Biarkan AI benar-benar membantu pasukan — DingTalk DWS, mengubah pembantu AI peribadi kepada robot pintar pasukan

你是否曾經有過這種感覺：

AI 工具不斷推陳出新，Claude、Qwen、各種大型模型……但這些都只停留在你的電腦螢幕上，完全與團隊的日常協作脫節。

群組裡有人提問，你還是得親自回覆。腳本跑完後，通知仍要手動發送。AI 幫你處理工作，卻無法把成果傳遞給同事。

這「最後一公里」，阻礙了多少人。

重新整理

過去，想在釘釘裡建立一個智能機器人，門檻實在太高了：

註冊開發者帳號 → 填寫審核表格 → 設定權限 → 搭建伺服器 → 編寫回調介面 → 調試 Webhook → 上線維護…………

走完這套流程，少則 3 天，多則一星期。還沒開始使用，人就先累垮了。

"我只是想讓 Claude 幫團隊解答幾個技術問題，結果光是搭建環境就花了兩天，最後只好放棄。"

—— 某團隊技術負責人真實抱怨

因此大多數人的 AI，始終局限於個人桌面——只能協助自己工作，難以幫助整個團隊。

直到釘釘 DWS 出現——無需一行後端代碼，不用租用伺服器，只需在你的電腦終端輸入幾行指令，就能將本地的 AI 能力直接「映射」成釘釘機器人。在群組中@它，背後的 AI 即刻響應！

DWS（dingtalk-workspace-cli）是釘釘推出的命令行工具，將釘釘全系列功能——群聊、訊息、文件、日程、試算表、審批、考勤——統一封裝為一套指令。

它不只是開發者的工具，更是每位成員的「萬能遙控器」。

最吸引人的功能：一條指令，就能把本地 AI 變成釘釘群組中的「對話代表機器人」。無需伺服器、免寫回調，也無須申請應用。

不談抽象理論，直接來看實際操作！

第一步：安裝 DWS，一分鐘完成

無論你使用 Mac、Linux 或 Windows，一條指令即可安裝。更強大的是——你可以直接把指令交給智能體幫你執行（推薦 Qoder、悟空等本地智能體，資料安全更有保障）：

# Mac / Linux（直接複製給智能體執行）

curl -fsSL <腳本下載地址> | bash

# Windows PowerShell

irm <腳本下載地址> | iex

# 國內網路也可透過 npm 鏡像安裝

npm install -g dingtalk-workspace-cli --registry=https://registry.npmmirror.com

安裝完成後，執行 dws auth login 掃描二維碼登入，選擇一個釘釘組織（若該組織尚未開啟 CLI 數據訪問權限，請聯絡主管理員開通）—— 只需這兩個步驟，你的終端就已連結整個釘釘系統。（標準釘用戶即裝即用，阿里釘用戶預計 7 月中旬開放，敬請期待。）

安裝完成後，你可以先試試以下指令，感受 DWS 的流暢度：

# 找人 —— 比在通訊錄翻找快上 10 倍

dws contact user search --query "張三"

# 查看我的聽記 —— 所有會議紀錄一目瞭然

dws minutes list mine

# 查看所有功能 —— 你可以在終端操作整個釘釘

dws --help

幾乎每條指令都支援 --help 查詢參數、--format json 輸出結構化結果、--dry-run 預演不執行。零學習門檻，試錯零成本。

第二步：5 分鐘，打造你的「替身機器人」

這才是 DWS 最精彩的部分。從零到上線，四步搞定：

① 建立機器人 —— 一句自然語言即可完成

在智能體對話框輸入「幫我建立一個機器人，一鍵連結」，跟著指引操作即可。無需打開瀏覽器，不用填表，全程以自然語言互動。完成後你會取得機器人的 clientId 和 clientSecret。

② 一條指令串接本地 AI

內建支援 Claude Code、Codex、opencode、Qoder、CodeBuddy 等 10 多種主流 AI 工具，只要執行 dws dev connect --channel claudecode 就能直接連接。自研 AI 也能接入——只要它能「接收一句話並輸出答案」，使用 --agent-cmd 參數即可。

③ 在群組中@機器人，測試一下

在釘釘搜尋剛建立的機器人，發出簡單指令，它就會用你的 AI 回應。從安裝到可用，全程不超過 5 分鐘。無需伺服器、無需寫回調、無需部署。

④ 訓練成「替身」—— 讓機器人學習你的文件

把你常見的 QA、職位知識放在一份釘釘文件中，使用 --knowledge-source 讓 DWS 學習這份文件。學完後，機器人就能代替你回答同事和客戶的常見問題——你的「24 小時回覆小能手」正式上線。

# 核心指令：將 Claude Code 接入釘釘

dws dev connect --channel claudecode \

--robot-client-id <clientId> \

--robot-client-secret <clientSecret>

# 接入自研 AI，只要它能「接收一句話、輸出答案」

dws dev connect --agent-cmd "my-ai-tool -p" \

--robot-client-id <clientId> \

--robot-client-secret <clientSecret>

在群組中@機器人，它就會用你的 AI 回應，就是這麼簡單。

別讓你的 AI 只當個「話癆」。

要讓它成為能替你行動的「實幹派」。

第三步：讓機器人更聰明 —— 六個進階設定

上線只是起點。DWS 提供一套「參數調整」選項，讓你的機器人從「能用」升級為「好用」：

📁--agent-workdir：賦予機器人「專案上下文」

指向你的程式碼倉庫或專案目錄，機器人就能掌握完整背景。群裡問「這個介面為什麼報 500」，它能直接定位到具體程式碼行。不再泛泛而談，而是精準解決。

📚--knowledge-dir / --knowledge-source：掛載知識庫

把團隊的 .md/.txt 文件目錄掛上去，或直接連結釘釘知識庫作為答題來源。每條訊息自動檢索相關知識片段併入提問——機器人回答的不是「通用知識」，而是你團隊的專屬資訊。

🛡️--allowed-groups / --allowed-users：白名單管控

僅允許指定群組或特定人員觸發機器人，避免被無關人員濫用。企業級安全，從第一天就內建。

🔁--daemon：後台常駐，異常時自動重啟

即使關閉終端也不中斷，崩潰時自動恢復。你的機器人 7×24 小時在線，如同部署在伺服器般穩定，卻不需要伺服器。

🧠--agent-model：自由切換模型

可覆蓋本地 agent 的預設模型，例如將 Claude 的 sonnet 切換至 opus，依需求選擇性價比最高的方案。

✅--owner-user-id + --approval-card-template：啟用「確認閘門」

若機器人將執行有影響的操作（如發訊息、改資料），可啟用確認閘門——執行前先傳送審批卡片給你，經你點選同意才真正執行。AI 幫你做事，關鍵決策由你掌控，兼顧效率與安全感。

設定完成後，你的機器人能做什麼？

四個場景，每一項都是團隊協作的剛需。一旦使用就回不去了：

🤖 場景一：替身機器人 —— 把你的知識「餵」給它，它替你 7×24 回覆

這是最貼近日常的應用。把你職位的常見問答、SOP、產品說明寫進釘釘文件，用 --knowledge-source 讓機器人學習。完成後，同事在群裡問「報銷流程是什麼」「這個客戶如何對接」「排程表在哪」，機器人立刻回覆——就像你在親自回答，但你無需出現。

把機器人加入答疑群，引導同事@機器人提問。以往新人入職需老員工帶半天，現在機器人全天候在線。更棒的是——用手機也能用，同事隨手找你的機器人，就如同找你本人。

💻 場景二：研發助手 —— 程式碼倉庫就是機器人大腦

使用 --agent-workdir 指向程式碼倉庫，群裡貼一段錯誤日誌，機器人立即定位到具體程式碼行並提供修復建議。無需切換視窗、無需查閱文件、無需等待同事回應。

更厲害的是，它還能協助進行程式碼審查、解釋歷史提交、生成單元測試——一個群聊，就是你的隨身技術顧問。

👤 場景三：數位分身 —— 讓機器人代你辦事，關鍵決策由你決定

啟用「確認閘門」（--owner-user-id + --approval-card-template），機器人可以代你發訊息、寫文件、提出審批、建立待辦事項。但每次執行前，會先傳送一張審批卡片給你——你點「同意」才真正執行。

日常瑣事交給 AI，重要決策留給自己。不是取代你，而是讓你從繁雜事務中解脫，專注於真正重要的工作。

📢 場景四：值班通知機器人 —— 腳本驅動，定時推送，一條指令@全體成員

機器人不只是被動回應，也能主動發送。使用 dws chat message send 寫入腳本，定時推送版本發布通知、系統警報、日報彙總。支援 @所有人、@指定成員、附加檔案。

版本發布後自動通知全組、監控警報自動推送到群、每日站會前自動彙整昨日關鍵數據——人不必盯著，訊息自動送到眼前。

# 主動發送訊息到群組，@所有人

dws chat message send --group <openConversationId> \

--title "版本發布通知" --text "v2.3.0 已上線，回歸測試通過" --at-all

# 發送文件到群組

dws chat file upload --group <openConversationId> --file ./changelog.md

你的 AI 不應該只活在你的電腦裡。

它應該出現在群組中、在團隊裡、在每一個需要它的地方。

"過去我們的 AI 只能給我建議，現在它能幫我把事情做完——發到群裡、記進試算表、送出審批，一氣呵成。"

—— DWS 早期用戶反饋

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at This email address is being protected from spambots. You need JavaScript enabled to view it.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!