下一代协作工具正在颠覆传统认知——AI正成为一等用户。这款AI原生协作工具彻底重构了文件组织逻辑，所有存储结构都为机器阅读优化，人类反而退居二线。本文将揭示这种设计范式如何解决飞书在AI协作上的短板，同时剖析其在多模态内容处理和RAG检索上的技术挑战。

你以为协作工具是给人用的对吧。

我之前也这么想。

直到我看到一款新型协作工具，才发现下一代协作工具的第一用户可能不是人，而是AI。

它的一等使用者是AI，人其实能看，但是它主要不是给人看的，主要是给AI看的。

所有文件的组织方式、存储逻辑，全是照着AI好读来设计的。

memory、skill、agent相关的结构直接明明白白摆在那里，方便AI直接调取记忆、用技能、理解整个项目。

人反而变成次级用户了，你甚至不用管那些触发器、底层结构，直接聊天问问题就行。

对比下来飞书反而像个老产品，所有逻辑都是给人设计的，AI最多帮你回答点问题，根本没法自己做事。

这类AI native协作工具是近几个月刚出现的新产品方向。

王自如上周的直播也花了两三个小时讲解相关内容。

我觉得这东西确实是未来的方向，比飞书更先进，目前还有较大创新空间。

但也有问题。

当前团队要做的知识库需要支持文本、视频、音频等多模态内容。

这类AI native协作工具的现有存储逻辑仅适配文本类内容，对需要分镜、预处理的音视频内容适配性差。

它的文件检索逻辑是传统的文件查找、推理、全文搜索模式，而非向量化检索。

对于可能获取的海量爬取数据来说，这种文件存储方式完全不适用，海量数据输入模型还容易引发幻觉。

必须额外增加搜索层做RAG。

多模态内容的存储思路是这样的。

底层存视频的元数据、分类标签和向量，上层仅给人展示需要看的内容。

不需要展示的AI相关结构做隐藏，部分有编辑权限的人可以修改内容。

业务文档可以和飞书做同步，作为业务知识库。

音视频内容的呈现可以通过内嵌链接的方式实现，AI只需要读取对应的元数据和标签即可，不需要读取复杂的交互页面源码。

数据源只能有一份。

要么和飞书实现双向同步，要么规定工具仅作为AI产出的载体，产出内容再同步到飞书。

绝对不能搞两份数据，不然到时候同步乱了要出大问题。

飞书本身比较保守，不会做太激进的AI改造，团队可以自己基于业务需求定制能力，不需要等飞书更新。

产品不需要替代飞书，只需要做飞书的补充。

飞书的文档创作、协作、格式美化、权限管理等体验是无法超越的。

我们聚焦于AI处理文档的场景，解决飞书AI能力弱、无法对接外部数据和自有工作流的问题。

其实我们干掉的是飞书这款产品里面它的AI做得不好的部分。

用户还是在飞书里写文档、做排版、开评审，写完了一键同步到我们的系统，剩下的AI写周报、做规划、拉业务决策这些脏活累活，全交给我们的Agent来干。

知识库采用文件系统的架构，目的是让人可以用自然思维编排内容的检索逻辑。

方便在提示词中指定检索范围，实现可控的RAG检索。

如果不用文件系统的话，我是没有办法告诉AI怎么在RAG里做检索，就没办法控制。

产品替代的是Obsidian这类个人知识管理工具，成为团队级的内容生产集合中心。

企业知识可以分成两类。

一类是经过整理的核心业务「金牌知识」，需要沉淀到专属知识库中。

另一类是泛知识，比如VPN连接方法、基建操作手册等，这类知识无需专人整理，适合通过内网搜索获取。

内容创作仅需要知识库中的精炼核心知识即可，泛搜索对个人办公有用，但不适用于垂类内容创作场景。