AI机器人与业务机器人并不是互斥的产品类型：AI机器人强调通过大模型理解自然语言、分析内容和生成回答，业务机器人强调连接OA、ERP、CRM、MES等业务系统，查询真实数据或推动业务处理。同一个业务机器人可以接入大模型，成为具备自然语言理解能力的AI业务机器人。除此之外，普通规则机器人适合固定指令和消息通知，知识库问答适合查询企业制度和内部资料，AI Agent则可以围绕目标拆解任务、调用工具并组织多步骤执行。企业选择时，应根据业务目标、数据来源、执行权限和实施成本决定如何组合这些能力。
以小天互连为例，企业可以通过全局机器人、定时机器人、自定义Webhook机器人、问答机器人和AI机器人等能力，将员工、组织、消息、大模型、知识库和业务系统连接起来。员工可以在单聊或群聊中使用AI问答、群聊总结和文件分析，也可以通过机器人、主动消息、交互式消息卡片和Callback参与业务协作。
企业IM中的机器人不一定都需要大模型。传统机器人已经可以通过预设规则、业务接口和事件触发完成通知、查询和流程引导。接入大模型以后，机器人增加了自然语言理解和内容生成能力；进一步连接知识库和业务系统后，又可以承担知识问答和业务协作任务。
首先需要明确一个概念：AI机器人和业务机器人不是同一维度的分类。
AI机器人强调智能处理方式，业务机器人强调业务职责和系统连接。前者回答"如何理解和处理信息"，后者回答"连接什么业务、完成什么任务"。因此，一个业务机器人完全可以同时具备AI能力。
普通机器人主要根据开发者配置的触发条件执行任务，不一定需要大模型。
例如，员工向机器人发送：
"查询订单10086。"
机器人识别预设指令后，调用对应业务接口，返回订单信息或详情链接。
如果监控系统检测到服务器异常，也可以通过Webhook触发机器人，将告警消息推送给指定人员或群组。
这类机器人适合：
小天互连提供全局机器人、定时机器人、自定义Webhook机器人和问答机器人等功能。全局机器人可以接收员工消息并依据预设规则响应；定时机器人按照预定计划发送消息；自定义Webhook机器人可以连接外部服务，在特定事件发生时触发相应操作。
AI机器人的核心是通过大模型处理自然语言，而不是只能识别提前定义好的固定指令。
例如，员工可以询问：
这类需求通常没有唯一固定的回复格式，需要模型理解上下文并生成相对灵活的结果。
小天互连支持对接DeepSeek、豆包、Kimi等大模型，也提供智能助手类应用，例如OA使用助手、小天互连使用助手、合同智能助手和填单助手等。具体可用模型和助手能力应以实际部署版本及接入方案为准。
普通大模型可以回答通用知识问题，但不一定了解企业内部最新的制度、产品资料、项目文件和业务规范。
企业知识库问答将经过整理的制度文件、产品手册、技术文档、FAQ和项目资料接入知识服务。员工提出问题后，系统检索相关知识，再由大模型组织回答。
例如，员工询问：
"公司的差旅住宿标准是多少？"
系统可以检索经过授权的企业报销制度，再由AI整理相关规定，并提供知识来源供员工核验。
知识库问答需要可靠的知识来源、检索能力、访问权限和持续维护机制。仅仅接入大模型，并不意味着模型已经掌握企业内部资料。
业务机器人关注的是如何把IM消息入口与企业实际业务连接起来。
例如：
业务机器人可以使用传统规则程序，也可以接入大模型和Agent。它并不天然具备自主决策能力，具体能查询什么、能执行什么，取决于业务接口和授权范围。
| 对比维度 | 普通规则机器人 | AI机器人 | 知识库问答 | 业务机器人 |
|---|---|---|---|---|
| 核心作用 | 按规则执行 | 理解和生成 | 基于企业知识回答 | 连接业务系统 |
| 主要触发 | 指令、定时、Webhook | 自然语言提问 | 自然语言提问 | 指令、事件或AI意图 |
| 数据来源 | 规则和接口 | 模型及授权上下文 | 企业授权知识 | OA、ERP、CRM、MES等 |
| 输出形式 | 固定消息、接口结果 | 动态生成内容 | 基于知识的回答 | 业务数据、查询结果、操作反馈 |
| 是否依赖大模型 | 不一定 | 通常需要 | 通常需要 | 不一定 |
| 是否需要业务接口 | 视场景而定 | 视场景而定 | 不一定 | 通常需要 |
| 典型场景 | 通知、提醒、告警 | 总结、分析、内容生成 | 制度问答、产品知识查询 | 订单查询、审批流转、工单处理 |
一句话总结：普通机器人解决规则触发，AI机器人解决自然语言理解，知识库问答解决企业知识检索，业务机器人解决业务系统连接与操作。
群聊AI总结和固定格式消息通知都可以出现在企业IM群聊中，但两者的内容来源、触发方式和使用目的不同。
群聊AI总结主要处理已经发生的沟通内容，固定格式消息通知主要传递预先确定或由业务事件产生的信息。
例如，一个项目群每天有大量讨论，员工可以通过群聊AI总结提取项目进展、重要结论、待处理事项和未解决问题。
但如果考勤系统每天上午需要向员工发送签到提醒，或者MES发现设备异常后需要向运维群发送告警，就更适合使用规则机器人或业务事件通知。
| 对比维度 | 群聊AI总结 | 固定格式消息通知 |
|---|---|---|
| 核心作用 | 理解和归纳讨论内容 | 传递通知和业务事件 |
| 内容来源 | 授权的群聊上下文 | 预设模板或外部业务事件 |
| 触发方式 | 员工请求、@机器人等 | 定时任务、Webhook等 |
| 输出形式 | 动态总结、分析和提炼 | 固定格式或结构化消息 |
| 典型场景 | 项目总结、讨论归纳 | 考勤提醒、设备告警、订单通知 |
| 是否需要大模型 | 通常需要 | 通常不需要 |
小天互连公开的AI能力包括单聊总结、群聊总结、企业知识库问答、文件与合同分析等场景；机器人功能则支持定时消息、自定义Webhook和问答交互。
因此，企业不需要把所有通知都交给AI生成。固定内容和规则明确的消息，使用传统机器人通常更直接；需要理解多人讨论、提取上下文和归纳结论时，再使用AI总结。
这两者也需要区分。
普通聊天机器人可以根据预设规则和接入接口处理消息，不一定具备企业知识检索能力。知识库问答则需要连接企业维护的知识资料，并在授权范围内检索相关内容。
例如：
一句话总结：群聊AI总结负责理解已有沟通，固定消息通知负责传递明确事件；知识库问答查询企业知识，业务机器人查询业务系统中的实际数据。
企业不需要为了引入AI而将所有机器人都升级为大模型应用。选择时，应先判断业务目标、数据来源和执行要求。
| 企业实际需求 | 推荐能力 | 主要判断依据 |
|---|---|---|
| 定时发送工作提醒 | 定时机器人 | 触发时间固定 |
| 接收外部系统告警 | Webhook机器人 | 由外部业务事件触发 |
| 回复固定问题 | 规则机器人或问答机器人 | 问题和答案相对明确 |
| 总结群聊讨论 | AI助手 | 需要理解上下文 |
| 查询企业制度 | 知识库问答 | 需要检索内部知识 |
| 查询订单和库存 | 业务查询机器人 | 需要读取实时业务数据 |
| 分析业务并执行多步操作 | AI Agent | 需要任务拆解和工具调用 |
| 执行审批或修改业务数据 | 授权业务接口及审批流程 | 需要系统权限和操作确认 |
正式选型前，还应确认以下五个问题。
第一，机器人主要服务谁？
是单个员工、一个部门、一个项目群，还是跨部门业务组织？不同服务对象对应不同的机器人身份和使用范围。
第二，机器人主要处理什么数据？
是固定指令、企业制度、聊天上下文，还是ERP、OA中的实时数据？数据来源决定了需要连接哪些系统。
第三，是否真的需要大模型？
如果只是发送固定提醒或查询明确字段，规则机器人可能更合适。如果需要理解复杂表达、总结和分析，再考虑大模型。
第四，是否需要执行真实业务操作？
如果只需要回答问题，AI问答或知识库即可。如果需要修改业务数据、创建工单或推进审批，还需要Agent、业务接口和授权机制。
第五，结果是否需要人工确认？
涉及资金、合同、审批和生产控制等重要业务时，应设置人工确认、权限校验和操作记录。
小天互连支持通过机器人、群聊、消息卡片和开放接口承载不同类型的消息交互与业务连接。企业可以根据实际场景选择规则机器人、AI机器人或外部业务服务，而不是为所有需求部署同一种机器人。
AI助手和AI Agent都可以接入大模型，也都可能通过工具调用获取外部信息，但两者的主要定位不同。
AI助手主要帮助员工理解和处理信息，AI Agent则围绕目标拆解任务、调用工具并推进多步骤执行。
例如，员工询问：
"帮我总结一下这个项目的会议纪要。"
AI助手可以阅读授权内容，提取讨论重点、项目进展和待处理事项，并生成总结。
如果员工提出：
"帮我检查这个项目是否存在延期风险，查询相关订单和生产进度，整理风险报告，并创建负责人跟进任务。"
这就不只是回答问题，而是需要执行多个连续步骤。
AI Agent可以按照预设规则和授权范围：
| 对比维度 | AI助手 | AI Agent |
|---|---|---|
| 核心定位 | 理解问题并提供帮助 | 围绕目标执行任务 |
| 任务处理 | 问答、总结、分析 | 任务拆解、规划和执行 |
| 工具调用 | 可以具备 | 通常是核心能力 |
| 执行步骤 | 多以交互式任务为主 | 可以组织多步骤任务 |
| 结果形式 | 回答、建议、分析报告 | 执行结果和业务状态 |
| 典型场景 | 知识问答、会议总结 | 跨系统查询、任务流转 |
AI助手和AI Agent并不是严格互斥的技术分类。一个AI助手也可以具备工具调用能力，而一个Agent也可以通过对话形式与员工交互。真正的区别在于是否围绕目标进行任务规划、工具编排和连续执行。
企业使用Agent时，还需要明确它可以调用哪些工具、访问哪些数据、执行哪些操作，以及哪些环节必须等待员工确认。
一句话总结：AI助手侧重回答和辅助，AI Agent侧重围绕目标组织工具并推进任务。
企业知识库问答的效果，不仅取决于大模型，还取决于知识来源是否准确、内容是否及时，以及员工是否有权访问相关资料。
企业不应把所有聊天记录和历史文件直接当作正式知识，而应明确资料来源、维护部门和审核责任。
建议按照知识归属部门明确维护责任。
| 知识分类 | 建议维护部门 | 主要内容 |
|---|---|---|
| 人力资源知识 | 人力资源部门 | 考勤、福利、员工制度 |
| 财务知识 | 财务部门 | 报销、预算、财务规范 |
| 产品知识 | 产品部门 | 产品功能、操作说明 |
| 技术知识 | 技术部门 | 技术文档、故障处理 |
| 项目知识 | 项目负责人 | 项目需求、验收标准 |
每类知识还应明确资料提供人、审核人和更新责任人，避免出现制度过期、资料冲突或错误内容长期无人处理的问题。
第一步：整理可靠的知识来源。
优先整理经过审核的制度、产品手册、技术文档、业务流程和常见问题。
第二步：按照部门和业务范围划分知识。
企业公共制度、部门资料、项目文档和敏感业务资料应设置不同的访问范围。
第三步：建立版本和有效性管理。
关注文档版本、生效时间、更新时间和失效状态，避免AI继续引用过期内容。
第四步：持续检查问答质量。
定期检查检索结果是否准确、回答是否符合原始资料、是否存在不同文件之间的冲突，以及是否出现越权访问。
小天互连可以作为员工使用企业知识服务的即时通讯入口，支持通过AI问答和机器人交互连接企业已有知识服务。具体文档导入、自动同步、增量索引和知识审核能力，取决于接入的知识库平台及实际集成方案。
一句话总结：企业知识库不是简单导入文档，而是要明确资料来源、归属部门、审核责任、访问权限和持续更新机制。
企业接入大模型后，一个常见误区是认为只要员工能够使用AI，就意味着AI可以访问企业所有知识和业务数据。
这是不正确的。
大模型的推理能力不等于企业数据访问权限。企业需要分别管理模型调用范围、知识访问权限、IM使用范围和业务系统操作权限。
| 权限层次 | 核心问题 | 主要控制对象 |
|---|---|---|
| 模型权限 | 可以调用哪个AI服务？ | 模型服务和接口 |
| 知识权限 | 可以检索哪些资料？ | 知识库、文档和检索范围 |
| IM权限 | 谁能使用机器人、看到回答？ | 用户、组织、群组和机器人 |
| 业务权限 | 可以查询或修改哪些业务数据？ | OA、ERP、CRM、MES等 |
例如，销售经理在群里询问某客户的年度采购金额。即使提问人本人有权查看，群内其他成员也可能没有相同的数据权限。
因此，群聊AI不能只检查提问人的权限，还要考虑最终答案的展示范围。
企业应重点做好以下工作：
小天互连提供企业组织、账号、机器人和消息交互基础，并支持AI接入及业务系统连接。模型访问、知识检索和业务操作的具体权限，需要由相应模型平台、知识库和业务系统共同控制。
一句话总结：模型决定如何理解和生成，知识库决定可以检索什么，IM决定谁能使用和看到结果，业务系统决定可以查询和修改什么。
不能。
AI能够生成建议、分析业务信息，并不意味着它天然拥有审批、修改或删除业务数据的权限。
企业需要区分三种能力：
对于重要审批、资金支付、合同签署和生产控制等高风险场景，企业应建立以下安全机制：
| 安全机制 | 具体要求 |
|---|---|
| 身份认证 | 确认实际操作人身份 |
| 最小权限 | 只开放完成当前任务所需的权限 |
| 人工确认 | 重要写入、审批和资金操作由有权限人员确认 |
| 操作留痕 | 记录操作人、操作时间、操作对象和执行结果 |
| 异常处理 | 对重复执行、执行失败和权限变更设置处理机制 |
还需要明确三个边界：
小天互连支持通过交互式消息卡片展示业务数据、分析依据和操作建议，并通过Callback将员工确认、驳回或转交等结果返回Agent或业务系统，推动后续流程。
但具体身份认证、业务授权、审计日志和异常恢复机制，需要结合企业接入的业务系统及整体方案设计，不能将消息卡片或Callback本身等同于完整的业务安全体系。
一句话总结：AI可以辅助决策和发起业务操作，但不能绕过业务系统权限，也不能未经授权替代审批人员作出正式决定。
企业IM机器人真正的价值，不只是回答员工的问题，还可以将员工、AI、知识和业务系统连接起来，形成完整的协作流程。
以销售人员处理客户订单交付风险为例。
某销售人员发现客户近期询问交付时间，于是在企业IM中向AI助手提出：
"帮我检查一下这个客户的订单是否存在延期风险，并整理需要跟进的问题。"
整个过程可以分为七个环节：
第一步：员工在IM中发起需求。
销售人员通过个人会话或授权的工作群组向AI助手提出问题，提供客户名称或订单编号。
第二步：AI助手识别任务目标。
AI理解员工需要检查订单状态、生产进度和交付风险，而不是只回答一个固定问题。
第三步：Agent调用业务系统工具。
在获得授权的前提下，Agent分别调用CRM、ERP和MES接口，查询客户信息、订单状态和生产进度。
第四步：知识库提供制度依据。
系统检索企业授权的合同交付规范、订单异常处理制度和相关项目资料，帮助分析风险判断依据。
第五步：AI整理分析结果。
AI将查询到的业务数据和知识资料结合起来，整理出订单当前状态、可能存在的风险以及需要进一步确认的问题。
第六步：IM展示结果并请求员工确认。
小天互连可以通过交互式消息卡片展示订单信息、风险说明和建议操作。员工可以选择创建跟进任务、通知相关负责人，或暂不处理。
第七步：业务系统执行并返回结果。
员工确认后，Agent通过授权接口创建跟进任务，并将执行结果返回IM。若接口执行失败，则展示实际失败信息，由员工或管理员进一步处理。
整个过程可以概括为：
员工提出需求 → AI识别目标 → Agent调用CRM、ERP、MES → 知识库提供依据 → AI整理风险 → IM卡片请求确认 → 业务系统执行并返回结果。
各部分职责如下：
| 参与系统 | 主要职责 |
|---|---|
| 大模型 | 理解问题、分析信息、生成建议 |
| 企业知识库 | 提供制度、规范和业务知识 |
| AI Agent | 拆解任务、调用工具、组织多步骤执行 |
| 小天互连 | 连接人员、组织、机器人、消息卡片和人机交互 |
| CRM、ERP、MES | 提供真实业务数据和正式业务处理能力 |
这个案例是基于小天互连公开的AI业务连接能力构建的场景示例，并不意味着所有企业部署后无需配置就能直接完成CRM、ERP、MES的自动查询和任务创建。实际流程取决于企业接入的Agent、业务接口、权限及确认规则。
企业部署AI机器人没有一个适用于所有场景的固定价格。简单的消息通知与跨系统Agent项目，在模型调用量、接口开发、部署环境和后续运维方面存在明显差异。
因此，企业在评估成本时，不应只考虑大模型API费用，还应综合计算即时通讯平台、模型服务、系统集成、知识整理和长期运营的投入。
| 成本项目 | 主要影响因素 |
|---|---|
| IM平台成本 | 产品授权、用户规模、部署方式 |
| 模型成本 | 模型类型、调用量、上下文长度 |
| 部署成本 | 服务器、网络、存储和运行环境 |
| 开发成本 | API接口、机器人配置、业务流程开发 |
| 知识整理成本 | 文档整理、分类、权限和更新 |
| 运维成本 | 模型监控、知识更新、安全检查和故障处理 |
使用公有模型API的企业，需要关注模型调用量和Token消耗；内网私有化部署，则需要评估服务器资源、模型运行环境、网络和运维投入。
企业如果已经拥有统一AI平台、知识库和业务系统，可以优先复用已有资源，减少重复建设。
| 参与角色 | 主要工作 |
|---|---|
| 业务负责人 | 确认应用场景、业务规则和流程 |
| IT开发人员 | 对接模型、API和业务接口 |
| 系统管理员 | 配置机器人、组织和使用权限 |
| 知识负责人 | 整理、审核和维护企业知识 |
| 安全人员 | 审核数据访问、权限和操作风险 |
| 服务商或集成商 | 提供产品部署、系统集成和技术支持 |
小型项目中，一名人员可能兼任多个角色；大型企业则需要明确业务、技术、安全和知识管理的责任分工。
| 项目类型 | 主要工作 | 实施复杂度 |
|---|---|---|
| 轻量通知机器人 | 配置机器人、消息模板和触发条件 | 较低 |
| 简单业务查询 | 机器人配置、业务API接入和权限测试 | 中等 |
| 企业知识库问答 | 知识整理、接入、权限配置和效果测试 | 中等 |
| 多系统AI Agent | 任务规划、工具开发、跨系统授权和流程测试 | 较高 |
| 私有化复杂部署 | 环境准备、模型部署、网络、安全和系统集成 | 较高 |
这里的复杂度是项目工作量的定性参考，不代表小天互连的固定交付周期或官方报价。
主要取决于企业现有技术能力和项目复杂程度。
如果只是配置固定通知机器人，企业具备相关管理和开发能力时，可以自行完成配置。
如果涉及知识库接入、大模型API、身份认证和业务系统接口，通常需要IT开发人员参与。
如果进一步涉及多系统Agent、私有化模型部署、内外网隔离、复杂权限和高风险业务流程，则建议由企业IT团队与专业服务商共同完成方案设计和实施。
企业选择服务商时，应重点确认：
企业项目的报价通常取决于平台授权、用户规模、部署方式、模型服务、接口数量、知识库规模和定制开发范围。轻量机器人配置与多系统Agent项目的成本结构差异较大，应根据实际实施范围评估，不宜直接套用统一价格。
一句话总结：企业部署AI机器人，成本不仅是模型调用费，还包括IM平台、系统集成、知识治理和持续运维；项目越接近多系统业务执行，越需要专业的开发和安全设计。
可以。AI机器人强调大模型理解和生成能力，业务机器人强调业务系统连接和实际任务处理。一个机器人可以接入大模型，同时连接ERP、OA或CRM，实现自然语言查询和业务协作。
普通机器人主要按照预设规则、指令或业务事件执行，适合固定通知、标准查询和流程引导；AI机器人通过大模型理解自然语言，能够处理更加灵活的提问、总结和分析任务。
群聊AI总结根据授权的群聊上下文提炼讨论重点、结论和待处理事项；定时机器人按照预先设置的时间发送消息，适合工作提醒、定期报告和固定通知。前者侧重内容理解，后者侧重规则触发。
知识库问答主要检索企业制度、产品资料和技术文档，业务查询机器人则调用OA、ERP、CRM、MES等系统接口，获取动态变化的实际业务数据。两者可以组合使用，但不能互相替代。
建议由知识所属部门负责。例如人力资源部门维护人事制度，财务部门维护报销规范，产品部门维护产品资料，技术部门维护技术文档，项目负责人维护项目知识。同时应明确资料审核人、更新责任人和失效处理机制。
不能。模型接入不等于获得企业全部数据权限。聊天记录、群文件、知识库和业务系统数据应分别配置访问范围，并根据用户身份、群组关系和业务权限决定是否允许读取。
只有在企业开放相应业务接口、完成身份认证和权限授权后，Agent才可能执行对应操作。合同审批、订单修改等重要业务还应根据企业制度保留人工确认和操作审计。
不能直接将自然语言生成结果作为权威业务记录。订单、库存、审批状态等信息应以对应业务系统的原始记录为准。AI可以负责解释、汇总和分析，正式写入则必须经过业务系统校验，并以实际保存结果为准。
不一定。简单通知和规则机器人可以由企业自行配置；涉及模型接口、知识库和业务系统集成时，需要相应开发能力；涉及私有化部署、多系统Agent和复杂安全控制时，通常建议由企业IT团队与专业服务商共同实施。
企业IM中的普通机器人、AI机器人、知识库问答、业务机器人和AI Agent，解决的是不同层次的问题。
普通机器人按照预设规则、指令和业务事件执行消息通知、流程引导和接口查询；AI机器人通过大模型理解自然语言，完成问答、总结和内容生成；企业知识库问答将经过维护和授权的企业知识提供给AI检索；业务机器人连接OA、ERP、CRM、MES等系统，获取真实业务数据或推动业务操作；AI Agent则围绕目标拆解任务、调用工具并组织多步骤执行。
企业可以按照以下路径逐步建设：
小天互连通过全局机器人、定时机器人、自定义Webhook机器人、问答机器人和AI机器人等能力，结合统一AI问答入口、机器人身份、主动消息、交互式消息卡片、Callback、API、SDK和Webhook，连接企业员工、组织、大模型、知识库、Agent与业务系统。
员工可以在日常沟通中使用知识问答、群聊总结、文件分析和业务查询；Agent也可以在授权范围内请求人工确认，并推动业务系统继续执行。
真正有价值的企业AI机器人，不只是能够回答问题，还应该知道自己可以读取什么、能够执行什么，以及哪些操作必须交由有权限的员工确认。
产品功能依据
相关技术专题
