作者 | 文朋
项目管理始终是企业提升生产效率的重要抓手。
但长期以来，大多数项目管理工具解决的，更多只是记录、同步与协同层面的表层问题：把需求记下来，把任务挂上去，把流程放进系统里。
一旦进入真实业务深水区，排期是否合理、依赖是否清晰、风险能否提前暴露，仍然高度依赖人的经验去判断、协调和补位。这也带来一个尴尬的现实：尽管工具迭代多年，企业项目交付效率始终没有实现质变。
随着 AI 浪潮到来，越来越多企业开始尝试把 AI 引入项目管理，用于写总结、做分析、辅助排期等单点提效。但如果 AI 与项目工具之间仍只是“外部协作”关系，停留在流程之外，就很难触及项目管理最核心的执行链路。
正如飞书项目负责人洪涛在飞书项目生态日上所说，未来的工作场景中，很大一部分操作可能不再由人一步步点击完成，而是由 Agent 去操作软件。
这意味着，项目管理工具若想真正实现提效，就不能只负责“记录”，更要负责“连接”。只有当 AI 能够连接业务流程中的数据与上下文，读懂任务之间的关系、流程状态以及背后的业务语境，AI 才有可能深度参与风险识别与动作承接。
4 月 23 日，在飞书项目“生态日”上，飞书项目发布了一系列新能力，包括 MCP（模型上下文协议）、CLI（命令行工具）等底层开放接口，以及 AI 节点、AI 字段、原生 AI 助手等场景化能力。
这些变化释放出一个明确信号：飞书项目正在进一步结构化流程、数据与协作关系，让 AI 真正进入项目流程，使其成为一个能够承接 AI 落地的项目底座。
一、项目管理平台的需求，正被 AI 改写
如今，客户对项目管理平台中 AI 的期待已经非常明确：他们要的不是一个“会聊天”的助手，而是一个能够接入流程、参与执行、真正推动项目向前的能力。
“去年，很多客户在采购研发项目管理软件时，对 AI 的关注还没有这么强；但到了今年，AI 已经成为决策前必须评估的一项能力。”飞书项目商业化负责人杨波在接受采访时表示，如今在售前阶段，客户已经会主动了解 AI 能力、产品路线图，甚至直接做能力测试。
这背后反映出，企业对 AI 的需求正在从“会生成”转向“会执行”。在项目管理场景里，客户当然希望 AI 能写总结、做分析，但更核心的期待，是它能真正进入流程，更早识别风险，承接文档撰写、数据录入、状态维护等高频重复工作，帮助团队持续推进项目。
而在这方面，飞书项目已经做了较为充分的准备。
过去几年，飞书项目持续帮助客户把需求、缺陷、流程、节点、状态等信息结构化沉淀下来。对 AI 来说，真正关键的从来不只是模型能力，而是是否具备高质量、可读写、可治理的数据基础。
与此同时，由于飞书项目并不是一套写死的标准数据模型，而是允许客户根据自身业务去定义和配置工作项、流程、字段和表单等。这意味着，AI 在飞书项目面对的是更贴近真实业务现场的结构化、语义化信息，也更容易理解上下文并准确执行动作。
这也是飞书项目能够承接 AI 落地的重要原因。根据 2026 年赛迪报告，在 2025 年销量前十的新能源乘用车品牌中，已有 7 家选用飞书项目；在软件研发管理 SaaS 和 IPD 管理 SaaS 领域，飞书项目也分别以 46.8% 和 68.6% 的市场份额位居第一。
值得注意的是，飞书项目此次在生态日上推出的一系列新能力，正是在进一步释放这种“执行力”。
二、飞书项目将平台重构为更“AI 友好”的基础设施
这次发布中，一个值得关注的信号是，飞书项目正在围绕“AI 友好”推动平台演进。从产品视角看，其底层架构已呈现出明显的“面向 AI 重构”的方向。
例如，为了让 AI 更深入地进入真实业务流程，飞书正式开源了“飞书项目 CLI”。
它是一款命令行工具，能够帮助个人或 AI 工具更高效地访问和操作飞书项目中的各类数据。基于这项能力，AI 可以在授权范围内完成与飞书项目相关的读取、查询、创建与更新操作。
例如，AI 可以查询待办、需求、任务、评论、工作流和排期等信息；查看工作项详情、当前状态及流程节点；创建需求、任务和子任务；更新标题、优先级、状态、评论等字段；还可以在关键修改前先生成预览，确认后再执行。
一旦 AI 进入真实项目流程，它面对的就不再是单轮问答，而是大量高频、低成本、可自动化的操作需求。CLI 的价值，恰恰在于提供了更强的批量处理能力、更稳定的调用链路，以及更低的 token 消耗。
尤其是“渐进式披露更省 token”这一设计，很能说明飞书项目对 AI 真实使用场景的理解：它考虑的并不是 demo 能不能跑，而是当调用规模放大后，成本和稳定性是否依然可控。
如果说 CLI 是 AI 的“手”，那么 MCP（Model Context Protocol）的优化，就是在为 AI 提供一套更适合调用项目系统的“语义标准”。
它的意义并不只是把 OpenAPI 再包装一层，而是围绕 AI 的调用方式，重新设计了一套更适合智能体使用的接口体系。
一方面，它支持更安全的授权方式，让 AI 能在可控权限下完成数据读写；另一方面，它的数据传导方式也更自然，不再过度依赖 ID、Key 这类 AI 容易出错的参数；同时，查询语言更接近 SQL，从而降低了 AI 理解和生成查询的门槛。
更重要的是，它并不是简单地“把数据交给 AI”，而是更贴近任务场景地告诉 AI：哪些是待办，哪些是已办，哪些与个人相关，哪些与团队相关。目前，飞书项目 MCP 已提供 40 多个工具，并仍在持续扩展。
至于开源通信协议 AAMP，它解决的则是平台应用、本地 Agent 与不同运行环境之间的通信协同问题。
这意味着，在 Agent 连接这件事上，飞书已经开始从技术底层打通链路，让 Agent 不只是停留在平台内部，而是能够与企业现有的 AI 工具、本地环境和工程系统实现真实联动。
三、在开放能力之上，飞书项目把 AI 接入了流程骨架
如果说 CLI 和 MCP 解决的是“连接”问题，那么 AI 节点、AI 字段与 AI 助手强化的，就是 AI 如何真正深入项目流程并承担具体执行任务。
其中，AI 节点的意义尤其突出。它让 AI 从流程外走进流程内，成为流程中的一个行动单元，帮助团队厘清复杂项目中的流程关系与环节职责，并承担预审、分析、测试用例生成等明确工作。
更关键的是，飞书首次取消了“要想使用开放能力，必须由管理员先安装”的限制。节点负责人可以直接把自己负责的节点转化为 AI 节点，让 AI 协助任务完成；如果效果不理想，还可以重新运行并持续优化。
AI 字段功能也迎来了更适配项目管理的更新。
过去，很多 AI 的使用方式本质上仍停留在个人 prompt 技巧层面，经验散落在个体手中，既难复制，也难规模化。
这一次，AI 字段则把这件事往前推进了一步：它把一次性指令升级为一种带模板、带应用市场、带快速创建能力的开放形态。企业既可以把有效经验沉淀下来，也可以先在视图中临时使用，而不必一开始就贸然写回正式字段。
至于原生 AI 助手，作为开箱即用的通用 Agent，则被打造为飞书项目 AI 能力的统一入口。
它可以直接围绕项目管理的核心场景提供官方能力：无论是快速生成报告、洞察项目风险、创建需求、完成节点流转，还是了解产品功能用法，都可以通过这一入口完成。
更重要的是，在整个分析过程中，它始终只会在授权范围内、基于用户可读取的数据进行分析与生成。用户也可以把任务交给它处理，即便关闭页面，它仍然能够继续执行。
从这些能力可以看到，飞书项目正在构建一种更贴近真实业务、也更具 “AI 原生”特征的应用模式。
在真实项目环境里，传统平台通常是“少数人配置、其他人使用”；但 AI 应用的扩散路径并不是这样。AI 落地往往会经历一个更现实的过程：试点、调整、小闭环、扩展、标准化。
真正困难、也真正有价值的，正是把一次次局部提效沉淀为组织级能力。
飞书项目的独特之处在于，它正在把这一过程完整接住：个人和小团队可以低门槛试点；试点过程中可以按项目、按角色灵活调整；经验成熟后，可以进一步沉淀为模板、流程和 SOP；再往后，还能推广到团队、部门乃至整个公司。
四、开放能力开始转化为真实成果
一个平台是否真正跑通，不能只看它发布了多少能力，更要看这些能力是否已经长出真实成果。
一个很强的信号是，去年飞书项目开放平台上已经出现了 100 多款 AI 相关应用，而且其中很多并非官方开发，而是客户自行构建的。
这说明飞书项目的开放底座已经足够成熟，足以让一线团队先跑起来。这也解释了为什么 MCP 和 CLI 的推广会比较快：并不是平台单向推动，而是那些最有 AI 意识、最有动手能力的人，已经开始主动把它们用起来。
飞书在生态日大会上披露的数据显示，已有接近 500 家租户在高频使用相关能力，月活用户数超过 6000，对飞书项目的操作次数累计超过百万次。
从客户案例来看，当 AI 真正进入流程后，项目交付方式和效率也在发生明显变化。
例如，词元无限让 Agent 沿着需求理解、方案生成、任务拆解、代码执行、测试生成一路推进，最终把原本需要 7 到 10 人天的工作压缩到 1 到 2 人天。
雅迪的实践，则把周报月报自动生成、历史经验检索、会议质检和预评审等高频工作串联起来。这也说明，AI 在项目管理中最先接管的，往往不是最终决策，而是那些高频、重复、规则相对清晰的环节。
轻舟智航的案例则展示了另一种更符合企业现实的落地方式：测试问题的记录、分诊、分派与闭环，被做成了一条更顺滑的流程链路。AI 先帮助缩小问题范围、给出候选建议，再由人工验收关键链路。
Zadig 的价值则更进一步。它不只是简单打通项目管理系统，而是把“管理域”和“工程域”真正连成了一条链：开发变更即记录，测试执行即同步，发布审批即发布，并叠加 AI 发布风险检测。
最终结果是，发布效率提升 3 倍，交付周期缩短 35%，故障恢复时间下降 50%。
这些案例说明，飞书项目的价值已经不再只是看板管理，而是真正开始承接并提效企业的项目执行。
当然，飞书开放能力更重要的地方，不只是让客户“使用”，更是让更多角色开始“建造”。
例如，爪印基于飞书项目轻应用能力自研 FlowStack "流程资产仓库"，已沉淀 200 多个标准节点、50 余项流程模板，再结合 AI coding 等能力，可以快速开发高频小工具。这说明，项目经理和业务角色已经不再只是提需求的人，他们也可以直接把自己的业务理解转化为可复用资产。
高远则基于飞书项目开发了 ASPICE 插件，并已进入 15 家大型智能汽车企业，在国内智能驾驶 Top20 企业中覆盖过半。这也说明飞书项目的开放能力并不只是支撑 demo，而是已经能承接行业级、专业级的复杂场景。
再结合客户成功、实施体系、专家认证以及 AI 咨询伙伴等配套能力的推进，显然，飞书项目想做的已经不只是“卖一个项目管理功能”，而是在形成一整套可交付、可复制、可持续增长的 AI 落地机制。
这也是飞书项目在 AI 时代真正的分量所在：它正通过项目管理，为企业搭建一个真正让 AI 开始工作的项目底座。
