百度文库与网盘正通过AI重构，从搜索升级转向全链路交付。本文基于2026 AI产品大会演讲，解析如何将问、搜、读、编、创、存、享串成闭环，让网盘从被动存储变为主动服务，并探讨通用智能体与技能生态的取舍之道。

面对 AI 浪潮，文库和网盘没有只做一次AI接入升级，而是重新追问用户真正要完成什么。在 2026 AI产品大会现场，百度个人超级智能事业群国内业务部负责人钟昊老师做了名为《把Agent搬到数据里——文库网盘的AI产品设计哲学》的演讲，分享了团队如何把搜索、阅读、编辑、创作、存储和分享串成一条交付链路，如何让被动的云空间变得更主动，以及在速度、深度、标准化、自由执行和用户习惯之间做取舍。本文也记录了嘉宾从 workflow 到通用智能体、从产品重构到技能生态的实践判断。

以下内容根据现场音频和演示材料整理，Enjoy：

大家好，我今天想讲讲百度文库和百度网盘怎么做 AI 重构。

2023 年到 2024 年，我们开始迎接这轮 AI 浪潮时，我最直接的感受是，所有产品都得迎头赶上。对我和团队来说，当时一直在琢磨的就是：两个老产品怎么开出新花，AI 重构到底从哪里下手。

先说文库。很多人一想到它，脑子里还是 21 世纪初那种老页面：上面有很多资料，有用户分享的经验和文档。我们当时问了自己一个很直接的问题：如果什么都不做，AI 已经能够生成模板、生成资料，也能在需求端直接给用户一个答案，那文库是不是就没有存在的必要了？

——所以对我们来说，AI重构从来就不是一道可有可无的选择题。

再看我们手里还有什么。用户依然有很强的使用习惯，会来这里搜索、查找、分享；很多长期合作的用户，也在这里沉淀专业知识和经验。我们当时有一个判断：不管到了什么时代，人的经验和人的知识始终重要。即使 AI 能替我们执行，我们还是要做判断，而判断来自人的审美、品味、经验和知识。我们首先要做的，是看看还能为这些来这里获取资料、获取经验的用户多提供什么。

当时文库页面最显眼的位置是搜索，下面是各种入口，再往下才是内容和知识库。可用户真正要的不是一个页面，也不是来这里当百宝箱一样搜一遍。他可能是白领，老板交给他一项任务，他要拿出结果；也可能是学生，要准备论文、筹备社团活动。别人的经验和资料只是他完成事情时要经过的一环，他最后需要的是自己的成品、自己的交付。

所以我们说产品一定要有价值增量。这个增量不是多出几个功能，而是用户原来怎么做、现在怎么做，两种体验之间有没有拉开差距。只有把用户真正想完成的事往前推进，老产品才有新的位置。

一、Prompt Engineering火了，但我们没有只停在搜索升级

把一次交付展开，里面既有问，也有搜和查阅，还要编辑、创作、存储、分享。今天回头看，这些环节里很大一部分都可以由 AI 串起来；但在 2023 年做这个选择时，并没有那么清晰的路径。那时最火的是 prompt engineering，甚至有人预测以后会有提示词工程师这个职业。现在看，它已经变成一个很基础的操作环节，当时我们完全可以顺着这条路走：给文库搜索做一次升级，让它搜得更准、更快。

我们没有停在这里，而是沿着用户的链路继续往后跑。我们开始做编辑组件，让用户来到文库以后，能和 AI、编辑器一起完成交付；也考虑怎么提供更好的云服务，把云上和本地、个人使用和更广的内容服务打通；还去做当时 AI 能力范围内比较极致的交付，比如长文档和 PPT。

这个选择等于把原来很短的搜索环节拉长。用户不需要先在文库搜一份范文，下载到电脑，再换软件一句句修改；也不用为了写一份东西，在几个软件之间来回搬。问、搜、读、编、创、存、享要尽量接在一起，最后落到用户能拿走、能继续修改的成品上。

2023 年，我们比较早地推出了第一代 AI PPT 和 AI 研报。现在类似能力已经很多了，但我们当时想得很清楚：要从模板和知识库里跳出来，直接走向交付。文库从 2023 年开始重构，团队一直围绕交付往前走。AI 不只应该能聊天、能说话、能陪伴，它还要成为一个用户能够放心把事交给它、最后把活干出来的角色。

二、网盘要从被动存储变得更主动

网盘大家可能更熟悉，用户把个人资料存到云空间，很多团队和公司也会用云空间存自己的资料。它面临的问题是：被动访问。用户不会像刷短视频一样高频访问网盘，往往是在某个时刻存下一大堆东西，再在后面很长一段时间里逐渐消费、使用和回访。

我们当时就在想，AI如果能做到让用户更主动地回访，甚至能让产品在合适的时候主动触达用户，网盘里原有资产的价值就不只是沉默的数据，它可以围绕用户长期、反复地提供服务。

我们先看用户每天在网盘里干什么，无非是上传、下载、分享、备份。

可这些动作都不是目的：

• 用户下载资料，可能是为了自己使用；
• 上传，是为了以后再来消费；
• 分享，可能是在交作业，也可能是给同事、朋友共享资源。

如果产品只记住他点过上传或下载，后面的事情没有在产品内闭环，我们就不知道他究竟要完成什么。

上下文是一个分析路径。一个用户每到学期末都会找老师要求阅读的资料，他这次下载，很可能是在备考。一个用户最近一直关注股票相关内容，他备份、分享的资料，也可能是在为自己的研究做准备。AI 要先总结内容、发现重点，再结合我们过去做出的通用能力，才有机会把后续任务接上。

用户角色也是一个分析路径。他可能在准备考试，也可能是家长、创业者或者设计师。文库重构时做过编辑器、剪辑器、阅读器和代码编辑工具，这些能力到了网盘里，可以和用户自己的资料、记忆、知识串在一起。备考用户拿到资料后，希望立刻生成日常练习卡；看学习视频的人，希望直接形成笔记和思维导图。只有后面的任务接起来，上传、下载、分享和备份才不只是四个孤立动作。

三、不要教育用户迁移，要把Agent放进数据里

整个产品还经历了从固定 workflow 到通用智能体的过程。早期我们必须规定 AI 能做什么、按什么顺序做。面对用户非常丰富的资料和很多不同意图，这种工作方式不够灵活。后来我们开始做通用化建设，把 AI 变成真正的智能体，也把已有能力做成标准 skill。早期的 AI PPT、后来的剪辑和图片处理能力，都要完成 skill 化，智能体才能按不同需求组合它们。

能力可以迁移，用户习惯却很难靠教育来迁移。你在日常文件管理或文件处理的位置强行加一个 AI 入口，效率往往不会很高。我们更愿意顺着用户原来的路走，结合他每天在做的工作，把 AI 接到连续动作的后面。他在相册里，就在相册里接上剪辑、美颜和图片处理；他在知识库里，就在资料旁边接上办公能力。

这就是我们说的，把 Agent 搬到用户的数据里。用户用听记，AI 可以记录内容并生成笔记；做练习和试题，可以直接调用练题能力；在相册里，可以加工、编辑、整合或生成图片；看学习视频时，可以形成笔记、总结和思维导图。这些场景原本就在用户的资料和日常操作里，AI 顺着这些连续动作渗透进去，用户才会真正使用。

这些能力积累起来以后，我们又开始考虑，能不能进一步打通文库和网盘的生态，让通用智能体成为一条主线，把公域内容、私域内容和用户自己的资料串起来。用户的动线往后延伸，AI 才能做更长的任务。过去三年，AI 从单点、单任务、单轮对话走到 workflow，再走到智能执行有限任务的垂类智能体，后来又能依靠更强的规划和执行完成范围更大的任务。我们的升级也一直跟着这个变化走。

今年我们又对通用智能体做了一次大的升级，希望它成为文库和网盘更通用、更强的 AI 基座。前面做出的阅读、编辑、创作、存储和资料理解能力，不再各走各的，而是由同一个智能体串起来。数据和 Agent 化 AI 碰在一起以后，生产力才会从一次单点回答，变成围绕用户资料持续完成任务。

四、通用不等于一把推，所有能力都要做取舍

通用智能体做得越深，要平衡的事情越多。第一组是深度思考和快速交付。早期用户用 AI，处理的往往是短文本。他要写一份发言稿，期待半分钟或者一分钟就拿到。现在 AI 能力边界扩大，深度思考的场景多了，用户又希望它理解自己的场景和需求，反复推演以后给一个靠谱、专业的结果。

这两件事不能只靠用户自己选。我们需要比较强的路由能力，结合他的上下文、个人场景、数据、记忆和使用习惯，判断这次任务应该快一点，还是应该想得深一点。否则能力很好，但上线以后耗时很长，用户一直等；最后结果即使更精美、更专业，用户可能已经走了。

第二组是标准 workflow 和自由执行。workflow 能比较短平快、标准化地输出，保证交付在底线以上，也节省用户的成本和等待时间，但它不够自由。还是拿 AI PPT 来说，一个标准 workflow 可以很快生成一份 PPT；可用户只想修改其中某一页的某个图标，它可能一次做不到，反复尝试也不一定能完成。要扩展自由执行的边界，实现路径就会变，付出的成本也会变。

产品里的很多模块都在做这种判断。有些让用户主动选，有些靠我们对用户的理解，有些靠对场景的理解，最后决定走哪条路、交付什么。不能把最强、最贵或者最理想的方式一把推给所有人。这样做可能遇到用户不适应、成本失控、用户不理解，老用户也可能在这个过程中流失。

老产品有自己的地心引力。技术上要继续往前探索，但用户已经在产品里形成认知和习惯，我们必须尊重。做通用智能体，也是重新理解自己的产品和用户，再让技术和这些真实场景做更细颗粒度的 PMF。

五、技能可以流通，但网盘首先是一个靠信任建立的产品

现在我们有了 4.0 版本，通用智能体可以和更多场景结合。用户能够结合自己的资料做视频生产、Office 移动办公、练题和学习。这些任务并不是在一个新产品里从零开始，而是在用户已有资料上继续加工。新产品没有太多包袱，用户上来就知道它能做各种任务；老产品不一样，有些用户会不理解，有些人会觉得多此一举。所以能力进入老产品以后，仍然要给用户引导，也要真正交出让他满意的结果。

我们也在沉淀技能库。AI 变聪明以后，技能更多是在抽象并沉淀人的经验、知识。我们把自建技能、第三方技能、用户技能收集起来，让它们能被调用。老文库给人的印象，是用户上传、下载、分享和使用资料；我们希望再往前走一步，让用户也能使用和分享技能，把自己的经验以 skill 的方式在平台上流通。这个能力目前（演讲时）还处于内测，后面也需要和第三方一起建设技能生态。

不过，网盘首先是一个基于信任建立的产品。用户因为信任你，才愿意把数据、资料、经验和知识留在这里。今天做所有 AI 化的事情，都要避开可能破坏信任感的部分，去加强能增加信任感的部分。除了通用智能体、资料和技能库，我们也在做用户记忆，让智能体越来越懂用户，让用户和 AI 在交互中逐渐积累对彼此的了解。

我们还准备把通用智能体 GenFlow 作为独立产品——库库AI推出，把文库、网盘的云盘和通用智能体能力整合起来，更直接地服务用户。对我们来说，它是从老产品重构里积累经验、做出 AI 能力，再把这项能力重新孵化出来的过程。

回头看过去两三年的判断，我最有感触的有三点：

1. 做应用真正的壁垒是数据和场景，是用户对产品的信任，也是他因为信任你，愿意把数据、经验和知识沉淀在这里。
2. 老产品做 AI 重构，直接教育用户很难，还是要顺着他的场景，把前后的链路延伸出去；先更好地满足他，才可能在新链路上获得机会。
3. 用户在问卷或访谈中说出来的话，并不等于他的最终需求。

有一个很经典的例子：用户要的不是更快的马车，甚至不是汽车、飞机或火车，他要的是直达目的地。如果今天有一个传送门，他真正要的是传送过去。这个目的里，哪些能由 AI 实现，哪些要由 AI 和具体场景一起实现，才是我们要反复平衡和打磨的东西。

传统产品做重构，每一步都不容易。既有要创新的部分，也有要平衡的部分；既要尊重老用户的习惯，也要引导和吸引新用户。走到现在，我们基本把 AI 的技术路线走了一遍。未来还是希望用更好的能力和更合适的场景体验，给用户提供更靠谱的服务。

谢谢大家。

大会专题（可查看所有嘉宾精彩分享）：

https://www.woshipm.com/topic/2026-ai-bj