01 它是干嘛的
Microsoft 365 Copilot 是微软把大模型接进自家办公软件的那一层。它藏在 Word、Excel、Outlook、Teams 里，帮你在文档里起草段落、把冗长的邮件往来总结成几条要点、用一句话生成公式或演示初稿。它的关键不在于「会聊天」，而在于它先去找你已有的邮件、文档与会议记录，再基于这些真实材料作答。
02 为什么会有它
让 AI 聪明不难，让它读懂你自己写的东西才难
写文档、回邮件、整理表格、记录会议，这些事占掉了知识工作者大部分时间，而其中很大一部分内容其实是「照着已有的东西再组织一遍」。每一项都不难，堆在一起就吃掉了整天。
早期的问答式 AI 帮不上太多忙：它既不知道你们上季度的方案怎么写的，也不知道这封邮件背后是谁在跟谁拉扯。于是只能靠记忆里的常识硬答，看着通顺，用起来错得离谱，而企业场景最怕的恰恰就是这种错误。
2023 年前后微软换了个思路：与其让用户把材料复制粘贴到 AI 里，不如让 AI 直接长在你本来就在用的办公软件里。它先在你的邮件、文档、聊天记录与会议纪要中检索和当前任务相关的内容，把这些真实材料连同你的要求一起交给模型；生成之后再过一遍权限校验，确保不会把别人无权查看的内容泄露给你。这也是它敢在企业里落地的理由：答案来自你已经拥有的东西，而不是模型凭记忆编出来的。
需要说明的是，同一个 Copilot 品牌下还有一个面向程序员的版本 GitHub Copilot，产品与团队都属于 GitHub 那家公司，本条目只讲办公这一支。
03 它怎么工作
它不是直接抛问题给大模型，而是先在你的工作资料里检索相关素材，把这些素材和你的指令一起喂给模型，再对生成结果做权限与安全检查后返回给你。
Copilot 一次作答背后的「先找资料、再交给模型」
- 1① 接收自然语言指令
你在文档、邮件或表格里提出要求，例如「把这封邮件总结成三点」「照这个模板起草一份周报」。
- 2② 检索相关上下文
系统在你的邮件、文档、聊天记录与会议纪要中，找出与这次任务相关的内容片段。
- 3③ 拼接成完整提示
把「相关素材加你的指令加输出要求」组织成一段完整输入交给大模型，而不是只给一句问题。
- 4④ 模型生成结果
大模型基于这些真实材料逐字生成答案或初稿，因此内容更贴合你的实际处境。
- 5⑤ 权限校验后返回
返回前会检查你是否有权访问引用的资料，确保不会把别人的内容泄露给你。
04 谁在用它
在 Word 里给一句要求，生成段落初稿或调整语气，再由人来定稿。
把冗长的邮件往来或会议记录总结成要点，快速抓住该做什么、谁负责。
用自然语言描述想算的东西，让它在表格里生成公式或给出分析思路。
把一份文档转成演示大纲与页面初稿，省去从零排版的时间。
问「去年那个项目的验收标准是什么」，它去翻内部文档给出出处，而不是泛泛而谈。
05 怎么用
在已有的办公软件里直接调用，门槛是学会「把要求和验收标准说清楚」。
- 01确认账号已开通对应席位，并允许它访问你需要的文档与邮件范围。
- 02从最小的任务开始：让它把一封长邮件总结成三点，先建立对它边界的判断。
- 03把要求写具体：说明用途、篇幅、语气与必须包含的要点。
- 04检查它引用的资料来源，确认用到的确实是你有权查看、且确实相关的材料。
- 05把生成内容当草稿，逐句核对事实、数字与语气之后再采用。
- 06在团队内约定使用规范，明确哪些内容不能交给助手处理（如客户隐私、未公开财务）。
# 太模糊 —— 结果只能靠猜
# 帮我写个周报
# 好一些 —— 给了范围与格式
# 根据我本周的邮件和会议记录，写一份周报，分三块：已完成 / 进行中 / 待决策
# 更好 —— 带上用途与验收标准
# 根据本周邮件与会议记录写周报，给部门负责人看。
# 要求：三块结构；每块不超过 4 条；已完成项要带上具体数据；
# 待决策项每条写明需要谁拍板、什么时候要避坑提示
- !把生成内容当草稿而非结论：事实、数字、人名都可能出错，务必人工核对。
- !敏感数据（客户信息、未公开财务、密钥）先确认公司的合规要求与数据流向。
- !不要让助手直接对外发送：邮件和文档的最终稿必须由人过一遍再发出去。
06 关键概念
- 大模型（LLM）
- 在海量文本上训练出来的模型，能根据上下文逐字生成看起来通顺的回答。
- 上下文注入
- 把检索到的相关资料和你的问题一起交给模型，让它基于真实材料作答。
- 检索增强
- 先用检索找到相关文档，再让模型参考这些文档回答，减少凭空编造。
- 幻觉
- 模型一本正经地给出错误或不存在的信息，是使用 AI 时必须警惕的问题。