此時此刻最值得研究的AI產品是WorkBuddy

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

7月9日，OpenAI把ChatGPT、Codex和新出的Work模式縫進了同一個桌面客戶端。Chat負責聊天，Codex負責寫碼，Work負責干活。

看大家討論重新起勢的OpenAI的新操作時，我們發現居然有不少人在說，這套設計怎么這么眼熟，像WorkBuddy——還有人直接說，鵝廠屬于是被OpenAI致敬了。甚至一堆人討論完OpenAI，扭頭就去給WorkBuddy提需求。

這什么概念？「中文辦公版Codex」這個坑，可能還真就被它無聲無息占住了。

如果你密切關注AI產品的各種戰火，最近一定也已經意識到WorkBuddy的異軍突起。

聽說它已經在不少大廠內部引起了「恐慌」，專門開會研究的那種。坊間傳聞它拿了2個億的預算做增長——真假不論，反正我最近在機場這種AI廣告必爭之地，看它的廣告確實越來越密。

連騰訊寸土寸金的財報里都給它讓了位置。Q1電話會上，劉熾平三次點名WorkBuddy；元寶只被提了一次，還是跟ima、QQ瀏覽器打包提的。馬化騰的原話更直接：「中國使用最廣的效率智能體服務」。

騰訊財報向來惜字如金。一個上線三個月的產品被這么捧，此前幾乎沒有過。

要知道，大伙此前對騰訊AI的全部印象加起來，大概是：混元常年不溫不火，一堆產品被人形容成半成品Agent，但現在WorkBuddy快速起勢，甚至連「元寶失寵」的說法都出來了。

WorkBuddy就這么悶聲整了個大活。此時此刻最值得研究的AI產品，一定就是WorkBuddy。

1

Code沒太做好才是Work成功關鍵？

WorkBuddy的出身最近也被討論不少，它不是什么集團戰略的產物。

根據公開報道，它源自一個十來人的AI代碼助手團隊。負責人汪晟杰和一位運營，在1月中旬的一個周末，兩個通宵搓出了0.01版本。起頭之一，是他們注意到騰訊研究院有個團隊一直在拿編程工具CodeBuddy檢索論文、整理內容——不寫代碼的人，在用寫代碼的工具干活。

同一時間，其實也是Anthropic發布Claude Cowork的階段。

由于也是先有CodeBuddy，后有Work，大部分人對這段出身的理解還是：CodeBuddy編程Agent做得不錯，順勢延伸到辦公場景，從Code走向Work，理所應當。

但實情差不多是反的。

說句實在話，CodeBuddy在編程工具大戰里從來不是主角。程序員的桌面上擺的是Claude Code、Codex、Cursor。它的存在感其實一直就很稀薄。但CodeBuddy的另一面倒是很少有人提：它在騰訊內部其實打透了。超過90%的工程師在用，新增代碼有一半由AI輔助生成，編碼時間縮短四成以上。它輸掉的是外部市場，攢下的是一套被幾萬工程師踩了三年的內部底座。

這個「外面沒打贏」，反倒成了WorkBuddy的福氣。

因為手里沒有一個成功的Code品牌要守，WorkBuddy不用背著存量開發者的心智做遷移，不用向老用戶解釋「我們為什么變了」。團隊能直接站在Work用戶的位置上設計產品：極簡對話框，預裝Skill，開箱即用，一句話交任務。要“繼承”的只有CodeBuddy面向「工作結果交付」的一層前臺，Agent runtime、MCP、Skills、沙箱全部共享。產品形態，是完全按辦公場景重新長出來的。

現在看，似乎可以階段性馬后炮一下：Code不是Work的跳板。Code是Work的絆腳石。

有編程IDE就栽在這上面。產品做得越像樣，往Work轉就越擰巴。它舍不得丟掉已有的開發者心智，只好用各種圈內話術給自己搭橋——圈內人能懂，普通用戶到今天也說不清它到底是編程工具、研發工具還是辦公Agent。品類搖擺看著像猶豫，其實是Code資產太重，丟不起。

OpenAI也很典型。Codex太成功了，周活500萬，這次并入ChatGPT，也鬧出開發者集體哀悼入口被藏、奧特曼連夜發文安撫的場面。成功的Code產品走到品類切換的時刻，每一個存量用戶都是阻力。

鵝廠這邊，沒有需要安撫的開發者。

它從不告訴用戶「我用了多強的模型」，只告訴用戶「你可以拿我處理工作」。而且這兩群人的語言根本不通。程序員愿意為了效率去啃命令行、權限、模型路由和上下文管理；職場人每天面對的是寫材料、做PPT、整理紀要、跑流程，他們不知道、也不需要知道Kimi、GLM和MiniMax的區別。普通人不會記住模型公司，只會記住一個最容易解釋的使用場景。

任何產品同時服侍這兩群人，必然精神分裂，取舍很重要，于是，因禍得福。

1

模型之外的活兒干好了

WorkBuddy在圈內的外號是騰訊版小龍蝦，技能生態直接兼容ClawHub，明牌致敬。

年初龍蝦最火的時候，所有人都看到了那個需求：Agent不只是聊天，是真的能連工具、跑任務、替人執行。但用過的人也都心知肚明，這玩意欺負人——部署、權限、環境、調試，Agent替你干活之前，你得先學會伺候Agent。

WorkBuddy干的第一件事，就是把「伺候」整個吃掉。免部署，下載就能用，執行藏進后臺，你交目標和資料，收PPT、Excel和報告。它降的不是模型成本，是人和Agent之間的協調成本。

龍蝦讓大家相信Agent有用，它讓大家相信Agent可以上班用。龍蝦做完興趣教育，它來收作業屬于是。

職場人挑這類產品不看benchmark，看四件事：靠不靠譜，敢不敢把文件給它，貴不貴，能不能進工作流。沒一件和模型直接相關。

信任這東西騰訊似乎也有些優勢。微信、QQ、騰訊文檔攢了二十年的熟悉感直接遷移過來——辦公文件和會議紀要，不是隨便交給一個陌生AI的東西。

模型策略上它更是非常接地氣。混元、DeepSeek、GLM、Kimi、MiniMax隨便切，什么強接什么，明牌當國產模型的辦公中轉站，順便把混元沒打贏的仗翻篇。Day 0適配那種內卷狠活，早就被證明除了AI圈自嗨無人在意。

額度上更加騰訊味，就是替用戶爆金幣。公測直接送5000 Credits——辦公Agent是要反復試錯才敢托付的工具，這條學習曲線，騰訊先墊了。

墊得起也有賬可算。龍蝦當年被叫模型廠大救星，是因為它把token消耗提了兩個數量級；現在又公開數據稱，WorkBuddy上三個月人均Token消耗漲了10倍。一樣是印鈔機，龍蝦燒用戶自己的API錢，它燒騰訊的補貼。你說誰燒得久。

于是，最近你能看到它連廣告都換了打法。CodeAgent靠GitHub、X和開發者口碑，WorkAgent得去通勤路上堵人。機場這種必爭之地它在，但真正下功夫的是地鐵：機場廣告賣商務形象，地鐵廣告打日常痛感。早高峰擠地鐵的人，腦子里全是沒改完的PPT和沒整理的紀要，這時候看見它，比在候機廳里更容易冒出「要不試試」的念頭。

然后在產品上，也有一些看起來都能想到，但它做出來就起了服務用戶效果的功能。專家團是最顯眼、也最容易被看扁的設計之一。

官方口徑是100+領域專家，運營、設計、財務、法務全齊，聽著像玩具。我們一開始也當營銷皮膚看，拆開才發現這套東西有真心思。

首先這玩意扮演了意圖路由的作用。Agent產品有個老難題：能力越多，模型選工具越懵，幾十上百個工具定義全塞進上下文，又貴又亂。WorkBuddy的解法是讓你自己動手：你點「調研專家」的那一下，等于替系統做完了意圖識別，接下來它只加載調研場景要用的Skills、工具和連接器，其他能力壓根不進上下文。用戶以為自己在挑人設，實際是在給系統省錢、給模型減負。

然后是典型的方法打包。每個專家背后壓著一整套被驗證過的做法：角色、SOP、驗收標準，連失敗了怎么辦都寫好了分支。這個目前開始變成所有AI進入生產力場景的常規操作了。

此外這種「團隊預設」的產品設計也對用戶有直接吸引力，選「軟件開發團隊」，里面是產品經理定需求、架構師拆任務、工程師并行實現、QA驗收質量——Anthropic論文里那套Planner、Generator、Evaluator分離的對抗式驗收，被它做成了普通人一鍵可選的套餐。主Agent給每個子Agent統一輸出格式，但只發各自任務需要的上下文，互相不串味，而且這些方法還能流通。SkillHub上已經堆了7萬多個Skills，兩個月下載3000萬次。

說穿了，普通人永遠學不會管理Agent，那就把「管理」本身做成商品，擺上貨架。

WorkBuddy眼看起勢，自己也開始出來講更多的技術細節。這就像當初Manus火了，CTO出來講了很多次自己的最佳實踐一樣。最近WorkBuddy的策略產品經理就發了篇萬字復盤，拆開介紹他們的Harness實踐。

這個里面干貨還是挺多的，比如上來就是一個有意思的判斷：模型是個無狀態函數。它不記事，不知道今天幾號，不知道活干到哪了。你感受到的「連續」和「懂你」，全是產品在模型外面存好狀態、每次調用前喂回去的。Agent產品的大部分工作，就是替這個失憶的大腦管理它該看見什么。

圖片來源：WorkBuddy官方賬號

所以，它認定提示詞就是囑咐，代碼才是門鎖。真正拿API Key改文件、發請求的是執行層，不是模型。System Prompt里寫「刪除前要確認」，模型可能忘；執行層的攔截，忘不掉。他們分享了一個細節，Agent改文件前，會比對「我上次讀它是幾點」和「文件最后被改是幾點」，發現你剛動過，就拒絕寫入、先重讀。用過編程Agent的都懂這個痛，它防的就是一把覆蓋掉你的新改動。

所以和Manus一樣，WorkBuddy也花了大量時間在上下文管理上，他們的動作歸成五個字：寫、挑、撈、壓、隔——該交代的顯式寫進去別讓模型猜，手頭信息只挑這一步用的，缺的按需撈，長的壓縮外置只留結論，旁支任務丟給子Agent隔離干、只把結果帶回主線。工具結果太長就截斷，但必須明說「沒給全、總量多少、從哪續讀」，不然模型真會把前100條當成全部。穩定的內容放最前面且別動，歷史只追加不改寫，動態的排后頭——這么擺是為了吃滿Prompt Cache，命中率越高，同樣的活燒的Credits越少。用戶對積分越敏感，緩存命中率就越是這類產品內部盯死的指標。

還有一個很有意思，能看出來內部做了很多實驗的地方，是記憶。WorkBuddy給長期記憶設了準入制，不是發生過的事都有資格影響未來。由此而來的很有特點的一個設計就是，它拒絕讓Agent自動記「做事方法」。

你是誰、偏好什么表達，可以記；「以后所有調試都先重啟再查日志」這種套路，不許自動進記憶——一次任務里靈的招，換個項目可能就翻車，而且這種記憶等于一段沒有版本、沒有評審、沒有回滾的隱形System Prompt。方法要沉淀，只能走Skill，因為Skill能審、能測、能回滾。AI可以記住你是誰，不許自作主張記住活該怎么干。

看完覺得WorkBuddy的治法很土，但管用。同時它也更新很快，上線不到三個月，43個版本，平均兩天一更。更新日志里其實全是臟活，上下文壓縮、沙箱權限、高危攔截誤報、歷史回放修復等。

1

騰訊又抓住了一次對手缺位的窗口，但說 WorkBuddy 贏麻了也還早

WorkBuddy的崛起，也是抓住窗口的勝利。第三方報告的數字是，3月WorkBuddy月訪問量885萬，領先第二名2.6倍，環比增速831%。當然，數據口徑早就被AI行業玩壞了，「第一」前面掛了幾個定語我們不得而知。

但看看對手情況，可以發現它這個窗口抓的真好。

某國民級AI應用的成功正在變成某種困境，太像一個會聊天的AI，反而襯托WorkBuddy像那個真正來干活的。那些toB工具快速改造自己，但有一點非常煩惱：Agent這波擴散是反過來的，從一個個想偷懶、想早點下班的個體開始，先自己用爽，再安利同事。方向擰了。全棧大廠們，模型有、IM有、云也有。能力最全，問題是入口卻最散。主流用戶要的不是一堆分散能力，是一個完整、清晰、打開就能用的入口。

WorkBuddy 最近的動作也越來越大，4月底騰訊文檔接進資料庫，5月底ima接入，6月中旬微信支付開始測AI專屬卡，Agent第一次有了自己的錢包；最近連政務版都預發布了，廣東全省公務員開始用起來。

同時，5月中旬起，企業版定價從每人每月78元漲到198元。一口氣漲一倍半。這得對內部看到的增長數據和付費意愿的判斷多自信。

所以這也讓它進入了一個新的敏感的時期。接下來的增長沒那么容易，問題和挑戰只會更加明顯。

比如，在技術研發上，所有Agent產品接下來都要面對一個事實，那就是「教材紅利」吃完了怎么辦。

3月31日，Anthropic干了件載入史冊的烏龍：發npm包時把source map一起打了進去，Claude Code整整51萬行源碼全網裸奔，DMCA下架通知發向八千多個倉庫也沒攔住。圈里管這次事故叫「AI界第一次核泄漏」——頂級Agent的完整施工圖紙，免費發給了全世界。

沒有任何一家公司會承認自己讀了這份教材，也沒法考證。但兩件事擺在明面上：泄露之后這兩三個月，整個行業Agent產品的harness水位肉眼可見地漲了一截。自然也包括我們上面分析的WorkBuddy的Harness做法，Prompt Cache的擺法、工具按需加載、子Agent隔離、權限分層，在泄露源碼的分析文章里，全能找到同款，但同時它也做了很多很有想法的延展。

但接下來的技術發展可能又要進一步分野，簡單說，就是「馬和鞍分家」的差距會不會重新拉開。

硅谷現在是馬和鞍一起養：OpenAI給Codex訓專門的模型變體，Anthropic的模型為自家Agent場景做強化學習，產品端的失敗信號直接回流訓練。前沿模型越來越「認自家的鞍」，第三方harness拿到的天然是二等待遇。

WorkBuddy是借馬配鞍，馬場還不是自己的。混元和CodeBuddy分屬不同團隊，Co-Design口號喊了，產品信號能不能真回流到模型訓練，組織結構先打個問號。中轉站的位置短期靈活，什么馬好騎什么；長期的賬是，垂直整合的對手每往下扎一層，中轉站的溢價就薄一層。這道題不光是WorkBuddy要面對的，它現在已經懸在所有不自己養模型的應用公司頭上。

另外一個挑戰，也是所有AI產品共同面對的，就是付費。

前面說騰訊替用戶爆金幣，硬幣的另一面已經出現了：用戶社區熱議的一些內容不是怎么用它干活，是怎么省積分——簽到攻略、接第三方API白嫖、重活新開對話省上下文。一個天天算計積分的用戶，不會把要緊的活托付出去。這條路的盡頭大家都見過，叫豆包困境：用戶被免費養熟了，不免費就不想用。

WorkBuddy倒是看起來比豆包更早的動手，它從第一天就收費，漲價也敢真漲，付費這步棋提前落了。但真正的考驗在增長放緩那天：投放要燒錢，收費會趕客，兩頭一起擠的時候怎么選？

目前還沒有哪個中國AI應用給出過標準答案。

點個“愛心”，再走 吧