我已经不亲自回消息了——当飞书机器人 + Claude Code 把我变成一个 router

上周三下午三点,零售客户群里有人 @ 我:“XX 项目下周 demo 还来得及吗?”

我没看手机。

一小时后我打开电脑,对 Claude Code 说:“拉一下飞书最近的消息。“它调 MCP 拉了一遍,把客户的问题列在屏幕上。我接着说:“去看一下项目仓库的 git log 和 issue 状态,判断下周是否能 demo,组织一个答复给客户。“它跑完,把答案打印出来。我看了一遍,改了两个措辞,说:“让机器人发到群里,@ 那个客户。”

几秒后,飞书群里”李耀-PA”机器人发了一段中文,落款是我的名字。

整个过程我没打一个字给客户。但客户拿到的答复,比我亲自回的还要准——因为 AI 是真去把 git log 和 issue 看了一遍才答的,而我自己回的话,大概率会凭印象。

这跟”自动回复”完全不是一回事

很多人第一反应是:“AI 帮你回消息?那不就是 vacation responder 吗?”

不是。差别在底层范式。

自动回复是 fixed template + 触发条件——你提前写好答案,符合关键词就吐出来。 我现在这套是 ad-hoc compute on real state——每一条回答,Claude 都先去拉真实状态(git log / 文档 / 监控 / Databricks 查询),然后基于此刻的事实组织答案。同一个问题在周一和周五问,答案可能不一样,因为”事实”变了。

钥匙不是”AI 写得好”,是 AI 能调工具。Claude Code + MCP 之后,它不再只是聊天对话框,而是一个能 ssh 进服务器、能查数据库、能看 git、能调飞书 API 的 generalist agent。一旦它能”看”和”做”真实世界,它就能在我不在场的情况下,替我维持沟通的真实性。

这是一个常被低估的临界点。“AI 会写”早就有了,“AI 能做”才刚刚开始。

我的角色变了——从 processor 到 router

以前,每一条进来的消息,我的处理路径是 4 步:

1. 看消息
2. 调动脑子里的项目背景
3. 组织答案
4. 打字发出去

每条都得动脑,每条都吃我的注意力。一天下来 30 条消息,等于 30 次完整的 context switch。

现在只剩 2 步:

1. 批量看 AI 整理过的消息列表(它帮我去重、归类、标重要)
2. 看 AI 起草的答案,判断要不要发、要不要改

真正”消耗带宽”的只剩 review。

我从一个 information processor,变成了一个 router + reviewer。 这两种角色的认知负担,根本不在一个量级。同样的工作时间,我现在能维持的沟通流量大概是过去的 3 倍,而且每条回答的质量还更高——因为是基于此刻状态,而不是凭记忆。

拓扑长这样

如果把这套系统拆开,结构很干净:

• 飞书机器人 = IO 层(嘴 + 耳朵)
• Claude Code + MCP = 处理层 + 工具层(脑 + 手)
• 我自己 = 控制层(意图发起 + 输出把关)

三层各司其职,任何一层缺位都不 work:

• 没有飞书 IO,AI 答得再好别人收不到
• 没有 Claude 工具调用,机器人就只是 echo
• 没有我 review,AI 自由发言早晚翻车

但拼在一起,它就不再只是”我的工具”——它是我的延伸,一个属于我个人的 agent 系统。

每个零件都不新,飞书机器人、Claude Code、MCP 早就存在。新的是这个拼法。

一个反讽

别人现在感觉是在跟”我”沟通,但实际上他们触达的是 “我 + AI” 的复合体。

这个边界确实在变模糊。但只要 review 这一步是我做的,我就还为输出负责——这不是欺骗,是放大。我是 conductor,不是 absentee owner。

不过这也让我意识到一件事:“在线”的定义正在被悄悄改写。

过去,在线 = 我人在工位,肉身盯着消息。 现在,在线 = 我的 router 在跑。我可以吃饭、午休、外出——系统仍在维持沟通,我每隔一段时间 review 一批就行。

这是一种 异步在线。它把”工作”从时间线上的连续点,变成了离散的 review checkpoint。

几个有趣的副作用

副作用之一:我对项目的实时感知反而比过去更强。 因为每次答之前 AI 都重新拉一遍状态,我跟着 review 一遍,顺便就复习了项目当前的 state。过去我需要专门花时间”过项目”,现在被沟通驱动着自然就过了。

副作用之二:我开始把”组织记忆”外包。 “X 项目当前进度到哪了”、“上周客户 Y 提的需求是什么”、“Z 接口的认证字段叫什么”——这些以前我得自己记,现在知道 AI 几秒能查出来,我就不再死记。这有点像智能手机让我们不再记电话号码,有解放也有风险。

副作用之三:我有时候说不清自己今天”做了什么”。 因为大量产出是 AI 完成的,我只是 conductor。一天结束,被问”今天做了什么”,我答不上具体动作,但我知道我维持了 30+ 条对话、推进了 5 个项目。贡献还在,但形式变了。 这个新形式还没有合适的”日报模板”能装得下。

这是新一代知识工作者的预演

我不敢说这一定是常态,但有强烈直觉——这种”个人 agent 系统”在 2~5 年内会变得很普遍。

因为真正的 leverage,从来不是 AI 替你思考,而是 AI 替你中转、整理、调取——你的脑子才能省下来,花在真正需要决策、需要判断、需要 taste 的地方。

我现在玩的不是什么黑科技,只是把 Claude Code、MCP、飞书机器人这几个现成零件,按”个人办公”的需要重新拼了一下。

但这个拼法本身,可能就是未来五年最值得提前学会的元能力——不是用 AI,是设计你和 AI 的工作流。

会用 AI 的人很多,会给自己搭一个 agent 系统的人,还很少。