此时此刻最值得研究的AI产品是WorkBuddy

发布时间：2026-07-18 03:58:17 来源：安智兰德资讯网 作者：知识

作者｜ 董道力（ddl941110）
作者｜ 王兆洋（Geisterspiele）

7月9日，此时此刻产品OpenAI 将 ChatGPT、最值Codex 以及新推出的得研 Work 模式整合进同一桌面客户端。其逻辑清晰划分：Chat 负责对话，此时此刻产品Codex 负责编程，最值Work 负责执行任务。得研

在热议 OpenAI 这一“缝合”策略时，此时此刻产品一个有趣的最值现象浮现：大量用户惊呼其设计似曾相识，直指其致敬了 WorkBuddy，得研甚至直言“鹅厂被 OpenAI 致敬”。此时此刻产品更值得注意的最值是，许多用户在讨论完 OpenAI 后，得研立刻转向为 WorkBuddy 提交需求。此时此刻产品

这意味着，最值“中文办公版 Codex”这一生态位，得研可能已被 WorkBuddy 悄无声息地占据。

若你持续关注 AI 产品的竞争格局，近期 WorkBuddy 的异军突起已不容忽视。

据传，该产品已在多家大厂内部引发“恐慌”，甚至成为专门会议的研究议题。坊间传闻其拥有 2 亿预算用于增长——无论真假，近期在机场等 AI 广告必争之地，WorkBuddy 的广告密度显著增加。

甚至在腾讯寸土寸金的财报中，WorkBuddy 也获得了特殊待遇。在 Q1 电话会上，腾讯总裁刘炽平三次提及 WorkBuddy；相比之下，元宝仅被提及一次，且是与 ima、QQ 浏览器打包提及。马化腾的评价更为直接：“中国使用最广的效率智能体服务”。

腾讯财报向来惜字如金。一个上线仅三个月的产品获得如此高规格捧场，前所未有。

此前，大众对腾讯 AI 的印象多停留在：混元大模型表现平平，诸多产品被诟病为半成品 Agent。然而，WorkBuddy 的快速崛起甚至引发了“元宝失宠”的讨论。

WorkBuddy 以低调姿态完成了这一壮举。此时此刻，最值得深入研究的 AI 产品，非 WorkBuddy 莫属。

1. Code 的“失败”，恰是 Work 成功的关键

WorkBuddy 的出身近期备受讨论。它并非集团顶层战略的直接产物，而是源自一个仅十人左右的 AI 代码助手团队。负责人汪晟杰与一名运营，在 1 月中旬的一个周末，通过两个通宵完成了 0.01 版本的开发。

起因之一，是团队观察到腾讯研究院有团队在使用编程工具 CodeBuddy 检索论文、整理内容——即“非程序员使用编程工具进行办公”。与此同时，Anthropic 发布了 Claude Cowork。

由于 CodeBuddy 在先，WorkBuddy 在后，外界普遍理解为：CodeBuddy 作为编程 Agent 表现优异，顺势延伸至办公场景，从 Code 走向 Work。

但事实恰恰相反。

坦白说，在编程工具大战中，CodeBuddy 并非主角。程序员桌面主流是 Claude Code、Codex 和 Cursor。CodeBuddy 的外部存在感稀薄，但在腾讯内部却实现了深度渗透：超过 90% 的工程师在使用，新增代码中一半由 AI 辅助生成，编码时间缩短 40% 以上。

它输掉了外部市场，却沉淀了一套被数万工程师验证三年的内部底座。

这种“外部未胜”的局面，反而成为了 WorkBuddy 的机遇。

由于没有成功的 Code 品牌需要维护，WorkBuddy 无需背负存量开发者的心智包袱，无需向老用户解释“为何转型”。团队得以直接站在 Work 用户视角设计产品：极简对话框、预装 Skill、开箱即用，一句话交付任务。它仅继承了 CodeBuddy 面向“工作结果交付”的前台逻辑，而 Agent runtime、MCP、Skills、沙箱等底层能力完全共享。产品形态，是围绕办公场景重新生长的。

如今看来，可以阶段性地总结：Code 不是 Work 的跳板，而是 Work 的绊脚石。

拥有编程 IDE 背景的产品往往在此折戟。产品越完善，向 Work 转型越困难。它们难以割舍已有的开发者心智，只能用圈内话术搭建桥梁——圈内人懂，普通用户却困惑于其究竟是编程工具、研发工具还是办公 Agent。这种品类摇摆看似犹豫，实则是 Code 资产过重，无法舍弃。

OpenAI 亦是典型。Codex 过于成功（周活 500 万），此次并入 ChatGPT 导致开发者集体哀悼入口被隐藏，奥特曼甚至连夜发文安抚。成功的 Code 产品在品类切换时，每一个存量用户都是阻力。

而腾讯这边，无需安抚开发者。

WorkBuddy 从不强调“使用了多强的模型”，只强调“你能用它处理工作”。这两类人群的语言体系截然不同：程序员愿意为效率钻研命令行、权限、模型路由和上下文管理；职场人面对的是写材料、做 PPT、整理纪要、跑流程，他们不在乎 Kimi、GLM 或 MiniMax 的区别。普通人不会记住模型厂商，只会记住最容易解释的使用场景。

任何产品试图同时服务这两类人群，必然导致精神分裂。取舍至关重要，而 WorkBuddy 因祸得福。

2. 模型之外的功夫，才是核心竞争力

WorkBuddy 在圈内的外号是“腾讯版小龙虾”，其技能生态直接兼容 ClawHub，明牌致敬。

年初“龙虾”最火时，行业看到了一个需求：Agent 不只是聊天，而是能连接工具、执行任务、替人干活。但用户也心知肚明，这类工具“欺负人”——部署、权限、环境、调试，在 Agent 替你干活前，你得先学会伺候 Agent。

WorkBuddy 做的第一件事，就是吃掉“伺候”环节。免部署，下载即用，执行过程隐藏于后台。用户只需提交目标和资料，即可接收 PPT、Excel 和报告。它降低的不是模型成本，而是人与 Agent 之间的协调成本。

龙虾让用户相信 Agent 有用，WorkBuddy 让用户相信 Agent 可以上班用。龙虾完成了兴趣教育，WorkBuddy 负责收作业。

职场人选择此类产品不看 Benchmark，只看四点：靠不靠谱、敢不敢交文件、贵不贵、能否融入工作流。这些要素与模型本身无直接关联。

腾讯在信任感上具备天然优势。微信、QQ、腾讯文档二十年的用户熟悉感直接迁移——办公文件和会议纪要，绝非随意交给陌生 AI 的东西。

在模型策略上，WorkBuddy 极为务实：混元、DeepSeek、GLM、Kimi、MiniMax 随意切换，谁强用谁，明牌充当国产模型的办公中转站，顺势翻篇混元未胜的篇章。Day 0 适配那种内卷玩法，已被证明仅在 AI 圈自嗨。

在额度上，腾讯展现了典型的“爆金币”风格。公测直接赠送 5000 Credits——办公 Agent 是需反复试错才敢托付的工具，腾讯先垫付了这条学习曲线。

垫资亦有账可算。龙虾当年被称为“模型厂大救星”，因其将 Token 消耗提升两个数量级；如今数据显示，WorkBuddy 上线三个月人均 Token 消耗增长 10 倍。同样是印钞机，龙虾烧用户自己的 API 钱，WorkBuddy 烧腾讯的补贴。谁烧得久，显而易见。

因此，近期 WorkBuddy 的广告策略也发生转变。Code Agent 依赖 GitHub、X 和开发者口碑，而 Work Agent 需抢占通勤场景。机场广告虽在，但重心在地铁：机场广告塑造商务形象，地铁广告直击日常痛点。早高峰挤地铁的人，脑海中满是未改完的 PPT 和未整理的纪要，此时看到 WorkBuddy，比在候机厅更容易激发“试试也无妨”的念头。

在产品功能上，“专家团”是最显眼且易被低估的设计。官方宣称拥有 100+ 领域专家（运营、设计、财务、法务等），初看像营销噱头，深入拆解后发现其深意：

1. 意图路由：Agent 产品的老难题是能力越多，模型选工具越混乱，大量工具定义塞入上下文既昂贵又杂乱。WorkBuddy 的解法是让用户动手：点击“调研专家”，即替系统完成意图识别。随后仅加载调研场景所需的 Skills、工具和连接器，其他能力不进入上下文。用户以为在挑人设，实则在为系统省钱、为模型减负。
2. 方法论打包：每个专家背后是一套经过验证的做法：角色、SOP、验收标准，甚至包含失败分支。这正成为 AI 进入生产力场景的常规操作。
3. 团队预设：选择“软件开发团队”，内含产品经理定需求、架构师拆任务、工程师并行实现、QA 验收质量——Anthropic 论文中 Planner、Generator、Evaluator 分离的对抗式验收，被封装为普通人一键可选的套餐。主 Agent 为子 Agent 统一输出格式，但仅发送各自任务所需的上下文，互不干扰，且方法可流通。SkillHub 已积累 7 万多个 Skills，两个月下载量达 3000 万次。

简言之，普通人无法学会管理 Agent，WorkBuddy 便将“管理”本身商品化，摆上货架。

随着起势，WorkBuddy 开始披露更多技术细节。近期，其策略产品经理发布万字复盘，详解 Harness 实践。

其中核心观点：模型是一个无状态函数。它不记事，不知日期，不知进度。用户感受到的“连续”和“懂你”，全是产品在模型外部存储状态、每次调用前喂入的结果。Agent 产品的大部分工作，即是替这个“失忆的大脑”管理其应看见的内容。

图片来源：WorkBuddy 官方账号

因此，WorkBuddy 认定：提示词是嘱咐，代码才是门锁。真正通过 API Key 修改文件、发送请求的是执行层，而非模型。System Prompt 中写“删除前确认”，模型可能遗忘；执行层的拦截则不会。他们分享了一个细节：Agent 修改文件前，会比对“上次读取时间”与“文件最后修改时间”，若发现用户刚做过改动，则拒绝写入并重新读取。这防止了覆盖用户的新改动，是编程 Agent 用户的共同痛点。

与 Manus 类似，WorkBuddy 在上下文管理上投入巨大，其动作概括为五个字：写、挑、捞、压、隔。
* 写：该交代的显式写入，不让模型猜测。
* 挑：仅选取当前步骤所需信息。
* 捞：缺失信息按需获取。
* 压：长文本压缩外置，仅保留结论。
* 隔：旁支任务丢给子 Agent 隔离处理，仅将结果带回主线。

工具结果过长时截断，但必须明确告知“未给全、总量多少、从何处续读”，否则模型会将前 100 条误认为全部。稳定内容置于前端且不动，历史仅追加不改写，动态内容排后——此举旨在最大化 Prompt Cache 命中率。用户对积分越敏感，缓存命中率便是内部死盯的指标。

在记忆机制上，WorkBuddy 设置了准入制，并非所有发生的事都有资格影响未来。其独特设计在于：拒绝让 Agent 自动记忆“做事方法”。
* “你是谁”、“偏好何种表达”可以记忆。
* “以后调试先重启再查日志”这类套路，禁止自动进入记忆——一次任务有效的招数，换个项目可能翻车。且此类记忆等同于无版本、无评审、无回滚的隐形 System Prompt。
* 方法沉淀必须走 Skill 路径，因为 Skill 可审计、可测试、可回滚。AI 可以记住你是谁，但不许自作主张记住活该怎么干。

看似治法“土”，但管用。同时更新极快：上线不到三个月，迭代 43 个版本，平均两天一更。更新日志中满是“脏活”：上下文压缩、沙箱权限、高危拦截误报修复、历史回放修复等。

3. 腾讯抓住窗口，但“赢麻了”尚早

WorkBuddy 的崛起，是抓住窗口期的胜利。第三方数据显示，3 月 WorkBuddy 月访问量 885 万，领先第二名 2.6 倍，环比增速 831%。尽管数据口径常被 AI 行业修饰，但“第一”的地位初步确立。

观察对手，可发现其窗口抓得精准。

某国民级 AI 应用的成功正成为困境：它太像一个聊天机器人，反而衬托出 WorkBuddy 是真正来干活的。ToB 工具快速转型，但 Agent 的扩散方向是反过来的：从想偷懒、想早下班的个体开始，先自己用爽，再安利同事。方向拧巴。全栈大厂们模型、IM、云能力齐全，但入口分散。主流用户需要的不是分散的能力，而是一个完整、清晰、打开即用的入口。

WorkBuddy 的动作日益扩大：
* 4 月底接入腾讯文档资料库。
* 5 月底接入 ima。
* 6 月中旬微信支付开始测试 AI 专属卡，Agent 首次拥有自己的钱包。
* 近期预发布政务版，广东全省公务员已开始使用。

同时，5 月中旬起，企业版定价从每人每月 78 元涨至 198 元，涨幅 1.5 倍。这体现了内部对增长数据和付费意愿的高度自信。

然而，这也使其进入敏感期。增长放缓后，问题与挑战将更加凸显。

挑战一：技术研发上的“教材红利”终结。

3 月 31 日，Anthropic 发生乌龙：发布 npm 包时将 source map 一并打包，Claude Code 51 万行源码裸奔，DMCA 下架通知发往八千多仓库未果。业界称此为“AI 界第一次核泄漏”——顶级 Agent 的施工图纸免费公开。

虽无公司承认阅读，但泄露后两三个月，行业 Agent 产品的 Harness 水位肉眼可见提升。WorkBuddy 的 Harness 实践、Prompt Cache 布局、工具按需加载、子 Agent 隔离、权限分层等，在泄露源码分析中均能找到同款，且 WorkBuddy 做了许多创新延展。

但未来技术发展将进一步分野，即“马和鞍分家”的差距是否会重新拉开。

硅谷现状是“马和鞍一起养”：OpenAI 为 Codex 训练专用模型变体，Anthropic 的模型为自家 Agent 场景做强化学习，产品端失败信号直接回流训练。前沿模型越来越“认自家的鞍”，第三方 Harness 天然处于二等待遇。

WorkBuddy 是“借马配鞍”，马场非己有。混元和 CodeBuddy 分属不同团队，尽管高喊 Co-Design，但产品信号能否真回流至模型训练，组织结构存疑。中转站位置短期灵活（什么马好骑什么），但长期来看，垂直整合的对手每深入一层，中转站的溢价就薄一层。这道题不仅悬在 WorkBuddy 头上，也悬在所有不自建模型的应用公司头上。

挑战二：付费模式的考验。

前文提及腾讯替用户“爆金币”，硬币另一面已现：用户社区热议焦点从“如何干活”转向“如何省积分”——签到攻略、接第三方 API 白嫖、新开对话省上下文。一个天天算计积分的用户，不会将重要工作托付出去。这条路尽头是“豆包困境”：用户被免费养熟，不免费便不愿用。

WorkBuddy 比豆包更早动手：从第一天起收费，涨价果断。付费棋局提前落下。但真正的考验在于增长放缓之日：投放需烧钱，收费会驱客，两头挤压时如何抉择？

目前，尚无中国 AI 应用给出标准答案。

点个 “ 爱心 ” ，再走吧

相关文章