飞书AI使用体验复盘：一次“按量计费”生产力工具的真实测试

 by：我&DeepSeek

背景

近期在工作中有机会使用飞书的AI功能（智能体Aily、知识问答等），经过一段时间的深入使用，梳理了一些真实体验和观察。算不上什么最终结论，但多少也是一份可供参考的实验记录。

核心问题：不透明且不可预测的成本模型

飞书AI采用的是“时间+用量”双轨订阅制——有有效期，同时还有用量配额（月配额/Tokens）。实际操作中，全程不显示单次调用成本、不提示当前用量、不设预警线，直到配额耗尽才通知“已用完”。你不知道每次调用花多少钱，不知道返工重试要搞多少轮、会叠多少次计费，不知道查询不同数据源的成本差异有多大。整个使用周期里，用量和成本始终处于一个不透明的状态。

合理的企业AI定价，个人认为应该是“仅时间”模式：按月付费，不限调用次数，使用者不需要在每次使用前思考“这值不值”。注意力应该放在任务本身，而不是成本的核算上。

功能体验记录

知识问答

确实能直接对接企业知识库检索，这是它区别于通用AI的核心功能。但问题在于：在生产力场景中，目前所有AI生成的内容都需要人工二次确认——飞书AI同样做不到免人工。

实际使用中，可行的流程更像是：先用知识问答拉出企业知识库的初版素材，然后复制到外部通用AI（免费的）做进一步整理和润色，其间反复来回、手动修剪，把AI生成的内容和自己人工调整的部分来回穿插，最终才可能得到可用的结果。

换句话说，飞书AI在企业内部知识检索上有价值，但也仅限于“提供初版”这一步，后面的环节可以被免费工具替代或辅助完成。

智能体（Aily）——重点吐槽对象

初期体验很好，能完成一些复杂的任务（例如协助部署QQ桥接服务器，全程我一行代码都没写）。但随着使用深入，问题逐渐暴露：

第一，不可控的工作范围与不可逆的操作后果。 你很难在对话中精确控制智能体做多少事、做到什么程度才算停。你不仅不知道它要做多少、已经做到哪一步了，更重要的是，你无法撤销它做过的操作。它有两种典型的失败模式：要么在中间卡住，对话挂在那里一直转圈，拿不到结果；要么一口气做过头，生成了大量不必要的变更，越做越错。最麻烦的是，你没法“回退”到开始之前的状态。等你想回头修复的时候，它做的修改已经散落在各个地方，你根本不知道它到底动了哪些东西，也不知道该怎么把那些烂摊子改回去，只能眼睁睁地看着它把屎山越堆越高。而如果你选择只跟它“对话”、不调用飞书的集成功能，那它和免费AI就没有本质区别——甚至还更不灵活。

第二，不稳定的工具调用与极度脆弱的指令通道。 智能体对飞书内部API的调用极不稳定，经常出现错误调用、版本选择错误等问题。尤其是与飞书交互最核心的bash指令，三天两头说崩就崩。有时候智能体自己都会意识到问题，试着诊断，但最终只能给出一个令人哭笑不得的结论：“对不起，本来能完成的，但bash崩了，连最基础的whoami都用不了。”连系统指令都跑不起来，就更别指望它能稳定地帮你调用飞书功能了。最典型的案例是拿它更新群公告：前前后后搞了将近十个版本，全用了错误的bash指令——直到最后它自己才意识到版本错了。即使纠正后成功访问到群公告，新的问题又不断冒出来：该改的不改、不该改的乱加，而且很多错误我明明在对话里提醒过，它还是照样做错。返工率高、浪费时间、消耗额度。

整体来看，智能体看起来强大，实际投产边际成本极高，属于“大而不当”的典型。

另外两个功能——智能纪要和妙搭——使用频率极低，几乎没有产生任何实际的效率增益，在此仅作为记录，不做深入评价。

几点观察

1. 按量计费的AI在生产力场景中天然存在矛盾 你需要在用之前先算成本，但成本本身就是不可预测的——你不知道要返工几轮、不知道一次对话会触发多少操作。这在“提高效率”这件事上恰恰是反效率的。

2. AI输出的特性决定了它不应按量定价 所有AI生成的内容都需要人工确认——这不是飞书的问题，是当下所有AI的共性。既然都要经过“生成-确认”这一层，按量计费的生产力工具在逻辑上就难以自洽。

3. AI靠谱程度整体有限，付费并不能买到“免确认” 实测下来，飞书AI和其他免费AI的准确率并没有本质差别。你付费买到的只是“它可以调用企业知识库”，而不是“它比免费AI更可靠”。

一个初步判断

正常人用AI的逻辑，本来就应该避开商业化的，把tokens当炮弹的主战场，只用免费或者成本可控易于核算的AI工具。 按量计费的AI更适合“少量、偶尔、不重要的场景”，作为轻量辅助工具存在。而真正适合生产力环境的AI工具，是固定订阅制、不限调用次数的模式——使用者不需要在每次使用前权衡“这值不值”，返工成本也更可控。这才是AI本应起到的作用：给人类省下那些低效率但又不得不做的脑力劳动，而不是背道而驰，增加低效率且本就不必要的脑力负担。

最后的备注

关于这套AI涉及的功能边界、使用限制、调用方式、权限配置等方面的细节，我前前后后都踩过一遍了。如果团队内有其他同事想尝试或评估类似工具，可以提供一些参考建议——毕竟这个坑踩过一遍，能帮别人省点时间和脑汁也是好的。