作为国内现象级 Agent 产品，WorkBuddy 正在通过办公套件化升级，来满足企业客户在 AI 资源管控和沉淀上下文的需求。
文｜游勇
编｜周路平
当 AI 领域的重心从给个人提效，转向给企业和组织提效，如何满足企业客户在 Agent 落地时的痛点和需求，成了 Agent 厂商需要共同应对的课题。
9 月 23 日，腾讯 WorkBuddy 企业版迎来一次大版本升级，其核心是将腾讯旗下的腾讯文档、腾讯乐享、腾讯网盘、安全与效能运营平台、腾讯 AI 设计智能体 Ardot 等与办公密切相关的五大产品进行套件化升级，企业购买腾讯 WorkBuddy 企业版之后，在价格不变的基础上可以一次性获得上述五大产品的会员权限。这些原本独立的产品，成了 WorkBuddy 里可以直接调用的能力。
在业内看来，WorkBuddy 的这次升级背后有两层含义。一是打破了之前 AI 产品分散割裂的状态，企业无需再为产品的 AI 功能独立付费，而企业管理员也能在同一个看板上管理所有产品的 Credit 用量，保证 Token 消耗可控、AI 可管理。这种产品设计契合了企业级场景的真实需要。
而更深一层的价值在于，WorkBuddy 通过统一账号、后台，实现了记忆层和数据层的统一，把高频、大规模、实时交互型的产品体验做成了系统工程能力，为企业办公 Agent 的落地搭建了一个可以复用、持续沉淀的上下文环境。
WorkBuddy 的动作本质上是在解企业 Agent 落地的双重难题：如何让个人使用持续沉淀为企业上下文，同时让企业能更好地把控 Agent 的能力和成本边界。
01
Agent 的卡点：上下文与企业级管控
过去两年行业还在比拼模型参数与榜单成绩，但现在普遍意识到，模型能力的差异化越来越小，真正决定 Agent 落地效果的，是数据和上下文。更准确地说，是企业能否把自身的知识、流程与数据，变成 Agent 按需可调用的上下文。
Anthropic 发布的《2026 年 AI Agent 现状报告》中提到：复杂任务要执行得好，所需的上下文会不成比例地大幅增加，" 输入上下文的长度每增加 1%，输出的质量与篇幅大约提升 0.38%"。Gartner 在近期的一份分析中也指出：在驱动 AI 价值的核心要素里，数据基础占据首位，重要性远超 AI 技术本身。
而从 WorkBuddy、千问、百度、豆包工作的最新动作和表态里，也能看到行业其实在解同一道题。比如千问办公专门发布了 " 企业上下文 " 产品，把群聊、文档、知识库、业务系统中的信息压缩、结构化、动态更新，为 Agent 提供业务上下文；百度搭子企业版新增项目空间和项目记忆功能，把团队的目标、任务与文件集中沉淀；豆包工作则是与飞书融合，让 Agent 进入组织，共享群聊历史、文档内容、会议结论与项目进展。
而腾讯 WorkBuddy 企业版给出的最新解法是，把办公套件一次性打通——腾讯文档、腾讯乐享、腾讯网盘、安全与效能运营平台与 Ardot，从 " 单独打开的应用 " 变成 "WorkBuddy 里可直接调用的能力 "。
当模型层的差异化不再是核心壁垒时，Agent 的竞争正在从 " 谁的模型更聪明 "，转向 " 谁能让企业沉淀更丰富的上下文 "。
上下文更多解决的是 AI 落地的深度和精度问题，这对于企业和个人使用 Agent，都是至关重要的一环。但企业级 Agent 比个人应用还存在一些刚性需求，比如公司层面需要对 AI 资源和能力进行统一治理和管控。晶科能源 CIO 王兴旺曾告诉数智前线，将个人沉淀的记忆、规则和技能，转变为企业资产并进行统一管理是当前 Agent 平台需要考虑的问题。
背后的原因非常现实，企业里有流程、岗位职责、权限以及各种规则制度和知识，数据也在不断保持更新。这些特点意味着，Agent 不能天马行空地执行任务，什么人能访问什么数据，需要有明确边界。
麦肯锡 2025 年的全球调研显示，CEO 对 AI 治理的监督与 AI 的实际财务影响高度相关，但只有 28% 的受访者表示 CEO 在负责监督 AI 治理。权责不清，导致很多项目停留在了 POC 阶段。
而且考虑到大规模应用后的成本问题，企业也希望能看到可量化的 ROI。过去粗放式的 Token 消耗使得账单变大，但成果却非常有限。一位央国企的人士更是直言，今年的两大 AI 应用目标，其中一个是让 AI 进入组织，另一个则是追求投入产出比，把 ROI 做正。
这正是 WorkBuddy 这次办公套件化升级在着手解决的问题。它不仅打通了多个产品之间的数据互通和流转问题，同时把可治理的能力变成了 " 产品内嵌 "，安全、权限、额度等不再是需要额外采购和配置的附加模块，而是被直接做进 Agent 的运行链路。
办公套件化升级，
给企业 Agent 装一个仪表盘
具体看 WorkBuddy 企业版的这次办公套件化升级，其实能看到腾讯对企业 Agent 的理解和系统性解法。
比如统一账号，解决的是身份碎片化问题。过去两年，几乎所有办公产品都在做同一件事：在自己的界面里塞一个 AI 助手，背后是 N 套账号、N 份记忆、N 个后台和 N 张账单。
而 WorkBuddy 套件化的做法，实现了上述五个产品一次开通即可在套件内通行，员工不用再记五套账号，从过去的打开五个应用变成了在 WorkBuddy 里调用五种能力，比如在 WorkBuddy" 设计创意模式 " 里生成的设计初稿，可直接在 Ardot 里精修、协作、交付。
而管理员也不用再配五套组织架构，在一个后台就能看清人、权限、用量与风险，不必再靠人工拼合几张割裂的报表。这件事看起来很朴素，但它往往是 AI 落地的第一道隐性门槛——身份不统一，后面所有的记忆、权限和用量都无法对齐。
这种需求真实存在。王兴旺曾告诉数智前线，因为场景复杂度不同，不同部门和岗位的提效会存在偏差。为了能让好的实践在内部推广，晶科能源过去采取的做法是，找一线做人工调研，看 Token 消耗情况，问场景怎么做，这方式相对效率低。而现在，这些数据正在变得可观测。
统一积分池，解决的是 ROI 不可见的问题。过去企业管理者面对的是一个尴尬的局面：每个部门都买了 AI，每个应用都有一张账单，但没人能回答 " 这个季度 AI 到底花在哪、换回了什么 "。
埃森哲在今年 9 月发布的一份报告中提到，企业每 5 美元 Token 支出里只有 1 美元能对应到可量化结果。而且，AI 时代的成本与传统软件差异很大。传统软件基本是固定投入，买多少席位花多少钱，年初就能预算；AI 是消耗型成本，随任务复杂度和使用频次波动，且 Agent 类应用的消耗尤其难以预测。无法看到可量化的 ROI，影响了很多企业在 AI 上的投入热情。
统一积分池让 Token 消耗变成可分配、可追踪、可预警，把 AI 从一笔糊涂账，变成了可以按部门、按人、按场景分配的预算科目。花在哪里、花了多少一目了然。
统一记忆层与数据层是给企业 AI 落地提供了上下文。在统一了账号和积分池的前提下，各端 AI 可以读写同一份办公记忆和数据。比如会议纪要与方案进入腾讯文档后，将转为 Agent 能直接读取的上下文，文档成为企业长期记忆；成员在文档内即可一键交给 WorkBuddy 继续，文件与背景一并带过去；每一次修改与执行沉淀为企业知识，下一轮任务带着上次的结论开工。
统一权限与后台解决的是企业敢不敢用的问题。没有边界的 Agent，能力越强，往往意味着风险越大。而 WorkBuddy 企业版让网盘里的文件沿用企业既有权限设置就能被智能检索，数据始终留在企业池内。这意味着，Agent 每次执行任务不需要重新理解企业背景和知识，交付质量从依赖单次表现，转变为有了稳定下限。
而在上述能力打通之后，WorkBuddy 相当于在整个套件中承担 Agent Harness 的角色，以统一的规划、技能与上下文能力为套件内产品供能，让各端 AI 读写同一份企业记忆与数据，共用同一套智能体基础设施。过去，企业买的是单一产品的 "AI 功能 "，现在，企业买的是一个自带企业上下文的 AI 底座。
这套产品逻辑与移动互联网早期发生过的事情高度相似。当年每个 App 都要自己实现一遍推送、定位、支付和登录，直到移动操作系统把这些基础能力封装成公共服务，开发者能专注在业务逻辑上，应用生态得以真正爆发。
WorkBuddy 的做法本质上是将移动互联网的打法复制到了 Agent 时代。当 Agent 数量越来越多、软硬件打通与多智能体协作的需求越来越强，底层能力必然会从 " 每个团队自建 " 演变为 " 由平台统一提供 "。
03
企业的效率飞轮
与 WorkBuddy 的 ToB 护城河
当账号体系与上下文在同一个产品中打通，带来的不只是交付质量的提升，也有望推动企业形成数据的飞轮。用户在日常使用中跑通的流程与判断，可以被固化为办公 Agent 里的 Skill 和专家，个人经验变成团队可以直接复用的能力；下一轮任务不必从零开始，而是带着上次的结论开工。
这意味着，Agent 被调用越多，企业空间里的上下文越厚；上下文越厚，智能体的交付越贴近企业自身的标准；交付越准，成员越愿意把更多工作交给它，带来更高频使用，进而形成企业的效率飞轮。
这套逻辑已经在不少企业客户身上得到验证。日化龙头上海家化在九大部门规模化落地 WorkBuddy 企业版，整体平均提效超过 4.5 倍。比如在供应链物流对账、品牌营销等场景中，员工把成熟流程沉淀为 Skill，一个部门跑通的能力，其他部门拿来即可复用，个人的提效工具，逐渐成为嵌入业务流程的 " 数字员工 "。
光伏组件龙头晶科能源已经让 WorkBuddy 进入到公司财务、IT、知识产权、生产等多个业务场景：有的员工用 AI 做数据分析，效率提升几十倍；过去需要三四天的涉外法律分析被压缩到半天；IT 部门甚至开始试点 " 一人项目组 "。AI 不再只是多了一个聊天窗口，而是真正进入岗位、流程和组织。
对 ToB 方案交付这类知识密集型场景，效率提升同样可观。据一家 ToB 方案交付服务商自行测算，联合使用 WorkBuddy 与腾讯乐享后，在相关交付场景中，人均每天约节省 2.3 小时，而且方案、案例与交付口径沉淀在乐享里，Agent 下一次直接调用，不再从头检索和重述背景。对一家靠交付吃饭的公司来说，每天多出来的这 2.3 小时，最终会变成接单能力和交付质量。
自 2026 年 3 月初上线以来，WorkBuddy 在短短半年迭代了 50 多个版本，而 WorkBuddy 企业版已经在政务、教育、零售、金融、传媒、出行等 50 多个行业加速落地。
WorkBuddy 能在企业级市场快速突破并不令人感到意外。作为国内现象级的办公 Agent 产品，WorkBuddy 的走红路线是从 C 端用户开始，进而带动大批企业客户接入使用。
这也让 WorkBuddy 能更早关注到企业级的诉求。王兴旺透露，晶科能源在 4 月底做 AI 产品选型时，WorkBuddy 就已经针对企业诉求做了大量产品迭代，包括积分按坐席分配、支持企业用户管理和项目组方式等，" 产品路线在往 To B 加强 "。
今年 6 月初，WorkBuddy 企业版正式上线，实现了按坐席计费、团队内共享积分池，并支持 SSO 单点登录、用量管控、集中式计费等企业级管控能力。
同年 9 月，WorkBuddy 上线开放平台，通过接入软硬件生态，把 Agent 的价值做深做厚。其目的是把千行百业已经存在的数据、工具、流程和 knowhow，组织到同一个 Agent 的运行体系里，让 Agent 不仅仅能撰写文档、做会议纪要，而是真正深入企业业务流程，成为生产力平台。
这一系列动作，都在加深 WorkBuddy 在企业级市场的优势。不久前，国际行业研究机构 Omdia 发布了《全球企业级智能体工作者（Agentic Worker）—— 2026 年中国市场》报告。其中，腾讯 WorkBuddy 在可托付任务效能、团队效能增益、专家与 Skills 生态、执行工程韧性及企业级管控五大维度，均显著高于报告所列市场平均水平，在满分 5 分的情况下得分全部达到 4.5 分及以上。
Omdia 将 WorkBuddy 的领先总结为 " 更接近一种生产系统优势，而非某一项单点功能优势。" 这种系统性优势体现在三项核心能力：通过自我进化的 Harness 闭环持续提升执行精准度；将组织经验编码为可编排的数字资产；以及构建覆盖权限、合规和成本的稳健治理基础。
如今，WorkBuddy 在办公套件化上迈出的一步，也给整个赛道提供了一条可参照的路线：先用一个足够好用的个人工具跑通体验，再把账号、权限、用量与审计收拢到同一个后台，最后把规划、技能与上下文能力汇集到统一底座，反哺套件内的其他产品。
© 本文为数智前线（szqx1991）原创内容
未经授权，禁止转载
进群、转载或商务合作联系后台
文章精选
在云栖大会，看见企业级 Agent 的最终形态
AI 来到离泥土最近的地方
" 我和我的个人机器人 "，等待一个 "iPhone 时刻 "
万亿商旅市场终局之争：告别差价博弈，智能体重塑差旅价值
缩小 AI 落地剪刀差，为什么需要产业智能体操作系统
台车歪了 5 毫米背后，飞书 + 豆包工作如何让 AI 真干活？
近九成企业用了 AI，为何组织提效却不明显
苹果缺席的那道题，中国厂商先交了卷
从 " 超级员工 " 到 " 超级流程 "，企业 AI 正在换挡
机器人补上 " 最后一厘米 "，触觉的战争打响了
从办公 Agent 到开放平台，WorkBuddy 在赌什么？
AI 编程更挣钱，为什么大厂全冲去做 AI 办公
从个人 Agent 到企业级数字分身：组织 AI native 转型的 " 最后十公里 "
历史进程中的浙大
大模型五大 " 标王 " 与六边形战士
枪响在 2018：神秘东方力量，为何扎堆杭州
