千问办公上线刚满一个月，数据已经有点夸张了：

用户突破3000万。

其中：

超过一半来自企业用户。

从 8 月 3 日正式上线到现在，短短 30 天，千问办公一共完成了：

120 次版本更新。

平均：

一天迭代4次。

累计上线功能超过千项，国际版也已经同步推出。

但如果只看“3000万用户”，其实还没抓到这一个月最关键的变化。

千问办公正在补 Agent 真正进入企业后最麻烦的一块：

上下文。

一、企业真正缺的不是“更聪明的聊天机器人”

现在大模型已经足够聪明。

但一个 Agent 第一天进入公司，仍然可能什么都不知道。

不知道：

这个项目是谁负责；

客户上周说过什么；

最新版方案在哪；

哪个订单还没发货；

审批进行到哪一步；

库存还有多少。

这些信息明明都存在企业系统里。

只是分散在：

消息；

文档；

知识库；

会议；

审批；

邮件；

CRM；

ERP

里面。

所以企业 Agent 真正的问题越来越不是：

“模型聪不聪明？”

而是：

“它到底知不知道公司现在正在发生什么？”

二、MyContext：给Agent补一层“企业记忆”

8 月 17 日，千问办公开放了上下文基础设施：

MyContext。

它想做的事情可以简单理解成：

IM消息
+
文档
+
会议
+
审批
+
邮件
+
知识库
+
本地工作数据
↓
MyContext
↓
持续整理成工作上下文
↓
Agent调用

以前每打开一个新 AI：

又得重新上传资料、解释背景。

MyContext 则希望建立一层可以持续存在的：

工作上下文。

让模型和 Agent 知道：

你正在做什么；

和谁协作；

以前发生过什么；

相关证据在哪里。

目前项目公开数周，GitHub 已获得超过：

3000 Star。

三、这和普通RAG还不太一样

传统企业知识库常见的工作方式是：

文档放进去。

需要的时候搜索。

MyContext 想继续往前走一步。

它不只是存：

“公司有哪些资料”。

还会持续关联：

人物；

项目；

事件；

会议；

对话；

知识；

历史关系。

例如你直接问：

这个客户为什么突然要求延期？

Agent 可以继续去寻找：

历史沟通；

会议内容；

项目文档；

订单数据；

相关人员信息。

再把这些上下文组合起来。

所以它更接近：

Agent 的长期工作记忆层。

四、接上钉钉后，企业Agent终于能跨系统干活

千问办公现在已经和钉钉进行深度结合。

比如销售人员直接在钉钉里说：

查一下这个客户最近的订单、库存和历史沟通，判断有没有追加销售机会。

Agent 可以继续跨：

CRM；

ERP；

企业知识

查询数据。

最后再整理：

客户情况；

库存；

订单；

下一步建议。

用户看到的是一句自然语言。

背后其实已经发生：

理解任务
↓
读取组织上下文
↓
跨业务系统查询
↓
分析
↓
生成建议

这才更接近真正的企业 Agent。

五、Qwen3.8-Flash又把成本压了下来

企业 Agent 还有一个非常现实的问题：

太烧Token。

任务越复杂：

调用越多；

上下文越长；

成本越高。

8 月底，千问办公又联合模型团队推出：

办公专属版 Qwen3.8-Flash。

模型针对：

多步规划；

工具选择；

上下文压缩

等办公 Agent 场景进行专项优化。

在真实办公任务测试中：

单任务生成速度约提升100%。

同时：

Token平均消耗减少75%。

也就是说：

不仅要让 Agent 能干。

还得：

让企业敢放开让它干。

六、长安汽车已经把Agent塞进“研产供销服”

真正判断企业 Agent 有没有价值，还是得看：

现实业务。

目前包括：

长安汽车；

汇付天下；

传化集团；

中艺股份；

老乡鸡

等企业已经接入千问办公。

长安汽车的案例尤其直观。

例如线束选型。

一台车型可能涉及成百上千条线束参数。

过去资深工程师手工计算：

大约需要两天。

现在导入参数后：

5分钟左右即可输出结果。

这已经不是：

“帮工程师写一封邮件。”

而是直接进入了：

研发流程。

七、十几分钟的文件核查，现在压到1—2分钟

汽车出厂还需要核查大量随车资料。

例如：

合格证；

COC证书；

环保清单。

其中涉及几十项参数比对。

过去人工检查一辆车：

需要十几分钟。

现在员工可以通过千问办公开发的小工具：

拍照上传；

自动提取参数；

与公告数据比较；

标记差异。

时间降低到：

1—2分钟。

这种任务可能没有任何华丽的 AI Demo。

但对企业来说：

这类效率提升反而更有价值。

八、甚至不会写代码的人，也开始自己造工具

长安汽车还有一个很典型的案例。

一名拥有 13 年工作经验的质量体系管理工程师，此前：

没有写过代码。

借助千问办公，她自己做出了：

扫码转中文工具。

用于解决产线扫码设备无法直接识别汉字的问题，并已经在多个生产单位使用。

这其实说明 Agent 正在带来另一层变化：

以前企业数字化需求需要：

业务提需求
↓
产品排期
↓
开发
↓
测试
↓
上线

现在很多轻量需求开始变成：

懂业务的人自己做。

九、汇付天下则开始沉淀“数字资产”

金融和支付场景的重点又不一样。

汇付天下目前把千问办公深入用于：

知识库；

数据治理；

支付业务；

销售流程。

真正的价值不只是：

员工这次查询得更快。

而是把原本依赖个人经验的：

知识；

流程；

方法

逐步沉淀成：

Agent可以持续调用的数字资产。

这对企业来说会越来越重要。

因为员工会流动。

但如果：

知识 + Context + Workflow

能够留下来：

AI 就可以继续复用。

十、3000万用户背后，其实是企业AI方向开始变化

过去企业接 AI，第一阶段经常只是：

部署一个聊天机器人。

第二阶段开始做：

企业知识库。

现在则越来越往第三阶段走：

Agent。

区别就在于：

聊天机器人：

给答案。

知识库：

找到资料。

Agent：

理解企业上下文，然后直接去执行任务。

所以千问办公这一轮真正想搭的，并不是单独一个 AI 办公软件。

更接近：

大模型
+
MyContext
+
Harness
+
企业系统
+
工具
+
组织数据
=
企业Agent

这也是为什么上下文基础设施开始变得越来越重要。

结语

千问办公上线首月可以记住几组数字：

3000万用户。

企业用户占比超过一半。

30天更新120个版本。

MyContext：

GitHub 3000+ Star。

Qwen3.8-Flash：

单任务生成速度约提升100%。

Token平均减少75%。

长安汽车：

两天的线束计算缩短到5分钟。

十几分钟文件核查缩短到1—2分钟。

但真正值得关注的，可能不是这些数字本身。

企业 Agent 接下来真正的竞争，已经不只是：

谁的模型更聪明。

而是谁能够把：

企业里的消息、文档、人员、业务系统、权限和历史工作

整理成：

Agent真正可以理解和调用的上下文。

因为只有模型：

AI只是一个聪明的外部顾问。

当模型开始拥有：

企业上下文 + 工具 + 执行能力

以后，

它才真的开始像：

一个在公司里干活的数字同事。

相关链接

千问办公官网

https://qwenwork.cn/

千问办公帮助中心

https://qwenwork.cn/docs

MyContext GitHub

https://github.com/openTrinity/mycontext

Qwen3.8-Flash 官方介绍

https://qwen.ai/blog?id=qwen3.8-flash-next

千问AI平台

https://www.qianwenai.com/