ThinkChat 专家功能上线：让每个企业都拥有自己的专家员工

 > 顶想云[ThinkChat](https://chat.topthink.com/) 这次上线了一个全新角色：专家。它不是工作空间里的某个功能开关，也不是一个单纯的工具插件，而是一个企业预设好的数字员工——有岗位身份、有领域知识、有专属技能，专注于完成某个领域的任务。 这篇文章带你搞清楚：专家到底是什么、怎么用，以及它和工作空间、子智能体到底什么关系。 ## 一、专家是什么：企业预设的数字员工 要理解这次的新功能，得先看看 ThinkChat 过去一年走过的产品路径。 <strong>第一步：多智能体协同</strong>。2026年3月，ThinkChat上线了"主 AI 拆任务、子 AI 跑任务"的协作模式。主智能体自动规划任务、拆解子任务，背后并行调度多个子 AI 分头执行——用户全程无感，只看到最终整合好的成果。这种模式的杀手锏是任务并行和隔离：原来3小时的活，压到20分钟就干完了。 <strong>第二步：工作空间</strong>。2026年5月，工作空间功能上线。它把部门、岗位、项目抽象成不同的"AI 协同工作环境"，每个空间有独立的设置、技能和知识库，成员共享对话和成果。一个空间，就是一个团队智能体。这是顶想云走向企业AI协同的关键一步。 <strong>第三步，就是这次的"专家"</strong>。 前两步解决了不少问题，但有个关键缺口一直没补上。子智能体是"幕后调度"——主 AI 自己拆、自己派，用户 `@` 不到它。工作空间是"团队容器"——把 AI 协作的组织框架搭好了。但团队里"谁负责哪类任务"这件事，始终停留在"技能"的层面，需要主智能体去根据需求调用技能，复杂一点的工作流每次都要靠技能去重复定义子智能体完成不同的子任务，繁琐且不稳定。 > 💡 专家把"子智能体"升级为"预设数字员工"。它有岗位身份、有专属技能、有配套知识，而且可以跨空间、跨部门协同调用——是 ThinkChat 在 企业AI 协作上的第三个关键节点。 ## 二、如何创建专家  专家不属于某个特定的工作空间，而是在全局范围内独立存在、随处可用。 在企业里上线一个专家，大致分三步： <strong>第一，后台创建专家</strong>。管理员进入 ThinkChat 后台新建专家：起个名字，写一段岗位说明——包括专业方向、工作风格、边界条件——保存即可。一个专家就是一个长期存在的数字员工，不会因为某个任务结束就消失。 <strong>第二，绑定技能和工具</strong>。每个专家可以绑定一系列专属技能——比如"文案生成"、"数据查询"、"合同审核"、"公告撰写"。这些技能既可以是 ThinkChat 内置的核心能力，也可以是企业自己用技能编辑器自己做的自定义技能。一个专家可以挂多个，但原则是只挂它最擅长的，避免堆砌。此外还可以给专家安装插件工具，比如快递查询、天气预报等，让专家能力更强，要接入自己的业务系统也可以通过插件来完成。 专家还可以通过官方专用的知识管理工具（包括顶想云知识管理、火山知识库或智谱知识库）挂载专属知识库——比如"产品手册"、"行业研究报告"、"公司制度文件"。关键点是：这份知识跟着专家走，不跟着空间走。 <strong>第三，专家调用</strong>。专家创建后，对所有团队成员全局可见： * 在小智主对话里输入 `@` 就能呼叫专家完成特定任务； * 在任意工作空间里 `@专家名`，专家会结合当前空间的背景知识一起工作； * 也可以单独打开专家的对话窗口，像跟一位专属同事聊天那样持续交流。 > 💡 AI 能力不再被锁在某个空间里，也不用"每次重新告诉 AI 同样的背景"，而是沉淀为企业全局共享、随叫随到的数字员工。 ## 三、专家、工作空间、子智能体的关系  很多读者第一次接触 ThinkChat 会被这几个概念绕晕，这里给一张对照表。 | 概念 | 定位 | 范围 | 解决什么问题 | | --- | --- | --- | ------ | | **子智能体** | 主 AI 内部调度的"临时工" | 单次任务内有效 | 复杂任务的并行和隔离执行 | | **工作空间** | 团队的"AI 工作环境" | 部门/项目范围内 | 团队协作的技能、指令、知识、成果共享 | | **专家** | 全局预设的"数字员工" | 全局有效 | 岗位/领域能力的沉淀与复用 | 它们是 ThinkChat 协作体系里的三个独立维度，可以自由组合。 举个实际例子：财务部有"费用审核专家"（全局可用），现在要做 Q3 预算项目。财务同学在"Q3 预算项目空间"里 `@费用审核专家`，这位专家就带着自己的审核技能和财务知识库，叠加当前 Q3 预算项目的上下文开始工作——既不脱离空间，也不被空间束缚。 > 💡 核心逻辑：专家独立存在，空间独立存在，但在调用时可以自由组合。这就是"全局数字员工"和"团队工作环境"协同的关键设计。 ## 四、几个真实场景  落到具体业务里，专家能解决哪些问题？举几个典型场景。 <strong>市场部</strong>：团队创建三个全局专家——<strong>推文专家</strong>绑定文案生成技能，<strong>选题专家</strong>绑定网络搜索+数据查询技能，<strong>数据分析专家</strong>绑定数据可视化技能。三位专家不挂在某个特定空间，市场部全员对话里全局可见。运营同学写新推文时 `@推文专家`；季度复盘时在复盘空间里 `@数据分析专家`，专家结合复盘空间的上下文直接出报告。 <strong>客服团队</strong>：三个全局专家各司其职——<strong>常见问题专家</strong>绑定产品手册知识库，<strong>工单处理专家</strong>绑定规则引擎和工单系统对接，<strong>情绪安抚专家</strong>绑定对话风格技能。客服同学遇到用户情绪激动的复杂对话时 `@情绪安抚专家`，专家接管对话直到用户情绪稳定。同样这批专家在售后空间里也能被 `@` 调出来，结合售后场景背景回答。 <strong>个人开发者</strong>：把最常用的三种 AI 协作沉淀成全局专家——<strong>代码审查专家</strong>绑定代码审查技能，<strong>单元测试专家</strong>绑定代码生成+测试用例技能，<strong>文档撰写专家</strong>绑定文档生成技能。这些专家跟着开发者走，不管他在哪个项目空间里干活，直接 `@` 就能调用。 <strong>跨部门协作</strong>：法务专家、财务专家、业务专家作为全局数字员工常驻。合同审批时 `@法务专家`，预算处理时 `@财务专家`。三位专家各自保留领域知识，又能结合当前空间上下文协同工作，不会出现"AI 之间互相不知道对方干了什么"的混乱局面。 > 💡 四个场景指向同一个变化：专家让 AI 协作有了"角色身份"。团队成员不再需要记住每个提示词怎么写，而是直接呼叫一个有名有姓的"数字同事"。 ## 五、专家有哪些价值 2026 年是企业 AI 从"对话助手"走向"数字员工"的拐点。判断一个 AI 系统是不是真到了"数字员工"阶段，有三个硬指标：能否嵌入工作流、能否承担完整任务链路、能否交付可考核成果。 专家功能把之前复杂的工作大幅简化，不用在每个空间去配置技能。<strong>AI 能力的交付单位，从"多个技能"升级为"多个数字员工"</strong>。每个专家都有稳定的岗位身份、技能包和知识库——这意味着团队的工作流不再被"AI 是否记得上次说过什么"打断，每次呼叫都是同一个"人"。 更重要的是沉淀。团队反复使用专家之后，自己的 AI 工作方法就被结构化地保存下来了。这和 ThinkChat 的私有化部署天然契合——企业的专家能力可以沉淀到内部系统，不会随人员流动而流失。 回到这次更新的核心动作：ThinkChat 把"AI 协作"从"多智能体协同 + 团队空间承载"的二维模式，升级为"多智能体协同 + 团队空间 + 领域专家"的三维模式。这不只是一个新功能，而是<strong>AI Agent 从"幕后调度"走到"前台可独立调用"的标志事件</strong>。  如果你已经在使用官方的[Saas订阅版本](https://chat.topthink.com/)，那么可以直接使用官方上架的所有专家，也可以在小智和空间里面@某个专家对话，官方会不断增加和完善各类专家。  *** > 顶想云 ThinkChat——让每个企业都能拥有自己的超级 AI 团队。点击关注，联系我们获取最新功能更新与企业 AI 落地实战。