import lark_oapi as lark
from volcengine.engines import maas

1. Инициализация клиента Feishu (для работы с сообщениями и документами)

lark_client = lark.Client.builder() \
.app_id("cli_xxxxx") \
.app_secret("xxxxx") \
.build()

2. Инициализация клиента большой модели Doubao (MaaS Volcano Engine)

maas_client = maas.MaasService(
'maas-api.ml-platform-cn-beijing.volces.com',
'cn-beijing'
)
maas_client.set_ak("your_access_key")
maas_client.set_sk("your_secret_key")

3. Вызов модели Doubao для создания краткого содержания документа

req = maas.ChatRequest(
model="doubao-pro-256k",
messages=[{"role": "user", "content": "Суммируй 3 ключевых решения из этого протокола встречи"}],
temperature=0.3,
max_tokens=500
)
resp = maas_client.chat(req)
print(f"Результат Doubao: {resp.choices[0].message.content}")

4. Запись результата в документ Feishu (нативная интеграция)

Прямой вызов API Feishu без дополнительной аутентификации

doc_content = resp.choices[0].message.content

create_doc(lark_client, title="Краткое содержание, созданное ИИ", content=doc_content)

### 7.2 WorkBuddy: пример пользовательского навыка и расширения в стиле MCP

```python
# WorkBuddy Enterprise: интеграция пользовательского навыка и коннектора в стиле MCP
# WorkBuddy поддерживает подключение внутренних корпоративных систем через протокол MCP

import json
from typing import Any, Dict

# 1. Определение пользовательского навыка (единица расширения WorkBuddy)
class CRMDataSkill:
    """Получает данные о клиентах из корпоративной CRM для вызова агентом WorkBuddy"""

    def __init__(self, crm_api_url: str, api_key: str):
        self.crm_api_url = crm_api_url
        self.api_key = api_key

    @property
    def name(self) -> str:
        return "fetch_crm_customers"

    @property
    def description(self) -> str:
        return "Получает список клиентов из CRM с фильтрацией по региону и отрасли"

    def get_parameters(self) -> list:
        return [
            {"name": "region", "type": "string", "description": "Регион клиента"},
            {"name": "industry", "type": "string", "description": "Отрасль клиента"},
            {"name": "limit", "type": "int", "description": "Количество результатов", "default": 50}
        ]

    def execute(self, params: Dict[str, Any]) -> str:
        import requests
        resp = requests.get(f"{self.crm_api_url}/customers",
            headers={"Authorization": f"Bearer {self.api_key}"},
            params=params, timeout=10)
        return json.dumps(resp.json(), ensure_ascii=False)

# 2. Регистрация в конфигурации навыков WorkBuddy
skill_config = {
    "skill_name": "crm_customer_fetch",
    "skill_class": "CRMDataSkill",
    "permissions": ["read:crm", "network:internal"],
    "timeout_seconds": 30,
    "rate_limit": "100/hour"
}

# 3. Подключение процесса согласования OA через коннектор MCP
 oa_connector = {
    "connector_type": "dingtalk_approval",  # также поддерживаются wecom/feishu
    "approval_code": "xxxxx",
    "auto_submit": True,
    "agent_id": "workbuddy_agent_001"
}

print("Регистрация навыка завершена; WorkBuddy может вызывать данные CRM в диалоге")

7.3 QwenWork: пример DingTalk + Qwen API

# QwenWork: вызов через открытую платформу DingTalk и API DashScope
# Зависимости: pip install dingtalk-sdk dashscope

import dingtalk.api
import dashscope
from dashscope import Generation

# 1. Инициализация клиента DingTalk (25 нативных возможностей)
dingtalk_client = dingtalk.api.DingTalkClient(
    app_key="dingxxxxx",
    app_secret="xxxxx",
    agent_id="xxxxx"
)

# 2. Инициализация модели Qwen3.8
dashscope.api_key = "sk-xxxxx"

# 3. Сценарий: автоматическое извлечение задач после встречи и их распределение в DingTalk
def process_meeting_and_assign_tasks(meeting_transcript: str):
    """Извлекает действия из протокола встречи → создаёт задачи DingTalk → распределяет ответственных"""

    # Шаг 1: Qwen извлекает действия
    prompt = f"""Извлеки из следующего протокола встречи все действия и выведи их в формате JSON:
    {{
      "tasks": [
        {{"title": "Название задачи", "assignee": "Имя ответственного", "deadline": "ГГГГ-ММ-ДД"}}
      ]
    }}

    Протокол встречи: {meeting_transcript}
    """

    resp = Generation.call(
        model="qwen-max",
        prompt=prompt,
        result_format="message",
        temperature=0.1  # Низкая температура повышает стабильность формата
    )

    tasks = eval(resp.output.choices[0].message.content)

    # Шаг 2: создание задач через API DingTalk и распределение ответственности
    for task in tasks["tasks"]:
        dingtalk_client.todo_create(
            title=task["title"],
            assignee=task["assignee"],
            deadline=task["deadline"],
            source="Протокол встречи, созданный ИИ"
        )
        dingtalk_client.send_group_message(
            msg_type="text",
            content=f"📋 Назначена новая задача: {task['title']} → {task['assignee']}, срок {task['deadline']}"
        )

    return f"Извлечено и распределено задач: {len(tasks['tasks'])}"

# 4. Использование ночного плана для пакетного выполнения задач в непиковое время
def nightly_batch_report():
    """Выполнение в 2 часа ночи по сниженной ночной стоимости"""
    import schedule
    schedule.every().day.at("02:00").do(generate_daily_reports)
    # Ночной план: с 22:00 до 08:00 расход баллов снижается на 60%

Для производственного кода не используйте eval() для вывода, сгенерированного моделью. Вместо этого разбирайте проверенный JSON и применяйте проверку схемы перед запуском корпоративных действий.

8. Сравнение экосистем

Исходная статья утверждает, что выбор корпоративного ИИ-офисного инструмента частично означает выбор экосистемы.

Три стратегии экосистем можно осторожно обобщить следующим образом:

• Doubao / Feishu: наиболее подходит организациям, которые уже построили совместную работу вокруг Feishu и используют сервисы Volcano Engine.
• WorkBuddy / Tencent Cloud: широкий выбор вариантов корпоративного развёртывания, работа с локальными файлами, интеграция с программированием и крупная экосистема навыков.
• QwenWork / DingTalk / Alibaba Cloud: сильная интеграция с корпоративными сообщениями, редактируемые результаты и доступ к связанным с Alibaba источникам бизнес-данных в поддерживаемых процессах.

Некоторые показатели экосистемы на исходном изображении уже изменились после публикации, поэтому изображение следует воспринимать как снимок на определённую дату.

9. Безопасность и соответствие требованиям

Именно в вопросах безопасности маркетинговые заявления требуют наиболее тщательной проверки.

Актуальная официальная документация Tencent подтверждает корпоративные версии WorkBuddy с вариантами SaaS, выделенного VPC и частного развёртывания.

Это делает WorkBuddy особенно важным вариантом для организаций, которым нужна гибкость развёртывания. Однако это не означает автоматически, что только WorkBuddy соответствует требованиям: фактическое соответствие зависит от классификации данных, региональных требований, отраслевых правил, сетевой архитектуры и условий договора.

10. Примеры сценариев внедрения

Исходная статья группирует реальные сценарии по экосистемам.

Практическая закономерность выглядит так:

• Команды, активно использующие Feishu, получают наибольшую пользу от контекста совместной работы с низким трением.
• Инженерные организации, ориентированные на Tencent, могут объединить WorkBuddy и CodeBuddy в общем корпоративном слое.
• Организации, активно использующие DingTalk, могут задействовать 25 корпоративных возможностей QwenWork для связи встреч, сообщений, согласований, расписаний, файлов и задач.

Для розничной торговли и электронной коммерции официальный сайт QwenWork в настоящее время заявляет доступ к источникам бизнес-данных, включая 1688 и другие поддерживаемые коммерческие и социальные источники данных.

11. Сильные и слабые стороны

Doubao Enterprise

Сильные стороны

• Хорошо подходит организациям, работающим в Feishu.
• Данные совместной работы могут находиться близко к рабочему процессу ИИ.
• Поддерживается моделью Doubao компании ByteDance и инфраструктурой Volcano Engine.
• Низкие издержки миграции для существующих пользователей Feishu.

Слабые стороны

• Менее привлекателен, если компания не использует Feishu как основной слой совместной работы.
• Границы продукта сильно зависят от корпоративной экосистемы ByteDance.
• Программирование не является самым очевидным отличием по сравнению с инструментами Tencent, ориентированными на разработчиков.

WorkBuddy Enterprise

Сильные стороны

• Агентский процесс с ориентацией на компьютер и прямым доступом к локальным файлам.
• Тесная связь с CodeBuddy и стеком разработки Tencent.
• Крупная экосистема навыков; актуальный официальный сайт заявляет более 70 000 навыков.
• Официально документированы варианты SaaS, выделенного VPC и частного развёртывания.
• Документирована поддержка корпоративной идентификации, безопасности, аудита и OpenAPI.

Слабые стороны

• Развёртывание на компьютерах может потребовать более серьёзного управления конечными устройствами.
• Для глубоких процессов совместной работы могут потребоваться интеграции, вместо того чтобы работать нативно внутри одного комплекта корпоративных сообщений.
• Старшие тарифы могут быть дорогими для отдельных пользователей с высокой нагрузкой.

QwenWork

Сильные стороны

• Глубокая интеграция с DingTalk и 25 корпоративными возможностями обмена сообщениями.
• Доступ через веб, компьютер и DingTalk.
• Редактируемые результаты в форматах PPTX, Word, Excel и HTML.
• Мультимодальное понимание и генерация контента.
• Хорошо подходит для экосистемы Alibaba и поддерживаемых коммерческих процессов с данными.

Слабые стороны

• После запуска возможности и упаковка продукта всё ещё быстро меняются.
• Возможности частного корпоративного развёртывания следует подтверждать напрямую, а не предполагать.
• Командам, закреплённым за другими экосистемами корпоративных сообщений, может потребоваться дополнительная интеграционная работа.

12. Дерево решений для выбора

Более консервативная версия исходной таблицы решений:

13. Итоги и перспективы развития

У этих трёх продуктов нет универсального победителя. Их ценность в значительной степени зависит от того, где уже находится рабочий процесс компании.

Doubao / Feishu — наиболее естественный выбор для команд, уже стандартизировавших работу на Feishu. WorkBuddy наиболее силён там, где важны локальные файлы, программирование, межпрограммная работа, гибкость развёртывания и корпоративное управление агентами. QwenWork выделяется интеграцией с DingTalk, редактируемыми результатами и рабочими процессами экосистемы Alibaba.

Более широкий прогноз исходной статьи остаётся полезным: конкуренция перемещается от списков функций к замыканию рабочих процессов. Важен не сам объём тем, о которых способен говорить ИИ, а количество бизнес-задач, которые он может безопасно, контролируемо и экономично выполнять от начала до конца.

Примечания о версии и окружении

В исходной статье использовалось следующее окружение по состоянию на 10 августа 2026 года:

Поскольку эти продукты быстро развиваются, перед внедрением следует проверять названия моделей, API, названия пакетов, цены, квоты и границы продуктов.

Часто задаваемые вопросы

В чём главное различие между Doubao Enterprise, WorkBuddy и QwenWork?

Главное различие заключается в архитектуре продуктов. Doubao теснее всего связан с рабочими процессами Feishu, WorkBuddy — это корпоративный ИИ-рабочий кабинет для компьютера, а QwenWork объединяет компьютер, веб и DingTalk, уделяя особое внимание корпоративным результатам.

Какой продукт лучше всего подходит компании, уже использующей Feishu?

Наиболее естественной отправной точкой являются Doubao и стек ИИ Feishu, поскольку данные совместной работы и рабочие процессы уже находятся в одной экосистеме. Основное преимущество — меньшие затраты на миграцию и интеграцию.

Какой продукт поддерживает частное развёртывание?

Tencent официально документирует корпоративные версии WorkBuddy для SaaS, выделенного VPC и частного развёртывания. Компаниям, которым нужны строгие требования к размещению, следует напрямую подтвердить актуальные корпоративные варианты Doubao и QwenWork у поставщиков.

Подходит ли WorkBuddy командам разработчиков?

Да. Tencent позиционирует WorkBuddy вместе с CodeBuddy и Managed Agents как часть единой корпоративной ИИ-продуктовой матрицы. Поэтому продукт особенно актуален для организаций, которые хотят объединить автоматизацию офисной работы и помощь в разработке ПО под единым уровнем управления.

Действительно ли QwenWork глубоко поддерживает DingTalk?

Да. Актуальный официальный сайт QwenWork заявляет 25 корпоративных возможностей обмена сообщениями, включая сообщения, групповые чаты, учёт посещаемости, согласования, встречи, календари, документы, базы знаний и связанные корпоративные процессы.

Может ли QwenWork работать с локальными файлами?

Да. В официальной документации быстрого старта указано, что настольный клиент может напрямую анализировать и обрабатывать локальные документы, таблицы, изображения и видео.

Готовы ли приведённые в статье примеры кода для производственного использования?

Нет. Они сохранены из исходной статьи CSDN как иллюстративные примеры интеграции. Перед использованием необходимо проверить API и названия классов по актуальной официальной документации SDK. Кроме того, JSON, созданный моделью, следует проверять, а не выполнять с помощью eval().

Какой продукт самый дешёвый?

Стабильного универсального ответа нет, поскольку персональные подписки, корпоративные рабочие места, промокредиты и договоры на частное развёртывание часто меняются. Сравнивайте общую стоимость с учётом фактической нагрузки, требуемого режима развёртывания, кредитов агентов, интеграций и поддержки, а не только заявленной месячной цены.

Связанные инструменты

• Tencent WorkBuddy: официальная страница WorkBuddy с информацией о настольных ИИ-офисных процессах, работе с локальными файлами, навыках и автоматизации.
• WorkBuddy Enterprise: официальная корпоративная страница с информацией о моделях развёртывания, управлении, безопасности и OpenAPI.
• QwenWork: официальный сайт QwenWork компании Alibaba о корпоративном сотрудничестве, редактируемых результатах, мультимодальной работе и навыках.
• Документация QwenWork: официальная документация по использованию продукта, компьютеру, вебу и корпоративным рабочим процессам.
• Feishu Open Platform: официальная платформа разработчика для приложений, ботов, API и корпоративных интеграций Feishu.
• Alibaba Cloud Model Studio: официальная платформа Alibaba Cloud для доступа к моделям Qwen и их интеграции.

Связанные ссылки

• Официальный сайт WorkBuddy: актуальные персональные тарифы, загрузки и обзор возможностей.
• Руководство по корпоративной версии WorkBuddy: официальная документация по версиям SaaS, выделенного VPC и частного развёртывания.
• Описание продукта QwenWork: официальное описание платформы, поддерживаемых результатов, корпоративного администрирования и возможностей на базе Qwen.
• Быстрый старт QwenWork: официальные инструкции по работе через DingTalk, веб и компьютер.
• Feishu Open Platform: официальный портал API и интеграции приложений экосистемы Feishu.
• Volcano Engine: облачная и ИИ-инфраструктурная платформа ByteDance.
• Открытая платформа DingTalk: официальная платформа разработчика DingTalk для корпоративных интеграций.
• Исходная статья на CSDN: исходная китайская статья сравнения, опубликованная по лицензии CC BY-SA 4.0.

Итоги

Doubao Enterprise, WorkBuddy и QwenWork представляют три разных направления корпоративного ИИ: ИИ, нативно встроенный в пакет совместной работы; агенты для настольных компьютеров; и мультитерминальные агенты для корпоративной продуктивности.

При закупке надёжнее всего начинать с существующего стека совместной работы компании, требований к развёртыванию, необходимости доступа к локальным файлам, интенсивности программирования и модели управления. Одних списков функций недостаточно: важнее проверить, способен ли агент безопасно выполнять реальный рабочий процесс от начала до конца.

Выбирайте платформу, которая соответствует уже существующему рабочему процессу, — затем проверьте точные цены 2026 года, API, модель развёртывания и средства безопасности перед принятием обязательств.

Примечание об источнике

Исходная статья была опубликована на CSDN 10 августа 2026 года и прямо распространяется по лицензии CC BY-SA 4.0. Это английское издание является производной адаптацией, сохраняющей тему, основную структуру, порядок сравнения, таблицы, технические примеры и наиболее релевантные схемы исходной статьи, при этом улучшающей читаемость и добавляющей примечания по проверке данных. Атрибуция исходного источника приведена выше, а эту производную версию следует распространять на тех же условиях CC BY-SA 4.0.

Сохранены восемь наиболее релевантных исходных изображений: хронология, сравнение архитектуры, радар возможностей, разбивка оценок, график цен, схема экосистемы, сравнение сценариев внедрения и дерево решений. Рекламные изображения CSDN, аватары, QR-коды, элементы реакций и нерелевантные декоративные изображения исключены.

Исходный материал содержит несколько утверждений, зависящих от времени или отражающих редакционную оценку, а не независимое тестирование. В частности, оценки по шести направлениям являются собственной системой автора; показатели экосистемы и цены датированы 10 августа; формулировки вроде «самый сильный», «единственный» или «лидирующий на рынке» не следует трактовать как результаты независимого бенчмарка, если они не подтверждены отдельными источниками.

Перед публикацией были повторно проверены несколько официальных фактов. Tencent в настоящее время документирует работу WorkBuddy с локальными файлами, более 70 000 навыков, корпоративное управление, OpenAPI, а также версии SaaS, выделенного VPC и частного развёртывания. QwenWork в настоящее время документирует доступ через веб, компьютер и DingTalk; 25 возможностей корпоративных сообщений; редактируемые результаты PPTX, Word, Excel и HTML; мультимодальные возможности; обработку локальных файлов на компьютере; навыки и наборы экспертов.

Три примера на Python сохранены из исходной статьи, поскольку пользователь запросил сохранение блоков кода. Их следует рассматривать как иллюстративные примеры источника, а не как проверенные запускаемые образцы SDK. Актуальные методы SDK, идентификаторы моделей, процессы аутентификации и версии пакетов необходимо проверять по официальной документации. Использование eval() в примере QwenWork для вывода модели небезопасно в производственной среде и должно быть заменено разбором проверенного JSON.