前两篇讲了入门和实战，这篇聊进阶：当 AI 助手不止一个、任务不止一次、工具不止内置时，能玩出什么花。适合想深度定制工作流的同学。
一、多智能体（Multi-Agent）：让 Agent 干 Agent 的活
千问办公支持多会话编排：主会话可以创建多个子 Agent 并行执行任务，各自有独立上下文，完成后把结果汇总回来。
适合的场景非常明确——可拆分、可并行的批量工作：
例如：调研 5 个竞品 传统单线程：逐个搜索、阅读、总结，串行 5 倍时间 多智能体： 开 5 个子 Agent 各调研一个，主会话只做汇总实践中的两个心得：
- 子任务要"边界清晰"。给每个子 Agent 明确的输入、输出格式（比如"返回 300 字摘要 + 优劣势表格"），汇总质量会高很多。
- 主会话只做编排，不做执行。让主 Agent 专注拆解任务和合并结果，具体活全部下沉，避免上下文互相污染。
二、定时任务（Scheduler）：从"被动应答"到"主动干活"
这是我认为最具想象力的能力：可以创建持久化的定时 Agent 任务，支持一次性和 cron 周期调度，而且不依赖你的机器开机。
几个我实际在用的例子：
| 任务 | 频率 | 说明 |
|---|---|---|
| 舆情/资讯简报 | 每天早 9 点 | 搜集指定关键词的新文章，生成简报发到群里 |
| 数据周报 | 每周一 | 拉上周数据 → 跑固定分析框架 → 产出报告 |
| 竞品动态监控 | 每天一次 | 抓取竞品官网/发布页，对比变化并提醒 |
| 交易日盯盘摘要 | 交易日收盘后 | 汇总指数、板块涨跌与北向资金动向 |
本质上是把"上次那个提示词"变成"一个常驻岗位"。注意，所有定时任务创建前会向你确认，敏感操作（对外发消息等）建议在任务描述里写清楚触发条件，避免误发。
三、MCP 接入：把外部世界接进来
千问办公支持 MCP（Model Context Protocol）协议，可以把任意外部 MCP Server 挂载为工具——这意味着它不局限于内置能力。
接入方式概括起来就三步：
- 准备好目标 MCP Server（stdio 方式如
npx/uvx启动，或远程 HTTP/SSE 端点） - 按引导添加服务器配置
- 完成后即可在对话中调用该 Server 暴露的工具
可玩的方向：
- 数据库 MCP：让助手直接查询你的业务库做分析
- 地图/地理 MCP：结合业务数据做区域分析
- 自建内部 MCP：把公司内部 API 封装成工具，团队共用
配合它的浏览器自动化（Playwright）能力，还能做没有 API 的网站的数据抓取和表单操作——有 API 走 MCP，没 API 走浏览器，基本没有够不着的系统。
四、技能（Skill）机制：把 SOP 沉淀成资产
如果你发现自己反复输入相似的提示词，就该用 Skill 了。
Skill 的本质是把一套工作流 + 模板 + 判断标准打包成可复用的能力，需要时一句话触发。适合沉淀的内容：
- 固定格式的周报/日报框架
- 公司内部的文档规范（含品牌色、字体、结构）
- 特定数据的分析 SOP（口径、图表类型、结论风格）
- 发布流程检查清单
团队层面，好的 Skill 库就是"组织知识的一个切面"：新人拿到的是老员工沉淀的工作流，而不是一篇需要自己消化的 wiki。
五、一个完整的自动化案例
把上面的能力串起来，举一个"自媒体运营"的例子：
每天 18:00（定时任务触发） ├─ 子任务 A：联网搜索今日行业热点（web 搜索） ├─ 子任务 B：抓取竞品公众号更新（浏览器自动化） ├─ 主会话：选题去重 + 拟定 3 个选题方向 ├─ 生成初稿 → 按沉淀的"公众号文风" Skill 润色 └─ 产出：一篇待审稿件 + 排版建议人的角色收缩为两个动作：审核和拍板。剩下的一切，定时发生、自动完成。
六、安全边界：进阶玩家更要心里有数
能力越大，越要划清红线。我的三条原则：
- 对外发送类操作永远人工确认——消息、邮件、审批，宁可慢一拍
- 凭证类信息不进上下文——密码、密钥不粘贴给任何 Agent
- 自动化任务定期审计——每月检查一遍定时任务列表，清理不再需要的
七、总结
三篇下来，千问办公给我的完整印象是：
- 入门篇：从聊天框到执行体，交付"不需要二次加工"的成品
- 实战篇：数据分析到报告的链路被压缩到分钟级
- 进阶篇：多智能体 × 定时任务 × MCP 扩展，从工具变成"数字员工"
AI 办公的终局不是"更好的对话"，而是可靠地完成工作的闭环。如果你也在搭建自己的自动化工作流，欢迎评论区交流。
本文为个人实践记录。产品功能以官方为准，详见 qwenwork.cn。