说「企业上下文」解决的是组织内部数据如何喂给 Agent；同日发布 AI 硬件 QwenNote，则解决线下对话信息如何进入 Agent。
会议、拜访、访谈产生大量现场信息，过去都属于 Agent 无法触达的外部上下文。 QwenNote 首款硬件 A2 是一枚仅 67 克的录音卡片：搭载 6 麦克风，支持 8 米远距离拾音；内置 4G 模块，脱离手机也可独立工作；可连续转写 40 小时，待机最长 18 天。
记录结束之后长按 AI 按键，即可快速唤起千问办公，一句话就可以驱动钉钉生成消息、日程、待办事项。 它是钉钉 2025 录音卡片 A1 的迭代产品：A1仅实现录音、转写；A2 直接把转写结果变成 Agent 任务的入口。
还有一处很值得玩味的细节：录音数据加密上云，每次完成转写之后会物理删除原始音频文件，仅留存文字纪要。 一款主打 “完整记录一切” 的硬件产品，主动选择把原始音频彻底删除。这份取舍，恰恰就是上下文工程应当具备的边界感。
除产品发布之外，北大、浙大、复旦等高校也出现在本次传播视野中。当 AI 办公同时渗透企业业务流程与校园科研场景，它就不再仅仅是一个效率工具的故事。
我的三点核心判断
经过云栖大会这一轮实战，我形成三点直观判断：
第一，AI 接管的是重复性苦力工作：素材整理、事实核对、初稿撰写、生成图注。留给人的，是价值判断：哪些数字值得重点记录，哪些观点可以对外输出，哪些现场照片具备传播价值。这两天我省下来的全部时间，都用在了展馆走访、现场观察上。
第二，企业 AI 之间的差距，并不在于模型本身。Gartner9 月调研显示，85% 业务负责人计划持续加大 AI 投入，但是真正把 AI 落地跑通多个业务单元的企业仅占 22%。拉开差距的不是算力，而是上下文工程：那些滞后同步的消息、来回切换话题的群聊、留存多个版本的结论，这些现实场景才是最大阻碍。
第三，今年云栖最有价值的关键词，并不是某一款芯片型号，而是Context（上下文）被作为基础设施来建设。模型会持续迭代，芯片会不断换代；但一家组织日积月累沉淀下来的上下文资产，只会越积累越厚重。
第二天，云栖大会进场之前，我再次向 AI 提问：今天哪些论坛值得参与，请直接给出时间与楼层。
三秒，完整列表就推送过来。