如果不用   AI，你的工作将会受到多大影响？

坦白讲，老狐受到的影响还挺大的，除了码字还是手搓，其他地方好像都离不开   AI   了，让它给我整理资料、制作封面、生成参考标题等等。

简而言之，没有   AI，上班摸鱼的时间将大大减少。

过去半年，AI   已经融入到许多人的工作流中，改变人们的工作方式，互联网科技企业的竞争聚焦在了 " 让   AI   能干活 " 上，众多桌面办公   Agent   出现，而其中最有代表性的产品可能就是腾讯的   WorkBuddy   了。

根据易观的数据，WorkBuddy   在   6   月份的访问量就已经超过了   2000   万，这个数字比第二名和第三名加起来还多。

要知道   WorkBuddy   正式上线时间是   3   月   9   日，3   个月达到了   2000   万访问量，卷成奋斗劳模。

腾讯刚刚在深圳举办了 "WorkBuddy   生态大会 "，在参加完大会后，我发现腾讯不仅是希望   WorkBuddy   成为一个优秀的办公   Agent   产品，它正在变得越来越开放，希望连接各个产品，触达各个场景，甚至在未来成为一个   Agent 生态，升级为   AI   时代的一项基础设施。

腾讯为什么要这么做？这源自   Agent   的核心竞争力之争。

上下文能力

自从   ChatGPT   引发   AI   热潮以来，大家对   AI   产品能力的评价都是唯模型论。

一个   AI   产品好不好，就在于大模型能力强不强，基准测试分数高不高，所以各家都在卷大模型规模，堆算力。

从某种程度上来说，这就是 " 不服跑个分 " 的   AI   版，放在聊天机器人上，这是合理的。

但在   Agent   时代，模型能力不再是核心竞争力，上下文能力变得尤为重要。

什么是上下文能力呢？在   Agent   运行过程中，它的逻辑结构是这样的：

用户输入提示词后，Agent   会根据提示词检测环境，包括历史对话、用户需求、文件信息、可用工具等等，来构建上下文交给大模型。

大模型思考判断、调用工具，生成的结果将更新到上下文，由大模型再次判断是否完成任务。

所以大家发现没，在   Agent   执行任务过程中，上下文能力就变得很重要了，它决定了大模型在思考、规划时如何判断下一步该做什么。

如果把   Agent   比作一个人，大模型的能力是智商，那么上下文能力就相当于一个人的记忆，或者说是他的知识面。

你写过的文档、开过的会、发过的邮件、跟过的项目、维护的客户关系，这些才是个人和企业的 " 记忆 "。

WorkBuddy   的思路，是连接用户真正在用的工具和系统，把散落各处的 " 记忆 " 汇聚起来。大模型在思考时，依据用户真实的工作记录，做出的判断才能切合个人或企业的实际需要。

这就是   Agent   里上下文能力的价值，也是为何如今的办公   Agent   都在强调上下文能力——没有上下文，大模型能力再强，也是巧妇难为无米之炊。

连接与开放

因此，当   Agent   上下文越来越重要的时候，一个能够连接企业应用上下文的   Agent，甚至是一个连接所有   Agent   的   AgentOS   平台，越来越重要。

它就像   Agent   生态的基础设施，去连接垂直服务领域的   know-how、专业应用，去提供像法律、金融、财税、人力资源管理、零售、医疗、教育等专业的服务。

而   WorkBuddy   要做的正是如此，帮助用户去连接更多的场景，开放平台给更多合作伙伴使用。

在   WorkBuddy   生态发布会上，我们发现这个   Agent   生态已经在快速生长。

硬件方面，WorkBuddy   已经接入了   30   多个品牌，覆盖了   10   多种的品类，应用方面，也有   30   多家共建企业，覆盖了   20   多个领域。

就说咱们狐友们最熟悉的硬件吧，这里面有华为、科大讯飞、影石、华硕、罗技、魅族、安克、京东京造等等大家耳熟能详的硬件品牌。

产品包括眼镜、录音卡片、麦克风、耳机、手表、桌宠机器人、PC、键鼠、NAS   等等，总结来说，覆盖了听、看、记、聊和协（同）五种形态。

京东京造的录音卡片   Joy A1   接入   WorkBuddy   后，用户可以将录音卡片记录的内容可同步至   WorkBuddy   资料库中，让它帮助理解会议内容、生成纪要提炼待办。

影石的会议摄像头和麦克风，记录的内容也能上传至   WorkBuddy，直接创建任务执行。

科大讯飞和   Rokid   的眼镜在接入了   WorkBuddy   后，可实时显示   WorkBuddy   的任务进程，帮助用户管理任务。

安克的桌宠机器人在接入   WorkBuddy   后，用户可以直接唤起   WorkBuddy，在不动手的情况下，命令   WorkBuddy   帮助用户执行任务。

还有罗技的   MX   系列鼠标，通过自定义快捷键，更好地与   WorkBuddy   交互；Ulanzi   的键盘麦，三个按键 + 旋钮 + 麦克风，就能语音控制   WorkBuddy，下达指令，执行任务。

可以看到，WorkBuddy   在打通了硬件、App、PC   等多个终端后，账号、任务、产物可以实现多端无缝流转，能在更多的场景为用户服务，硬件虽然不同，但体验却趋近统一。

有意思的是，我们在现场了解到，这些硬件连接方式并不相同。

有的是作为硬件接入，比如京东京造的录音卡片、Ulanzi   的键盘麦；有的硬件有自己的独立   App，WorkBuddy   通过连接器调用云端内容；又或者将   WorkBuddy   功能嵌入到硬件的   App   中，给硬件一个   AI   的灵魂。

足以见得，WorkBuddy   在用不同的模式去连接一个硬件产品。

WorkBuddy   在现场宣布开放平台正式上线，对外开放了专家、技能、连接器、硬件和   Buddy   应用这五大生态能力，开放对象除了硬件厂商，还有前面提到的应用伙伴。

Buddy   应用，可能对很多人来说是一个新词汇，这也是   WorkBuddy   面向各行各业开放的一种新的形态。

首先，WorkBuddy   这个工作台，经常用的人已经把功能分区刻进脑子里。

它很通用，但不够专业，就好像都是用四个轮子造车，SUV   和轿车能满足大多数场景，但面向赛车、消防、救护这样的专业场景，需要调整设计，适应场景。

WorkBuddy   应用也是如此，在面对不同行业、不同场景的需求时，它的能力也可以由应用伙伴自己定义。

WorkBuddy   提供一个基础的底座，更上层的品牌、工作模式、场景入口、上下文、能力组合和数据 · 服务 · 系统这六大能力，则是由企业自己定义。

例如北大法宝   Buddy，围绕合同审查、法律研究、文书起草、合规审查和争议分析等高频任务，提供可执行、可追溯、可复核的工作流，重复性法律工作能够前置处理、更快更标准地完成，关键判断的控制权始终留在律师或法务手里。

企鹅教师助手专注 " 教学设计、家校共享、专业成长 " 等面向教师场景的专项能力；微盟则是围绕 " 经营诊断、商城运营、客户运营、门店导购 " 等零售领域专属场景，连接起专家和技能。

软件应用企业基于   WorkBuddy   底座，接入自己的行业场景、业务上下文、工具能力与品牌，便可以获得完整的自有形态   AI Agent   办公产品。这种模式的优势是客户不用训练自己的大模型，就能拥有领先的   Agent   能力，避免了重复造轮子，降低了   AI   落地的技术门槛。

想象一下，当一个开放的   WorkBuddy   能够融入更多企业的工作流，而硬件上的开放，又能帮助企业触达更多场景，拥有更多的上下文能力，彼此互相促进发展，一个繁荣的智能体生态便开始生长壮大。

结尾

如果说   Agent   是   AI   的下半场，那么生态就是下半场的胜负手。

模型能力决定一个   Agent   跑多快，开放程度决定一个生态走多远。WorkBuddy   的选择很清晰：连接的伙伴越多，场景越丰富；场景越丰富，上下文越完整；上下文越完整，Agent   就越懂你。

这不是腾讯的   WorkBuddy，而是所有伙伴与用户的   WorkBuddy。

参考资料：易观分析、晚点 LatePost 等

编辑：木易