8 月 14 日，百度文库网盘通用智能体 GenFlow 正式定名「库库 AI」，同步上线独立客户端、网页端、小程序与企业版。这标志着 AI 办公从"数据+AI"的工具模式，转向"AI+数据"的服务模式——AI 成为工作入口，而非文件管理器的附属功能。
从在线文档到企业微信，过去十年工具一直在变，但打工人真正被释放的时间并没有增加。直到大模型与 Agent 出现，办公软件开始从"帮人写"变成"替人做"。
艾媒咨询数据显示，2025 年中国 AI 智能体市场规模已达 804 亿元，同比增长 123.2%，预计 2030 年将逼近 7000 亿元。其中办公生产力场景被标注为核心增长极，59.1% 的用户明确表示愿意为 AI 办公智能体付费。
数据来源：艾媒咨询，2025 年中国 AI 智能体市场报告。办公生产力被列为第一大应用场景。
当所有玩家挤进同一赛道，竞争焦点不再是"有没有 AI 功能"，而是 AI 能否重构工作方式。百度文库网盘这次拿出的「库库 AI」，给出了一个明确的回答。
过去，AI 是网盘里的一个功能——用户打开文件，再调用 AI 完成总结、问答。逻辑是"数据在网盘里，AI 来帮忙处理"。
「库库 AI」把这件事翻了过来。
人先找到数据，再让 AI 处理。AI 是工具，数据是前提，流程是线性的。
人提出目标，AI 自主找数据、调用工具、拆解任务、交付结果。AI 是入口，数据是被调用的资源。
这背后是 Skill 生态的支撑。Skill 不是写死的一套功能，而是随着模型和用户一起迭代的动态能力。模型更强了可以换模型，Skill 持续吸收新经验，形成一套不断进化的协作方式。
"未来一定是人和 AI 一起去探索更好的生产力、更好的方法。"
百度团队认为，如果把模型比作"发面粉"，那库库 AI 要做的不是让用户自己蒸馒头，而是直接 "发面包"——交付完整、可用的东西。
「库库 AI」把金融研究作为首发场景，不是因为简单，恰恰相反——一项完整的金融分析需要经历数据搜集、清洗、建模、分析、报告生成等多个环节，每一步都可能调用不同工具和专业能力。
但团队也坦诚，金融领域的数据溯源和复核是"未来持续升级的方向"。当 AI 越来越主动，犯错的代价也越来越高——一份 AI 生成的金融报告出了问题，责任不再是"模型幻觉"四个字能解释的。
从"回答问题"到"交付结果"，模型本身反而不再是唯一的难题。真正摆在办公 Agent 面前的，是三个更现实的问题。
Agent 要交付结果，前提是数据足够可信。文库有 18 亿+ 专业文档，网盘有大量企业数据，但金融场景要求每条数据可溯源、可复核。团队正在做专门的 数据清洗 Agent 和溯源标注层。
一次 Agent 调用 = 多次模型推理。头部分产品已出现 C 端毛利为负 的情况。库库 AI 的解法是 分层调度：简单任务用小模型，复杂任务用大模型，20% 的人工修改比 100% 模型推理更划算。
百度没有钉钉、企微这样的组织底座。库库 AI 的路径是：不要求企业迁移知识库，直接对接原有存储体系，从一个个具体任务切进去，先服务中小企业。
三个挑战相互关联：数据可信度决定了用户敢不敢用，成本控制决定了商业模式能不能跑通，组织协同决定了产品能进多深。三者共同定义了 Agent 办公下一阶段的竞争门槛。
一个诚实的判断：
AI 办公的胜负手不是模型跑分，而是一个完整交付结果的可信度与成本之比。谁先让企业"放心把活交给 AI"，谁就能定义下一个十年的工作方式。
「库库 AI」已同步上线 PC 客户端、网页端、小程序与企业版，搜索「库库 AI」即可体验。
百度文库与百度 App 中也已内置任务 Agent 能力。