对话前腾讯技术专家：打了半年，大厂AI办公打到哪儿了？

Adrop：头部主要是三家（腾讯WorkBuddy、字节豆包工作、阿里千问办公/钉钉），外加百度（度搭子/文库）与金山WPS灵犀。

各家基因截然不同：WorkBuddy脱胎于代码智能体CodeBuddy，起步更早，有半年先发优势；千问办公和豆包工作今年七八月才完成内部组织架构调整与品牌整合。

至于为什么“能交付却不敢直接用”，关键不在底层大模型，而在模型外围的 Harness（驾驭工程）。

同参数量级下，各家大模型的智力水平大差不差。真正拉开差距的是外围工程体系：任务拆解准不准？工具调用的颗粒度与稳定性够不够？长短期记忆治理到不到位？有没有严格的边界约束与结果自检机制？

很多时候AI办公“不好用”，是因为外围Harness欠火候：Agent跑了半天、调了一堆工具、烧了大把Token，最后交出半成品。国内跟海外顶尖的Cursor、Codex相比，在底层Agent Runtime工程实现上依然存在客观差距。

Adrop：这种测试结论我是持高度怀疑态度的。Excel统计计算没有任何算法黑魔法，自动化脚本就能跑准，模型绝没那么弱智。

之所以跑出巨大偏差，本质是提示词含糊导致的拆解分歧。不同Agent对异常订单处理逻辑不同，调用路径一旦分歧，数字自然千差万别。只要提示词约束足够准确，任何成熟Agent都能调Python脚本算对。

它考验的是Agent的Harness驾驭能力：拿到任务能否合理分解？能否调起解析脚本？算完后有无内置规则做校验？中途报错能否自愈？ 拿一个标准不透明的模糊测试定性产品优劣，站不住脚。

Adrop：功能（Feature）层面大家早晚会抄平，几乎没有壁垒。比如WorkBuddy接入文件浏览器，支持自然语言生成PPT并右侧实时微调，别家觉得好用很快就能做出来。

大家觉得不够扎实，是因为底层工程基本功需要时间沉淀。比如底层的Agent Runtime，核心与大模型交互调度的执行环境，有些团队甚至还没用高性能方案（如Rust）彻底重构，带着历史包袱。国外起步早迭代快，国内大厂需要时间磨合，但这属于纯工程问题，靠时间完全能追平。

Adrop：通用任务上大家确实拉不开差距。而且做文字交付，全行业都面临一个致命痛点——“AI味太重”。机械对称的短句、排比句、二段三段式转折，结尾非要加句别扭的宏大升华，让人产生生理性厌恶。

为什么Coding Agent最成功？因为代码有客观唯一的验证机制——能否编译跑通、测试用例过不过，机器说了算。但文章好坏极其主观，缺乏自动验证机制。厂商光在通用文字上堆砌辞藻毫无意义，关键在于“去AI味、增人味”，保留作者原汁原味的文风与观点。

Adrop：单看产品功能差距很快会被抹平，本质是生态之争与入口之争。

但WorkBuddy确实有具体的产品策略优势：

1. 先发优势与产品体验：早跑了大半年，体验更傻瓜好用；
2. 多模型接入策略：云端自由切换各家模型（轻量任务切极便宜的智谱GLM Flash或DeepSeek Flash，性价比拉满），而豆包目前主要绑定自家模型；
3. 连接器与技能生态：依托腾讯云Skill Hub（国内最大的技能分发平台），沉淀了大量连接器与专家技能，并率先打通了基于支付宝的AI支付变现闭环。

Adrop：这里的生态就是已有的三大协同底座：企业微信、钉钉、飞书（承载OA、文档、协作、审批、会议）。

为什么各家非要拼生态？因为个人用户根本不赚钱，付费意愿极低；真正能收上钱的是企业市场。企业迁移协同软件的成本极其沉重，不可能为了一个AI办公单独换掉整个协同底座。

AI办公是原有协同生态长出来的“新入口”，既巩固存量，又争夺增量。海外卷交付完成度，国内卷生态适配度。国内护城河深扎在组织关系链里，换工具意味着审批路径、权限体系与知识沉淀全要推倒重来。

Adrop：组织上下文非常有价值，是企业级Agent的基石。但它最难的在于数据源：企业历史沉淀文档，以及群聊里的历史消息。

这两块数据在企业内部积淀最深、关系最错综复杂。它不仅考验知识库检索，更考验Agent对权限边界、长短期记忆以及员工角色身份的综合治理。

Adrop：路线取决于各自手里握着什么牌。百度没有协同办公底座，只能深挖金融、法务等垂直场景；字节飞书是高粘性信息流闭载，飞书数据是豆包工作的天然燃料；阿里千问办公则依托钉钉庞大的B端基本盘和开源生态。核心看产品能否长在既有客群的真实需求上。

Adrop：平台必须拿出看得见的实际价值。以WorkBuddy开放平台为例：

对个人和独立开发者来说，这是全新的流量入口与变现通道。 过去开发者写的一套脚本、Prompt或SOP工作法只沉淀在本地或GitHub，陌生用户发现不了。进入平台的技能商店（Skill Hub）和专家团后，有了版本和分发入口，做得好就有官方曝光；且平台支持付费Skill，开发者可通过按次或订阅获取收益，跑通商业化闭环。

对企业开发者来说，这是把自有服务嵌入用户桌面的连接器。 企业可把成熟的行业软件做成Buddy App或连接器。对用户而言，最大价值在于能通过自然语言和Agent上下文，把异构系统（ERP、财务、CRM）连接在一起做工作流编排。

Adrop：腾讯内部也有开源的Agent Memory组件，技术不是瓶颈。核心在于产品策略与对用户隐私的极度克制。在国内，很多人的工作生活高度混杂在微信与企微里。若贸然打通全量群聊做记忆，会踩到极大的隐私合规红线；而钉钉纯粹偏工作，较易做授权开关。

WorkBuddy重点做连接，是因为没有外部系统连接的Agent只是个Chatbot，根本无法干活。真实工作必须交付物：文档、代码、报表。Agent必须通过MCP与连接器打通ERP、数据库与邮件，把数据从系统A搬运加工到系统B——有了连接，才叫干活。

Adrop：三年太长了！现在大模型三个月一换代，根本看不了三年。

国内市场绝不可能出现某一家“遥遥领先、赢家通吃”的局面，终局一定是群雄割据、此消彼长。

大家都有生态底座，功能也会迅速抹平。最后拼的其实是典型的腾讯产品哲学：谁在产品策略上不犯致命错误，谁的资源投入更坚定，谁能活得最久把对手熬死。在这个马拉松里，少犯错、活得久，比短期抢跑更重要。

Adrop：个人付费率确实极低（个位数甚至更低），指望C端订阅撑不起大盘。这门生意的重心必须在企业市场（席位费 + Token费）。

但当下企业采购也极其谨慎，核心在于大环境下企业算不过ROI账。中小企业老板很现实：买了AI席位，营收能增加吗？客户能变多吗？没人敢保证。AI确实能把两天杂活缩到半天，但干活的往往是基础员工，企业不可能直接裁员，人力大头支出并没实质减少。降本不是目的，增效又无法直接增收，企业决策周期极其漫长。

目前全行业有真金白银强付费意愿的场景只有三个：写代码（Coding Agent）、AIGC视觉短剧内容生产、以及办公。办公人群最广，但也是市场教育和算账周期最漫长的赛道。

Adrop：衡量指标只有一个：任务完成度。

底层框架始终是：大模型 + Harness。要让交付物“直接可用”，关键看Harness的五个闭环：

1. 工具调用的稳定性：避免挂载过多工具引发模型幻觉与崩溃；
2. 上下文治理：跨会话的长短期记忆与统一角色约束；
3. 强规则约束：严防模型天马行空瞎发挥；
4. 过程与结果验证：生成成果后，有独立规则或代码校验对错；
5. 纠偏与自愈：中途卡壳跑偏时，Agent能否自动重试自愈，而不是盲目跑死。

Adrop：有两点必须说明白：

第一，组织整合是分水岭，但整合不等于胜利。 字节把飞书并入豆包，腾讯把QClaw并入WorkBuddy，协同办公不再是独立战场，它成了大模型入口的“燃料”。但赛马收口只是止损，合并后的技术栈融合与工程落地，依然有一堆坑要踩。

第二，给企业的选型建议：别迷信神话，按既有生态选。 企业重度用飞书，优先看豆包工作；企业深度依赖微信生态、本地文件密集且有信创要求，优先选WorkBuddy。迁移成本远大于产品之间那点微弱差别。

谁能帮用户把活真正干进业务系统里，谁才配谈最终的壁垒。