千问办公（QwenWork）-AI奇点网

一、简介与定位

公测时间：2026-08-03，官网 qwenwork.cn，网页版 + Windows/macOS 桌面端已开放，钉钉 PC/手机端内置入口陆续放开
底座模型：Qwen3.8（2.4T MoE，百万级上下文，全栈多模态）
三端 Agent 架构：
- 桌面端 Agent（QoderWork）：授权读本地磁盘，操作文件、浏览器自动化、批量处理 Excel/PDF
- 云端 Agent（MuleRun）：长任务后台跑、联网调研、定时执行、结果推钉钉
- 企业协同 Agent（悟空）：原生打通钉钉 IM，消息/审批/会议/知识库/邮件全闭环
订阅档位：免费版 / 个人标准版 ¥78 月 / 个人高级版 ¥158 月 / 企业版 ¥198 月·席；公测期注册送 2000 积分（90 天有效）
差异点：传统 AI = 给答案；QwenWork = 拆任务 → 调工具 → 交付可编辑的 PPTX/Word/XLSX/HTML，并在钉钉内闭环

二、核心功能矩阵

能力域	具体能力	交付物
企业 IM 打通（25 项）	读/发钉钉消息、考勤审批、会议日程、知识库读写、邮件分类	纪要、待办、审批单
Office 产物生成	一句话生成并可在线二次编辑	PPTX / Word / Excel（含公式图表）/ HTML 网页（含后端逻辑）
长文档理解	百页合同/财报/整套会议纪要一次性通读，跨文档关联推理	风险标注、对比清单、摘要
多模态	图/音/视频/网页链接统一解析；反向生成图/视频/音频	竞品分析、宣传脚本
浏览器自动化	点击/输入/采集（仅桌面端）	表单填报、电商数据抓取、表格回流
定时任务	云端按时刻自动跑，结果推钉钉	日报、舆情简报
专家套件	HR/律师/财务/投研/营销等岗位技能包	岗位化交付物
数据洞察	上传 CSV/Excel → 自动跑 Python → 可视化	HTML 报告、图表

典型动作：“做一份 Q3 销售复盘 PPT（含数据/增长/计划，简约商务）” → 拆任务 → 查数 → 出图 → 排版 → 3 分钟交付可编辑 PPTX；“把这 50 份合同里的违约条款标红” → 批量解析 → 高亮清单。

三、用法（三条路径）

路径 A：零代码（个人/行政直达）

浏览器开 qwenwork.cn → 钉钉扫码 / 手机号登录（送 2000 积分）
网页版直接对话；或下 桌面客户端（功能最全，支持本地文件 + 浏览器自动化）
底部快捷区：钉钉办公 / 图片生成 / 视频生成 / 搜索 / 文件处理 / 数据分析 → 一句话派活
钉钉内：工作台唤起「千问办公」，群聊/会议/审批不出钉钉闭环

路径 B：钉钉原生集成（企业 IT）

钉钉开放平台建自定义机器人 → Webhook + 轻量 Flask 服务 → 接 DashScope qwen-plus / qwen3-235b → 回写 markdown 消息；或用钉钉官方推理接口：

http

POST https://api.dingtalk.com/v1.0/aiPaaS/ai/complete
Header: x-acs-dingtalk-access-token: <accessToken>

json

{"model":"qwen3-235b","messages":[{"role":"user","content":"按《2025员工手册》答复：年假怎么算"}],"stream":false}

路径 C：开发者 API（百炼 / DashScope，OpenAI 兼容）

QwenWork 平台本身不单独暴露 Agent 编排 API，底层能力走 阿里云百炼 DashScope；想自建“类 QwenWork”流水线就用这套：

python

import os
from openai import OpenAI
client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)
resp = client.chat.completions.create(
    model="qwen3-max",          # 或 qwen-plus / qwen3-235b-a22b / qwen-long
    messages=[
        {"role":"system","content":"你是办公交付助手，输出可直接落地的结构化结果"},
        {"role":"user","content":"读这份销售CSV，找TOP5产品并生成可视化结论"}
    ],
    extra_body={"enable_thinking": True},   # Qwen3 深度思考开关
    stream=True
)
for c in resp:
    print(c.choices[0].delta.content or "", end="")

bash

curl https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
 -H "Authorization: Bearer $DASHSCOPE_API_KEY" -H "Content-Type: application/json" \
 -d '{"model":"qwen-plus","messages":[{"role":"user","content":"把这段群聊整理成待办清单"}],"enable_thinking":true}'

常用模型名对照（百炼侧）：