腾讯不追风口，风口追上了腾讯—— WorkBuddy 突围实录

新眸原创 · 作者 | 叶静 桑明强

今年初，腾讯云 CSIG 大楼的一间会议室里，一帮年轻人通宵了几天，把一个叫 WorkBuddy 的 0.01 版本 " 拱 " 上了线。

此时距离龙虾热席卷国内还有一个多月。这个基于 CodeBuddy 三年技术底座做出来的子品牌，最初的定位只是 "AI 打更人 "，帮非研发的同事做做 PPT、整理数据、写写报告。上线第二天，内部用户就突破了两千人。

后来的故事尽人皆知。3 月 9 日公测当天紧急扩容十倍资源，三个月迭代四十多个版本，千万月活，登顶国内桌面 AI 智能体榜首。有人说它踩中了风口，有人说它靠的是腾讯的流量，也有人说这不过是又一个后发制人。

但如果你把时间线往前拉三年，会看到一个截然不同的叙事：一个持续亏损、差点在降本增效中被砍掉的开发者工具项目，一群在寒冬里坚持写代码的工程师，一次从 " 帮程序员写代码 " 到 " 替所有人干活 " 的认知跃迁。

这不是一个追风口的故事，这是一个等风来的故事。

在 AI 这场马拉松才刚跑完头一公里的当下，WorkBuddy 的突围或许能给所有狂奔中的从业者一个善意提醒：机会不只属于最早上场的人，同样属于那些在寒冬里把底座做厚、在风口来临时把产品做实的人。

以下 25 个判断，来自腾讯这一年 AI 实践最真实的一手素材——有创始人与高管（马化腾、汤道生）的思考，有产品经理（腾讯 WorkBuddy 首位 PM 汪晟杰）的执念，有首席 AI 科学家（姚顺雨）的判断，也有我们从中提炼的方法论。

它们或许不构成标准答案，但足以成为理解这场技术变革的一个切片。

赛道与时机：不是追风口，是等风来

判断 1：WorkBuddy 不是被龙虾热催生的，它比龙虾更早。

今年 1 月初，Claude 推出了 Cowork 功能，我看到之后马上拉了几个同事，基于自家平台做了一版原型给老板看。老板一拍即合，我们就开干。我和几个小伙伴通宵了两天，把 WorkBuddy 的 0.01 版本在 1 月 17 日拱上线了，而彼时 OpenClaw 还没有在国内破圈。

很多人以为 WorkBuddy 是蹭龙虾热的跟风产品，实际上时间线恰恰相反，它先于风口存在，只是风口到来时它已经准备好了。

（来源：WorkBuddy 产品负责人汪晟杰）

判断 2：现象级产品的底层，往往是一个差点被砍掉的亏损项目。

腾讯云早期收购的 coding.net，做代码托管与 CI/CD，因为研发工具的商业模式不太好，一直处于亏损状态，拖着腾讯云扭亏为盈的后腿。降本增效那几年，CSIG 关掉了不少亏损的 SaaS/PaaS 产品，一度也要收缩对 DevTools 的投入，幸好没有砍掉这个项目。

回头看，所有的现象级突围其实都不是凭空出现，它需要一个在寒冬里活下来的技术底座，以及一个愿意给它时间的组织。

（来源：腾讯高级执行副总裁汤道生）

判断 3：AI 下半场最重要的不是方法，是找到好问题。

姚顺雨提出的 " 下半场 " 概念，核心判断是方法论已经成熟，但寻找问题变得更加困难。

过去发明 AlphaGo 这样的方法去下围棋，但它只适合下棋；有了预训练和后训练之后，像有了一个万能锤子可以砸任何钉子，反而更困难的是怎么寻找好的问题去解决。加入腾讯很重要的一点就是这里有很多好问题、有很多产品。

这解释了为什么 WorkBuddy 能跑出来，它不是在实验室里想出来的，而是在腾讯海量真实业务场景中被 " 逼 " 出来的。

（来源：腾讯首席 AI 科学家姚顺雨）

判断 4：起得早不重要，熬得久才重要。

AI 这场马拉松才刚跑完头一公里，起得早虽然重要，但熬得久才有机会抓住持续出现的新机遇。回顾移动设备历史，任天堂 GameBoy、苹果 Newton、各种 PDA 都起得很早，但最终是经历了十多年探索的 iPhone 和 Android 抓住了市场。

重要的不是谁最早走出第一步，而是谁能更坚定地长期投入，在市场噪音中识别出真实信号。WorkBuddy 的团队三年前就在做开发者工具，中间经历过商业模式困境、降本增效压力，但始终没有放弃，这是它能在风口来临时接住机会的根本原因。

产品定位：从 " 帮你写 " 到 " 替你干 "

判断 5：WorkBuddy 的本质不是聊天机器人，是长轮任务执行者。

"WorkBuddy 解决的不是 Chatbot 或者会议纪要的问题，我们的舒适圈，是能不能把长轮任务真正做好，以及能不能用最经济的模型最高效地完成任务、产出内容。"

这一定位精准切中了用户对 AI" 只聊天不干活 " 的普遍吐槽，当所有竞品都在优化对话体验时，WorkBuddy 直接把价值锚点放在了 " 交付成果 " 上。用户不需要一个更会聊天的 AI，需要一个能把 PPT 做出来、把数据整理好、把报告写完的搭子。

判断 6：写代码和做复杂 PPT 是同等复杂度的事，所以 CodeBuddy 能长出 WorkBuddy。

汪晟杰深耕了三年面向开发者的 IDECodeBuddy，但发现非研发的人很难把它用起来。他认为：写代码和做复杂 PPT 是同等复杂度的事，既然 AI 能帮程序员写代码，那同样的技术底座也能帮非技术人群做 PPT、写报告、整理数据。

这个认知是 WorkBuddy 诞生的逻辑起点：相比另起炉灶做的新产品，他们把已验证的 CodingAgent 能力，平移到了一个更大的用户群体上。

判断 7：产品的终极检验标准是——让你爸妈也能用。

" 我对 WorkBuddy 的期待很朴素：让我爸妈也能够用起来，通过微信就能控制电脑。当下真正需要的不是一只越来越自主、越来越吃资源的全自动龙虾，而是一只安全可控、极简上手的龙虾。"

这个标准看似简单，实际上把 AI 产品的使用门槛从 " 技术人员 " 拉到了 " 所有会用微信的人 "。打开即用、无需配置、扫码即用，这六个字背后是对普通用户使用习惯的极致尊重，也是 WorkBuddy 能快速破圈的核心原因。

判断 8：最受欢迎的场景不是写代码，其实是做 PPT 和深度研究。

WorkBuddy 平台上使用最多的场景，第一是做 PPT，它有自我进化的记忆体，跨端都能用；第二是深度研究，本质上是进行对抗性研究，要懂记忆；另外公众号长文提取和分析也很多，把难懂的纯文字变成可交互的小应用。

这个数据很有启发性。它说明办公智能体的核心价值不在 " 替代程序员 "，而在 " 赋能所有知识工作者 "。PPT 和深度研究这两个场景，恰好是所有职场人最痛、最耗时、最愿意为效率付费的环节。

技术底座：自研，三年的沉潜

判断 9：百分之百自研，没有用过任何一行 OpenClaw 的源码。

WorkBuddy 与 CodeBuddy 家族共享同一套 AI 驱动架构，在生态层面兼容 OpenClaw 的技能体系，但没有一行代码来自 OpenClaw 本身。

去年下半年 CodeBuddy 团队已经在搭建包含开放平台、SDK、AI 驱动框架的全套技术底座，汪晟杰的判断是龙虾这套玩法和 Anthropic 是一模一样的，腾讯有能力也有必要自己做。

自研的意义不只是 " 自主可控 "，更在于技术栈的统一性，当底座、框架、产品都是自己的，迭代速度和问题定位效率会远超基于开源项目二次开发的竞品。

判断 10：龙虾不是产品，龙虾是个概念。

龙虾不是产品，龙虾是个概念，龙虾也不等于 OpenClaw。

龙虾代表的是一种产品理念，自主、自动化、安全可控地帮用户完成任务。这个概念的澄清非常重要，它把 WorkBuddy 从 " 腾讯版 OpenClaw" 的模仿者定位中解放出来，放到了一个更本质的产品哲学层面。

当全行业都在纠结 " 谁的龙虾更像 OpenClaw" 时，WorkBuddy 已经在思考 " 龙虾这个理念下，什么样的产品形态最适合中国用户 "。

判断 11：做大模型从某种程度来说比较 Trivial，Infrastructure 和数据才是真功夫。

姚顺雨的判断是：今天做大模型从某种程度来说比较 Trivial，应该把 Infrastructure 做好、把数据做好，算法的部分反而是比较简单的。

混元 3 的几个关键决策——重建 Infrastructure、重构数据和 Eval 体系、用 Taste 驱动做取舍，都印证了这个判断。

对 WorkBuddy 来说，这意味着它的竞争力不只是 " 接了哪个大模型 "，而是背后整套 AIInfra 的支撑：高速网络、高吞吐存储、高性能 AgentRuntime，这些才是保证用户体验稳定流畅的底层保障。

判断 12：模型能力是智能体的天花板，工程能力决定你多快触达它。

今天的智能体能帮用户解决很多办公场景的问题，很大程度得益于模型能力发展到了今天的水平，同样的工具，把两年前的模型放进去肯定做不到今天的效果。

但算法决定天花板，工程能力决定你多快触达它。

从数据整理、训练、推理到场景落地，每一步都需要 AIInfra 的工程加持。WorkBuddy 的优势在于，它不是一个孤立的产品，更重要的是站在腾讯混元、Angel 平台、CodeBuddy、Harness 体系等一整套工程能力之上的，这让它能把模型能力的天花板尽可能地转化为用户可感知的产品体验。

生态与入口，微信的价值在于「上下文」

判断 13：微信的价值远不止 " 好装 "，它是 AI 决策的上下文放大器。

拥抱 AI 不仅仅是拥抱了微信，不仅仅是远程遥控电脑，这个太表面了。

微信真正的价值在于扩大 AI 决策的上下文，在用户一直使用微信的过程中，WorkBuddy 能在可控范围内帮用户获取信息，在云端沙箱里执行任务，不一定每次都要连到本地电脑。

汪晟杰举了一个日常场景：下班后忘记把本地文件同步到 iCloud，就在手机上给 WorkBuddy 发一条指令帮我把那个文件复制到 iCloud 目录。这个场景的本质不是 " 远程控制 "，而是 " 微信作为持续在线的上下文入口，让 AI 的服务不中断 "。

判断 14：AI 时代不会有一个贾维斯式的超级大脑，一定是分而治之。

未来一定是分而治之的，不同的人群都有随时随地的工具去触达一个垂类 Agent，不会有什么总的 AI 大脑像贾维斯那样去控制。

但 AI 与 AI 之间是可以有连接性的，连接的不是 AI 本身，而是 AI 大脑里的知识体系：上下文工程是流动的，用户在任何时间可以触发任何 AI 的入口，但属于用户的信息流是连续的。

这个判断解释了为什么 WorkBuddy 不追求 " 什么都能做 "，它聚焦在 " 特定场景的效率问题 " 上：它不做超级大脑，它做用户工作流里最顺手的那个执行节点。

判断 15：腾讯做 AI 的三层支撑，是模型、脚手架和超级入口。

马化腾在公开演讲中系统阐述了腾讯 AI 的三层支撑体系：

第一层是全谱系普惠的底层模型，不片面追求单一超大参数，而是搭建覆盖不同量级、不同场景的完整模型谱系；第二层是零门槛易用的 AI 脚手架，以 WorkBuddy 为代表，真正实现零部署、零代码、开箱即用；第三层是覆盖十亿级用户的超级入口与智能生态，微信、企微、腾讯文档等产品早已连接十几亿用户。

WorkBuddy 恰好是这三层体系的交汇点：它用混元模型做底座，用脚手架模式做产品形态，用微信等超级入口做触达渠道，三层共振才催生了现象级的增长。

（来源：腾讯董事会主席马化腾）

判断 16：开放模型策略不是妥协，是把选择权还给用户。

腾讯在智能体构造上一直采取开放态度，非常愿意跟不同模型厂商合作。CodeBuddy、WorkBuddy 也采取开放模型的策略，因为这些通用工具要支持不同企业、不同用户的各种场景，希望把模型的选择权给到用户。

WorkBuddy 的自动模式会针对不同问题调用不同模型：简单任务用性价比高的模型，复杂任务用能力更强的模型。这个策略的本质是承认一个现实：没有任何一个模型能在所有场景下都最优，开放兼容反而能让用户获得最好的综合体验。

安全与克制：在全自动的风口上主动踩刹车

判断 17：在全行业冲向全自动时，WorkBuddy 选择站在中间。

汪晟杰用一个横坐标比喻行业现状：最左边是人参与更多，最右边是全自动化。

OpenClaw 冲着最右边去，WorkBuddy 选择站在中间，目前绝对不是一个纯纯的托管自动化产品，可能是在一半的路上。他甚至主动给行业泼冷水：很多人一直在用 OpenClaw，也该泼一下冷水，它冲太前了，超出了这个时代当下马上需要的点。

这个克制的选择在当时看起来 " 不够激进 "，但事后证明恰恰是最聪明的策略。当监管密集预警、高校和企业纷纷封禁全自动工具时，WorkBuddy 因为安全可控反而在企业市场获得了更多信任。

判断 18：没有授权的自主进化是恐怖的，安全不是功能是底线。

在没有授权的情况下，AI 自己发一篇小红书、自己做以前发过内容的总结，这是很恐怖的事情。

WorkBuddy 从设计之初就规避了透传方式连接，而是用更安全的机器人推送方式。企业场景下可以关掉普通微信接口，只走企业微信通道，推送对象限定到具体的企业账号和个人身份；执行层面用户必须把任务放在特定目录下，高危命令需要人工确认。

安全不是一个可以后补的功能，它是从产品架构第一天就要决定的路线选择。WorkBuddy 的克制不是技术做不到全自动，他们清醒地认识到：在 AI 能力超越用户掌控力的阶段，可控性比自主性更重要。

判断 19：AI 安全是看不见的基础设施，要像修公路一样先修护栏。

AI 的风险往往具备隐蔽性，可能藏在算法偏见、数据漏洞或不合理滥用的细节之中。腾讯在技术研发的全流程搭建了系统性的风险响应机制，提前划定清晰的安全红线，就像修建公路时不止要夯实路面，更要配套完善护栏与警示标识。

对 WorkBuddy 来说，安全体系是多层的：云端沙箱隔离执行、本地操作边界管控、技能生态严格审查、网络检索安全网关拦截、企业级身份认证与通道隔离。这些能力用户平时感知不到，但正是这些 " 看不见的基础设施 "，让 WorkBuddy 能够在企业场景中被信任、被采购、被大规模部署。

组织与迭代：用 AI 的方式做 AI 产品

判断 20：上线三个月迭代四十多个版本，因为代码基本都是 AI 写的。

WorkBuddy 上线短短三个月就迭代了四十多个版本，几乎是一天一小步地往前跑。过去做产品往往要先写文档、评审、排期再开发，而 WorkBuddy 团队是先让 AI 把东西做出来，大家围着一个能跑的原型看效果、提意见、再调整。

整个过程中代码基本上都是由 AI 生成的，人更多地转向做判断、调试和把关。白天人和 AI 一起想、一起改，晚上 AI 接着跑长任务。这是一种全新的产品研发范式，不是 " 人写代码、AI 辅助 "，而是 "AI 写代码、人做决策 "。

当研发效率提升一个数量级，产品的迭代速度自然就甩开了竞品。

判断 21：AI 原生组织是扁平化小团队，三五个人就能办大事。

WorkBuddy 的组织非常扁平化，跟过去其他产品组织架构有很大差异，更多是三个人五个人的小团队围绕某一个领域做攻坚，还要支持 Infra 做实验，让不同的小分队去探索然后再验证。试验大部分拿不到正向反馈，也要包容团队去试错。

这种组织形态的变化不是管理风格的选择，而是 AI 时代研发效率提升后的必然结果——当一个工程师能驱动多个 CodingAgent 完成过去一个团队的工作量，大团队的流水线反而变得臃肿低效。角色边界模糊化、团队规模微型化、试错成本极低化，这是 AI 原生组织的三个核心特征。

判断 22：腾讯文档团队的并入，是 WorkBuddy 领先同行的关键一步。

正当需要加大 WorkBuddy 投入时，腾讯文档团队也调整到了 CSIG，两个团队快速融合，正好补齐了 WorkBuddy 所急需的文档编辑能力，让人机双写、资料库等能力快速上线，继续领先同行。

这个组织调整的时机和价值很容易被低估。办公智能体的核心场景之一就是文档处理，如果文档能力是短板，用户体验就会卡在最后一公里。腾讯文档团队多年积累的文档处理能力变成了 WorkBuddy 可以调用的 Skill，这不是简单的功能叠加，而是产品能力边界的实质性扩展。

模型与协同：Co-Design 的本质是建立信任

判断 23：Co-Design 最难的不是技术，是模型团队和产品团队之间的信任。

Co-Design 最难的一点是建立 Trust，同理心很重要。做模型的目标和做产品的目标有很多 align 的部分，也有很多不 align 的部分，模型人希望能力越强越好，产品的人觉得用户需求越满足越好。

当时混元团队派了后训练最强的骨干力量去帮助元宝把后训练做好，很多算法同学不理解，但现在看起来这些努力都是 Tradeoff，这个动作让产品意识到模型的同学是真的在为产品着想。

WorkBuddy 与混元的 Co-Design 也是同样的逻辑。不是模型团队甩一个模型给产品团队用，更重要的是双方从目标对齐、数据构造、Eval 体系到实验验证全流程共创，这种深度协同才能产出真正好用的 AI 产品。

判断 24：实用性价值大于刷榜价值，真实场景的 Eval 才是试金石。

中国大家有个不好的倾向是喜欢刷榜，但更重要的是如何实事求是地基于产品、基于真正的应用构造更加真实的 Eval。先发一个 Preview 模型最主要的目的之一，就是希望获得真实世界反馈，修复各种各样榜单中没有发现的问题。

真实场景中的用户 Prompt 分布和 benchmark 完全不同，benchmark 上的题目精确、描述长、问题单一，而现实场景中用户问的问题模糊、就一两句话、还会不停追问。

WorkBuddy 的海量真实用户反馈，反过来成为混元模型迭代最宝贵的数据资产，形成了 " 产品用模型→用户提反馈→模型变更好→产品体验提升 " 的正向飞轮。

（来源：腾讯首席 AI 科学家姚顺雨 ）

商业化与长期主义：不设 KPI 反而跑得更快

判断 25：WorkBuddy 现在没有商业化目标，因为它像几年前的腾讯会议。

对于 WorkBuddy、CodeBuddy 这样的 AI 智能体，现在还是投入期，腾讯并没有给 Buddy 团队设商业化目标。WorkBuddy 今天有点像几年前的腾讯会议，既有 ToC 属性也有 ToB 属性，会继续发挥好它 C2B 的能力，搭建可持续发展的服务体系。

这个策略看似 " 不急着赚钱 "，实际上是最理性的选择。在 AI 产品渗透阶段，用户习惯和产品体验的建立远比短期收入重要。当 WorkBuddy 成为用户离不开的工作搭子，当企业发现不用它就效率落后，商业化自然水到渠成。不设 KPI 不是不重视，而是给团队足够的空间把产品做透。

本文系新眸原创，申请转载授权、商务合作请联系微信：ycj841642330，添加好友请备注公司和职位。

— END —

更多内容，点击下方关注