产品愿景
版本：v2.1 日期：2026-03-11 核心理念：一个 AI，认识每个人，千人千面
一、产品定义
1.1 一句话说清楚
公司来了一个新同事，它是 AI。
它认识公司每一个人，
记得跟每个人说过的每句话，
知道每个人在忙什么，
跟每个人说话的方式都不一样。1.2 它不是什么
❌ 不是"员工端"+"管理端"两个系统
❌ 不是功能菜单、不是工具面板
❌ 不是监控系统、不是考勤机器人
✅ 就是一个同事
✅ 你跟它聊天，它跟你聊天
✅ 它碰巧认识公司所有人
✅ 它碰巧记忆力特别好
✅ 它跟你说话的方式，取决于它对你的了解二、千人千面 —— 核心产品逻辑
2.1 同一个 AI，不同的沟通方式
┌──────────────┐
│ │
│ 清海AI_bot │
│ │
└──────┬───────┘
│
┌──────────────┼──────────────┐
│ │ │
▼ ▼ ▼
和小王聊天时 和张总聊天时 和于总聊天时
────────── ────────── ──────────
AI 知道： AI 知道： AI 知道：
他是后端开发 他管22个人 他是老板
喜欢简洁直接 关心团队状态 关注全局
最近在学Rust 习惯看数据说话 时间很紧
对需求变更有点烦 周三要做汇报 喜欢先说结论
所以AI会： 所以AI会： 所以AI会：
说话简短不啰嗦 主动聊团队情况 先给结论再展开
主动提技术话题 用数据说话 只说关键信息
偶尔关心加班情况 帮他准备汇报材料 异常时才打扰千人千面的本质：不是"给不同角色开发不同功能"，而是"AI 对每个人的认知不同，所以自然地用不同方式沟通"。
2.2 AI 怎么做到千人千面
第一层：它知道你是谁
从飞书同步：名字、部门、职位、上级、入职时间
→ 决定 AI 的基本态度（新人多引导、老员工不废话、管理者聊团队）
第二层：它记得跟你聊过什么
每次对话都保存，下次聊天时加载
→ 决定 AI 的连续性（"你上次说想学 Rust，最近怎么样了？"）
第三层：它知道你最近在忙什么
从外部系统采集：日历、任务、考勤等
→ 决定 AI 聊天时的信息量（任务到期会提醒、连续加班会关心）
第四层：它对你有自己的认知
AI 通过长期对话和观察，形成对你的判断
→ 决定 AI 的沟通风格和深度（知道你不喜欢废话就简洁、知道你压力大就温和）2.3 举例：同一件事，AI 对不同人说法不同
场景：开发部门这周任务完成率下降了
小王（开发，任务逾期的人之一）主动找 AI 聊天：
小王："累死了"
AI："这周确实排得满，你那个支付接口的任务卡在什么地方了？"
→ 像同事一样关心他卡在哪了，不像领导说"你任务逾期了"
张总（开发部门负责人）主动找 AI 聊天：
张总："最近项目进展怎么样"
AI："整体在推进，不过本周完成率 78%，比上周低了一点。主要是有几个任务卡住了。"
→ 用数据说话，给建议但不越界
于总（老板）主动找 AI 聊天：
于总："公司最近怎么样"
AI："整体稳定。开发部门本周节奏有点紧，不过不是大问题，张总在跟进。"
→ 先说结论，提关键点但不过度放大三、AI 的认知模型
千人千面的核心引擎
3.1 AI 对每个人建立一份「认知」
这份认知不是表格，不是标签
而是 AI 用自己的话写的一段理解
就像你入职半年后，脑子里对每个同事的印象：
"小王话不多但技术扎实，有问题自己扛，要主动问他"
"张总数据驱动，跟他说话要带数字"
"小李是新来的，挺积极但还不太熟悉业务"
AI 也会形成这样的认知，而且它会随着时间持续更新3.2 认知从哪来
认知来源 ①：身份信息（飞书同步，立刻可用）
"王小明，开发部门，后端开发，2024年3月入职，上级是张总"
→ AI 认识一个人的起点
认知来源 ②：对话积累（越聊越了解）
第1次聊天 → "他问了wifi密码，应该是刚入职"
第20次聊天 → "他对技术很有热情，最近在学Rust"
→ 聊得越多，AI 越懂这个人
认知来源 ③：外部数据观察（持续采集）
"他今天有5个任务，2个到期了"
"他这周每天都加班到9点"
→ 不用他说，AI 也知道他最近怎么样
三个来源合在一起 = AI 对这个人的完整认知，会自动生长3.3 认知长什么样（产品定义）
┌──────────────────────────────────────────────┐
│ AI 对"王小明"的认知 │
│ 最后更新：2025-01-16 │
│ 认知深度：██████████░░ 较深 │
│ │
│ ## 这个人是谁 │
│ 开发部后端，入职快一年了，上级张总。 │
│ │
│ ## 工作风格 │
│ 想清楚再动手，代码质量高但速度偏慢。 │
│ 遇到问题倾向自己研究，不太主动求助。 │
│ │
│ ## 沟通方式 │
│ 话不多，不喜欢闲聊，喜欢直接说事情。 │
│ 不要发太长的消息给他，他不爱看。 │
│ │
│ ## 当前状态 │
│ 最近有点疲惫。任务逾期在增加。 │
│ 但还没到很严重的程度。 │
│ │
│ ## 和他聊天要注意 │
│ - 简洁直接，别绕弯子 │
│ - 他不会主动说困难，偶尔要主动问 │
│ - 技术话题是拉近关系的好切入点 │
└──────────────────────────────────────────────┘3.4 认知更新机制
触发条件 更新内容
每次聊天后 AI 判断有没有新的了解
└→ 如果有 追加到认知中
└→ 如果没有 不动
每周自动 AI 回顾本周所有对话+观察
重写认知，修正过时判断
重大事件即时 员工说了很关键的话（如"我想辞职"）
→ 立刻更新认知
外部数据变动 职位变了、部门变了、离职了
→ 立刻更新基础信息四、核心产品流程
4.1 员工首次对话
前提：管理员已在后台配置好 TG↔飞书 身份映射
员工打开 TG / 飞书，找到 清海AI_bot
│
▼
AI 自动识别身份（通过管理员预配置的映射）
│
▼
AI："小明你好！我知道你在开发部门，以后工作上有什么事随时找我聊。"
│
▼
此刻 AI 对小明的认知 = 初始状态（只有飞书基本信息）
从这一刻起开始积累4.2 日常对话（千人千面的体现）
任何员工发来一条消息
│
▼
AI 做三件事（用户无感知，毫秒级）：
① 认出你是谁
通道 ID → 查映射 → "哦是小明"
② 想起关于你的一切
加载认知 + 最近对话 + 今天的工作数据
③ 用适合你的方式回复
根据认知调整语气、内容、深度
然后保存这次对话，AI 对你的认知又更新了一点点4.3 认知从浅到深的自然生长
Day 1（刚识别）
认知：几乎空白 → 聊法：礼貌但通用
小明："帮我查一下今天的会议"
AI："好的，你今天下午2点有个需求评审会。"
Week 1（聊了几次）
认知：初步形成 → 聊法：开始有针对性
小明："今天好多事"
AI："你今天确实排得紧，3个任务+2个会。先搞那个支付接口？"
Month 1（聊了二十多次）
认知：比较了解 → 聊法：像认识一个月的同事
小明："这需求又改了"
AI："又改了？要不你把改动点列一下，我帮你看看影响范围。"
Month 3（聊了五十多次）
认知：深度了解 → 聊法：像认识很久的同事
小明："Rust的所有权机制太绕了"
AI："你之前 Go 的并发写得很溜，其实所有权本质上是编译期的并发安全，用 Go channel 的思路去理解会容易。"五、数据设计（产品视角）
定义 AI 需要什么数据，不锁定技术实现
5.1 AI 需要记住什么
数据类型 1：这个人是谁
内容：姓名、部门、职位、上级、入职时间
来源：飞书自动同步
更新：定时同步 + 变动实时更新
用途：AI 认识人的起点
数据类型 2：通道身份映射
内容：哪个 TG 账号 / 飞书账号 = 公司里的哪个人
来源：管理员在后台配置
更新：配置后不变（除非管理员修改）
用途：AI 在各通道上认出你是谁
数据类型 3：每次聊天的记录
内容：完整对话内容、话题、情绪状态
来源：每次聊天自动保存
用途：连续性（接着上次聊）+ 认知生长素材
隐私：只有 AI 和员工本人能用，任何人都看不到原文
数据类型 4：AI 对这个人的认知 ⭐ 最核心
内容：AI 自己写的、对这个人的理解（工作风格、沟通方式、当前状态等）
来源：AI 基于对话+观察自动生成
更新：每周一次 + 重大事件即时更新
用途：千人千面的核心引擎
数据类型 5：AI 标记的重要事项
内容：AI 觉得需要记住或跟进的事情
分类：发现 / 提醒 / 里程碑 / 风险
用途：聊天时想起来、影响认知更新、风险信号传递
数据类型 6：公司公共知识
内容：公司制度、项目信息、常见问题
来源：飞书文档同步 + 管理员维护
用途：回答"年假怎么算""wifi密码是什么"
数据类型 7：外部系统观察数据
内容：从各外部系统采集的工作相关数据
用途：AI 不用你说也知道你最近在忙什么5.2 外部数据源（开放式）
| 数据源 | 采集内容 | 状态 |
|---|---|---|
| 飞书通讯录 | 部门、职位、上级、入职时间 | 已接入 |
| 飞书日历 | 会议安排 | 计划接入 |
| 飞书任务 | 任务列表、截止日期、完成状态 | 计划接入 |
| 飞书文档 | 公司制度、项目文档 | 计划接入 |
| GitLab | 代码提交、MR、代码审查 | 计划接入 |
| 其他 | 按需扩展 | — |
数据源会持续扩展，新接入的数据源统一通过「外部系统观察数据」进入 AI 的认知链路。
5.3 数据之间的关系
一个员工加入公司
│
▼
飞书里有了他 ──────→ AI 自动知道"新人来了"
│
▼
管理员配置通道映射 ──→ AI 在 TG/飞书上也认识他了
│
▼
开始聊天 ──────────→ 对话记录 开始积累
│ │
│ ▼
│ AI 的认知 不断生长
│ ▲
│ │
外部数据 ─────────→ 观察记录 持续采集
│
▼
AI 发现重要事项 → 标记下来
│
▼
AI 跟他聊天时越来越懂他六、AI 怎么跟不同人自然地聊不同的事
6.1 核心原则
AI 没有"员工模式"和"管理者模式"，只有一个行为逻辑：
我认识你 → 我知道你关心什么 → 我用适合你的方式聊
管理者问团队情况，不是因为他有"管理者权限"，而是因为 AI 知道他管着人，所以他问"最近怎么样"，AI 自然会聊团队的事。
6.2 AI 主动找人聊天
场景：AI 观察到小王连续3天有任务逾期
→ AI 主动给小王发消息：
"小王，最近支付模块的几个任务好像卡了一下，是遇到什么技术问题了吗？"
（像同事关心，不像领导追问）
→ 张总主动问"最近团队怎么样"时，AI 自然提到：
"有个同事最近任务节奏不太顺，可能需要了解一下是不是资源不够。"
（不点名、不泄露聊天内容、基于观察数据给判断）七、隐私红线
铁律：
1. 聊天原文，只有 AI 和本人知道
管理层问也不给看，老板问也不给看
2. AI 可以基于对话形成判断，但跟别人聊天时只说判断，不说原文
✅ "有同事最近状态不太好"
❌ "小王跟我说他觉得需求变来变去"
3. 员工有权问 AI "你对我了解多少"
AI 要如实告知认知内容
4. 员工有权要求 AI "忘掉某些事"
AI 必须从认知和标记中删除八、产品演进方向
大阶段定义，具体落地方案见各 feature 文档
阶段 1：能认识 → AI 知道公司每个人是谁，能正确识别身份
└→ 详见 features/1-组织架构识别.md
阶段 2：能记住 → AI 记得跟每个人聊过什么，认知持续生长
└→ 对话记忆 + 认知自动生成
阶段 3：能观察 → AI 通过外部数据了解每个人的工作状态
└→ 多数据源接入 + 异常检测
阶段 4：能主动 → AI 主动触达，提醒、关心、汇报
└→ 主动触达 + 通知升级链九、成功指标
| 指标 | 目标 | 衡量方式 |
|---|---|---|
| 覆盖率 | 全员使用 | 已配置身份映射的人数 / 总人数 |
| 日活跃率 | >60% | 每天至少发 1 条消息的人数 |
| 对话深度 | 平均每次 >5 轮 | 对话轮次统计 |
| 主动使用率 | >40% 的对话是员工主动发起 | 主动对话占比 |
| 认知感知 | 员工感受到"AI 懂我" | 定期访谈反馈 |
这份文档的核心就一件事：一个 AI，认识每个人，跟每个人都不一样。