作者｜林易
编辑｜重点君
微信前脚发了个Agent“小微”，企业微信这边也出手了。
这次的主角叫大圆。
这是企业微信首次推出的原生AI智能助理，不用重新打开一个AI应用，也不用把聊天记录、文档内容来回复制。人在企业微信里，左滑一下，大圆就能被唤起。
虽然表面上看起来这只是少切了几个窗口的事儿，但若是放到真实工作里，差别就会被放大。
因为很多人现在用AI，流程大概是先在企业微信里看到一段群聊，觉得信息有点乱；然后复制出来，打开另一个AI工具，再追问一下问题，等AI给出结果，再把答案搬回群里、文档里或者表格里。
如果只做一次，这个流程还能接受。但企业日常工作很少只发生一次。群聊在变，客户状态在变，文档版本在变，会议结论也在变。每切一次工具，上下文就断一次；每补一次背景，人就要重新组织一遍问题。
大圆想解决的就是这个断点。整体来看，它天然的就有三大亮点：
首先，便捷性。
就像我们刚才提到的，我们只需要左滑一下就能唤醒大圆，省去了来回切换App的麻烦。
其次，是自然融入工作流。
正因为大圆长在企业微信里，所以它可以直接贴近用户正在处理的页面。你在群聊里，它知道你正在看这个群；你在文档里，它知道你要问的是这份材料；进入会议、邮件、待办等页面，也可以围绕当下内容继续提问。
第三，是企业微信天然连着微信。
这就让大圆的“视野”比一般AI工具更宽。它面对的不只有企业内部的文档、会议、邮件和群聊，还可能包括外部客户服务、供应商往来、加盟商沟通，以及销售过程里沉淀下来的客户需求和历史记录。
而且根据官方披露的数据来看，企业微信已经接入超过1400万真实企业与组织，每天服务超过7.5亿微信用户。
因此，当客户数据、销售记录、沟通历史和协同流程都沉淀在企业微信里，大圆能做的事情，是其他任何AI工具都做不到的。
那么大圆到底好不好用，我们用接近真实工作环境的案例做一波深度实测。
大圆能搞懂乱糟糟的群聊吗？
为了看大圆到底能不能接住真实工作流，我们找到了一个接近日常企业微信真实状态的群聊。
第一轮，我们先只看群聊。
这是一个非常日常的工作群聊内容，群里几个人分别同步了几位新能源汽车客户的情况。单独看，每条都不复杂；放在一起，就变成了销售团队早会前常见的那种“半成品信息”。
接下来，我们在群里左滑唤起大圆，让它总结刚才大家主要说了什么，并整理今天最值得优先跟进的3个客户，说明理由和下一步动作。
不到一会儿，基于刚才群聊的内容，大圆就已经整理好了我们要求的内容：
普通的群聊总结，通常会把每个人的话归纳一遍。但销售场景里，大家真正需要的不是复述，而是判断。谁最该优先跟，为什么现在要跟，下一步怎么做，这些才是团队马上能用起来的东西。
从这一轮的结果来看，大圆是已经抓住张先生、李志之、王女士这三个更值得优先处理的客户这种关键信息。并且是从散乱消息里读出这些业务信号，而不是简单按照谁被提到次数多来排序的那种。
第二轮，我们把客户服务记录也加进来。
群成员这次还上传了一个名为《新能源汽车客户服务记录合集》的文件，里面有更完整的客户需求、意向等级、成交卡点和建议动作。
随后我们继续问大圆，让它结合刚才的群聊和这份客户服务记录，做一版“今日客户跟进清单”，按优先级排序，输出客户、需求、成交卡点、负责人建议和下一步动作。
到这一步，我们给大圆的任务就从读群聊变成了整合信息源。
大圆要做的先是精准定位到群里刚刚出现的客户和文件的位置，然后把里面的历史服务记录连在一起，再整理成一张团队能直接用的清单。
这类能力在企业场景里很实用。因为工作信息很少只存在一个地方。客户在微信里问，销售在群里同步，历史记录在文档里，最终还要变成负责人当天的动作安排。
第三轮，我们继续加入项目说明书。
群里又上传了一份《Q3智能客户经营项目说明书》，里面包括项目目标、工作流、角色分工和晨会输出要求。
我们让大圆根据项目说明书和刚才的客户讨论，生成一段明早销售晨会口播，控制在1分钟左右，重点讲今天优先跟谁、为什么、每个人要做什么。
这一轮测试有一个小插曲，大圆第一次并没有识别到我们所说的文件，但当我们再次说“就是群里最新发的那个”这种口语化的表述，大圆最后还是精准找到并开始执行任务。
销售晨会的口头报告是要服务于项目目标，也要落到今天的客户动作。谁要报价，谁要确认库存，谁需要先安抚顾虑，谁不适合强推，这些都要放进同一套逻辑里。
从结果上来看，大圆已经把项目目标和具体客户动作衔接了起来，符合我们需求的预期。
第四轮，我们再加入表格。
这次我们上传的文件是《客户服务跟进智能表》，里面有客户来源、需求类型、意向等级、关键卡点、下一步动作和是否今日重点等字段。
我们让大圆读取这张表，找出今天必须优先处理的客户，并说明哪些客户存在漏跟进风险，最后整理成表格。
这一轮的测试其实是更接近销售管理的日常。
尤其是李志之这个客户，很适合拿来观察大圆的判断能力。他在群里并不是信息量最多的人，但“企业采购”“高意向”“3天未跟进”“领导等报价”几个信号叠在一起，就应该被识别成高风险、高优先级客户。
从结果上来看，大圆是轻松拿捏住了个需求。
最后一轮，我们继续往群里加入新的噪音和约束。
毕竟真实工作群不会在AI总结完之后就暂停，大家会继续补信息、修判断、改时间。所以我们这一轮的测试是十分必要的。
这一次，我们让大圆基于所有群聊、文件和表格，输出一版最终行动清单。里面需要包含客户、负责人、完成时间、回复话术和风险提醒。
这个任务测试的并非是总结群聊，也不只是读文件。大圆必须记住前面多轮信息，过滤掉无关噪音，提取时间节点，再把不同客户拆成不同动作。
可以看到，大圆成功把它压缩成一张行动清单，如此一来，销售工作人员就可以少翻记录，少丢信息，少靠人脑临时拼凑。
到这里，大圆在企业微信里的便捷性、能力价值就一览无余了。
或许很多人也有疑惑，同样的任务交给类似ChatGPT这样的AI，不也是可以的吗？
确实，我们也把第五轮的任务交给了ChatGPT，它给出的答案也是非常精准：
但从我们的操作方式就能非常明显看到如此操作的弊端——单独和另外的Agent说上下文，太麻烦。
我们得把群聊所有内容导出（长截图等方式），然后再把群里的文件挨个导出，最后一口气上传到ChatGPT里。单单是这一步，就且得浪费不少的时间。
而在企业微信里原生的大圆，就能做到少一些人工搬运背景，多一些对当前工作现场的直接理解。
毕竟企业AI要真正进入工作，最关键的就是能够无缝衔接你的工作场景，不需要你再解释一大段背景或复制粘贴文件，你左滑，唤起大圆，它能直接帮你干活了。
客户需求，不该只停在聊天框
通过上面的测试，我们知道了大圆解决的是人怎么在工作流里随手调用AI。不过往更深一层看，企业微信这次AI升级还碰到了一个更核心的场景，客户经营。
在真实工作场景中，销售、客服和运营团队每天都会遇到一个老问题，那就是客户太多、聊天太散。
每个客户上次聊到哪，想要什么产品，预算多少，意向高不高，卡在哪一步，这些信息往往分散在一段段微信沟通里。客户少的时候，还能靠记忆撑一撑；客户一多，翻聊天记录就变成了日常工作的一部分。
更麻烦的是，客户不会按照团队的管理节奏来表达需求。他可能上午问价格，下午问交付，隔天又补一句预算变化。所有信息都在聊天里，但没有自动变成销售能直接用的客户状态。
企业微信这次推出的服务总结，瞄准的就是这类问题。
从效果上来看，服务总结可以根据客户服务记录，自动总结客户想要什么产品或服务、意向高低、成交卡点和下一步建议。对一线销售来说，它更像是每次打开客户对话前，先弹出一张简短的客户状态卡。
比如面对一位正在考虑7座SUV的客户，销售不需要重新翻一遍聊天记录，就能快速看到对方预算、关注点、购车顾虑和下一步建议。这样一来，销售接话时就不容易断，也不容易把客户已经说过的信息再问一遍。
服务总结还有一个更主动的部分，每天推荐重点服务客户。
这件事对销售管理很关键。团队里真正容易漏掉的，往往不是完全没意向的客户，而是那些已经表达过需求、但因为消息太多被淹没的客户。如果AI能结合意向规则和跟进情况，把今天更值得关注的人圈出来，销售动作就会从“想起来再跟”变成“带着优先级推进”。
接下来的智能表格，则是接住了另一环。
服务总结从微信客户沟通里提炼线索，智能表格把这些线索变成可管理的数据。从效果来看，智能表格AI字段可以批量从文件中提取信息，也可以批量处理图片。放在客户经营场景里，客户需求、意向等级、成交卡点、下一步动作，都可以进入表格，成为团队协同和复盘的基础。
这样就形成了一条比较完整的链路。客户在微信里沟通，服务总结提炼需求和意向，智能表格沉淀成客户服务记录，团队再根据表格管理跟进节奏。
以往通用AI工具当然也能总结聊天记录、写一段话术、生成一份表格。但企业微信里的AI更靠近客户关系本身。客户沟通在哪里发生，AI就在哪里理解；服务记录在哪里沉淀，AI就在哪里继续参与整理。
从这个角度来看，大圆和服务总结不是两条线。
前者让员工在企业微信里随手调用AI，后者让客户沟通被AI理解、提炼和沉淀。一个提升工作流效率，一个提升经营流效率。它们合在一起，才更接近企业微信AI这次升级的完整方向。
从小微到大圆，腾讯把Agent放进沟通入口
我们把视角再拉开一点，企业微信推出大圆，还有一个同步出现的背景，微信端的小微。
小微在微信里，大圆在企业微信里。一个连接微信生态里的生活服务、消费决策、小程序任务和商家沟通；一个连接企业微信里的群聊、文档、会议、邮件、客户服务和经营数据。
两个产品场景不同，但方向是一致的。腾讯正在把Agent放进沟通入口。
过去一段时间，Agent被讲得很多。大多数产品的做法是给AI重新开一个入口，让用户进入一个新的应用里完成任务。这个路径确实也有它的价值，但问题也是比较明显，因为人已经被各种APP和工作系统切得足够碎了，如果AI还要求用户换一个地方做事，它就很难成为高频工具。
腾讯这次走的是另一条路径。
普通用户本来就在微信里聊天、购物、找服务、用小程序；企业用户本来就在企业微信里开会、发文档、跟客户、管项目。小微和大圆分别进入这两个场景，Agent就不用再重新争夺用户时间，而是直接长进已有的高频入口。
企业微信的优势，在这里会更明显。它同时连接企业内部组织和外部微信客户。一边是员工、群聊、文档、会议、邮件、日程和表格；另一边是客户、供应商、加盟商和服务对象。企业内部协作和外部经营沟通，天然在这里交汇。
这类入口，不是所有AI产品都能复制。很多AI工具能力很强，但它们往往缺少真实关系链和持续沉淀的经营数据。企业微信不同，它每天承载的就是企业和客户之间的沟通、跟进、服务与协作。数据不是临时上传的，客户关系也不是临时创建的。AI开始参与这些信息的理解和整理，才会更接近企业经营本身。
当然，进入真实工作流，也意味着更高要求。
当AI开始理解客户沟通、读取文档、整理会议、参与跟进，准确性、权限边界、数据安全都会变得更重要。企业不会只关心AI能不能总结，还会关心它有没有读对、有没有越权、有没有把建议说得过头。
所以，大圆真正的考验不会停留在“会不会回答”。更长期的考验，是它能不能在复杂企业环境里稳定处理上下文，尊重组织权限，并把结果变成可执行的工作动作。
它可以说是在重新安排AI和工作流的关系。AI不一定非要站在一个独立应用里等用户提问，也可以进入聊天、客户、文档、会议和表格这些高频场景，成为工作的一部分。
大圆之于企业微信，小微之于微信，都是在把AI从“能回答问题的工具”，推向“能参与任务的角色”。
从短期来看，这是一次企业微信AI能力升级；但若是从长期来看，Agent的竞争可能会越来越接近入口、上下文和真实业务流的竞争。
谁离用户的真实任务更近，谁手里有更完整的上下文，谁就更有机会让Agent真正干活。