百度文庫網盤，押注工作流里的超級智能｜甲子光年

當AI真正觸及復雜的工作流，衡量“超級智能”的標準，正從抽象的模型參數，轉向結果交付的穩定性。

作者｜周悅

編輯｜栗子

4月27日，百度文庫網盤在AI DAY上發布通用智能體GenFlow4.0，并首次集中展示GenFlow融合OpenClaw后的新進展。

這次更新的指向十分明確。一方面，GenFlow4.0試圖讓AI更深地介入Word、Excel、PPT等基礎辦公軟件，更深度打通從內容激發、生成到排版交付的完整鏈條；另一方面，GenFlow在兼容OpenClaw后，將Agent引入個人云端工作區與團隊空間，使AI能夠直接讀取、分析、整理文件，并實質性地參與團隊協作。

通用智能體GenFlow4.0，圖片來源：百度

這兩個更新分別錨定了不同的痛點。前者旨在擴大單兵作戰的業務半徑，后者則嘗試讓AI沉浸入復雜的文件流與任務流，推動人機之間、甚至多智能體之間的全向協同。

過去兩年，AI行業的主線敘事是“更聰明的模型”，但真實需求正在向實用性收斂。在實際使用中，用戶更關心一份報告能否直接調取數據成稿，或者一堆散落的表格能否一次性轉化為可視化的匯報材料。

當AI真正觸及復雜的工作流，衡量“超級智能”的標準，正從抽象的模型參數，轉向結果交付的穩定性。

1.智能體工作流的現實需求

“超級智能”并不是一個新概念，但在當下的AI競爭中，它正在被賦予不同含義。

OpenAI傾向于塑造“數字勞動力”以接管認知工作；Anthropic押注“科學加速”，期望強AI在生物醫療等領域成倍放大人類的研發效能；Google DeepMind則堅持將AI置于物理現實與科學發現的交叉點，強調其對復雜系統的解析與行動力。

與此同時，圖靈獎得主Yann LeCun多次指出，單純依賴大語言模型，很難實現對物理世界的理解與長期規劃能力。

盡管巨頭們的愿景各異，但行業的共識正逐漸收斂于一組務實的核心能力：理解復雜任務、靈活調用工具、連接數據孤島，并在持續反饋中完成流程閉環。

由此，“智能體工作流（Agentic Workflow）”作為更貼近現實的形態開始顯現。對普通用戶而言，一套能切實把活干完的系統，遠比一個全知的問答機器更有價值。

以“智能體工作流”為坐標系重新審視，百度文庫網盤的演進路線就顯得清晰且必然。文庫天然沉淀了結構化內容與創作場景，網盤則承載著海量的文件資產與協作網絡。當這兩大基本盤被同一套底座打通，AI便不再是一個單點的“內容生成器”，而是一條縱貫“知識檢索、文件處理、結果交付、內容消費”的完整工作鏈條。

GenFlow 4.0兼容 OpenClaw，正是這條鏈路從概念走向執行的關鍵錨點。

這種進化的核心特征，是系統開始掌握“自決權”。百度集團副總裁、個人超級智能事業群總裁王穎告訴「甲子光年」在內媒體，GenFlow 4.0最核心的變化是“把模式選擇收回給模型”。在3.0時代，系統還會將任務模式、記憶模式等選項擺在臺面供用戶挑選。而4.0的邏輯是直接深度理解用戶需求、全自動進行意圖識別與規劃。

這一技術動作的轉變，反映了智能體工作流的關鍵：真正的自動協同，意味著用戶無需再費時思考“何時該調用何種能力”。當系統能夠基于用戶目標，自行判斷是直接生成文本、調用特定工具，還是調度多個已有 Agent 并行運作時，它在形態上就告別了傳統的對話框，轉變為一個自動調度的工作中樞。

換句話說，這種進化讓超級智能得以跳出ChatBot的限制。AI 的運轉中樞不再是聊天記錄，而是轉向了用戶長期沉淀的文件資產。系統扮演的角色演變為一套會判斷、懂分工、能執行的復雜任務網絡。

2.接手辦公的中間工作

做匯報是最典型的辦公場景之一。

尋找資料、撰寫文檔、清洗數據、調整排版，即便有AI輔助生成局部圖文，真正消耗精力的，依然是跨工具的復制粘貼與格式對齊等細節。

GenFlow4.0瞄準的正是這段長期存在的“中間工作”。其核心抓手Office Agent將PPT、Excel、Word統合進一條任務鏈。

例如，在處理行業報告時，Word Agent負責長文生成和編輯，Excel Agent跨格式提取、分析數據并完成計算、制圖、寫公式，PPT Agent則負責最終的內容和視覺呈現。對于用戶而言，文檔、表格和PPT不再需要割裂處理。

為什么GenFlow4.0會把Office能力做深？王穎的判斷很直接：“Office是一個剛需，用戶使用高頻，且對質量要求極高。”因此，百度文庫網盤不是在給辦公軟件疊加一個聊天入口，而是把AI推向錯誤成本更高、也更接近交付結果的環節。

具體到功能層面，PPT Agent區分了專業與創意模式，以適應嚴肅匯報或視覺展示，并可以一鍵排版美化，在遵循原始內容的基礎上優化視覺、版式、層級；Excel Agent提供了基于自然語言的數據提取、圖表繪制、公式計算；Word Agent則在萬字長文生成以外，將觸角延伸至排版、校對與格式統一。

GenFlow4.0 PPT創意模式，視頻來源：百度

GenFlow4.0 Excel生成，視頻來源：百度

單項功能或許并不炫技，但被整合進連續的任務鏈后，AI 的角色從提供點子進化為把控交付。

另一方面，GenFlow兼容OpenClaw則為中小團隊協作提供了新解法。

面對當下大量的三五人小團隊或者一人公司（OPC），他們不需要繁冗的考勤報銷系統，更渴求單純的生產力提升。

網盤推出了“獨立工作區”功能。用戶授權文件夾后，AI可直接在云端分析、整理并回寫數據，輔以歷史版本記錄以控制操作風險。同時，用戶可一鍵部署7×24小時在線的Agent，電腦手機絲滑聯動，并調用各項專業Skills。

GenFlow兼容OpenClaw后的文件總結和分析，視頻來源：百度

為驗證這套模式的可行性，百度網盤目前已在千余家組織中進行灰度測試，吸引了超6000家企業與24萬開發者入駐。這種協作模式在攝影、傳媒、營銷等“任務雜、鏈路長”的行業中效果尤為明顯。

以品牌傳播為例，一場活動結束后的數百張原片，如今可通過指令觸發多個數字員工并行處理，完成人臉歸類、剔除廢片、風格修圖并匹配新聞稿，將原本耗時一天的多人協作壓縮至數分鐘。在短劇出海等場景中，這種并行處理同樣將長達數周的工作流縮短至小時級。

GenFlow兼容OpenClaw后的短劇工作流，視頻來源：百度

GenFlow兼容OpenClaw后的電商工作流，視頻來源：百度

這種效率提升的前提，是底層數據的無縫流轉。百度個人超級智能事業群國內業務部負責人鐘昊指出：“這套機制能跑通，核心在于‘無感的數據同步’。用戶不需要先把幾GB的東西下載下來，再漫長地傳到另一個剪輯軟件上。打通云端與本地后，系統直接在虛擬環境中調度各項工具開始干活。”

3.從能力突圍到系統工程

如果說GenFlow4.0和其兼容OpenClaw展示的是“AI如何開始干活”，那么更深層的問題是：為何是在當下發生？

答案并非單一模型的技術突變，而是整套基礎架構長期疊加的結果。

首先是豐富的業務數據。在大模型語境中，數據通常被理解為訓練語料，但在文庫和網盤的場景里，數據更接近于工作現場。

目前，百度文庫擁有超18億份專業文檔，百度網盤服務超10億用戶，使用空間總和超1000億GB；整個GenFlow的月活用戶已超過1億。文庫對應公域知識，網盤對應私域資產，兩者的交匯為AI構筑了具備充足上下文的真實任務環境。

其次是系統調度能力。滄舟OS扮演了樞紐角色，它將分散的資料、記憶與數百項Agent能力統合，賦予了系統在知識庫、編輯器與工具間平滑切換的執行力。

同時，精準的執行能力離不開底層記憶與調度機制。百度個人超級智能事業群應用研發負責人楊在申告訴「甲子光年」，系統提取了包括用戶畫像、上下文邏輯、全域興趣印記在內的三層信息。基于這些數據，系統通過算法進行意圖切分，從而在控制算力消耗的同時，讓AI真正做到“懂你要什么”。

這種底層系統工程的構建與產品路徑的演變，并非一蹴而就。從去年4月GenFlow1.0試水多智能體協作，到2.0打通跨端生態，再到3.0強化全局記憶，直至如今4.0強化Office執行、全向協作。

“這個產品路線圖從來沒有變化，”王穎強調，“團隊一開始想做的就是通用AI，只是受限于模型和工具演進，沒有辦法一步走到那。”在她看來，從內容生成到 Office執行，是沿著用戶需求持續推進的必然結果。

最后，是真實用戶驗證。國民級應用的龐大基數，構成了天然的復雜任務測試場。根據公開數據，文庫智能PPT突破3400萬的月訪問量，網盤AI筆記上線首月的500萬用戶，這些非標、含糊且極具個性化的真實交互，持續反向驅動著系統調優，逼近可交付的工業狀態。

今年年初，百度對內部組織架構進行調整，成立了個人超級智能事業群（PSIG），文庫網盤的業務協同被提升至新的戰略高度。在王穎看來，升級為獨立BG后，最大的變化在于戰略格局的打開。資源的充沛與決策的獨立，讓團隊能以更清晰的路徑向“通用智能體”這一終局持續迭代。

在這個通往終局的競技場上，各大Chatbot應用都在將服務鏈路做寬；而百度的路徑，則是憑借數據資產壁壘，從垂直場景做深做厚，把服務鏈條打磨到極致。

讓AI真正融入工作流，是數據、系統架構、產品定力與真實場景共同作用的綜合工程。這也印證了行業的風向邏輯：當技術脫離了參數競賽，決定超級智能能走多遠的，終究是它在真實生態系統中長效運轉的能力。

(封面圖：AI生成）