ARTICLE · 人工智能

当 Agent 走出 App:WorkBuddy 的朋友圈开始向外生长

作者:InfoQ 中文 来源:InfoQ 中文 2026-09-03 18:08 23 分钟 3 阅读 5632 字
AI Agent腾讯混元AI工作流SaaSMCP协议
一语总结

WorkBuddy 通过硬件连接、Buddy 应用和开放平台三轮开放构建 Agent 生态,将上下文、数据和行业 know-how 接入 Agent,拉开与纯模型能力的差距。

AI 总结

文章报道了 WorkBuddy 在 9 月 2 日深圳举办的生态发布会。WorkBuddy 从三个方向开放:硬件生态(30+品牌,覆盖智能眼镜、录音卡、麦克风等十余品类)、Buddy 应用(30+伙伴,覆盖金融/法律/教育/医疗等 20 多个领域)、开放平台(Harness 工程能力+Skill/Connector 等四类能力积木)。核心观点是 Agent 进入生产场景后面临场景、系统和行业 know-how 三层限制,模型再聪明也够不着散落在各系统的数据和专业经验;真正拉开 Agent 差距的不是模型本身,而是能连接多少上下文、数据和真实场景。文章还分析了开放生态的复利逻辑,并指出价值分配和生态可持续性仍是未解问题。

核心要点
  1. Agent 进入生产场景后面临三层限制:场景、系统和行业 know-how

    企业真实工作环境天然是碎片化的:数据散落在不同系统(银行、税务、ERP),专业经验存在于人的脑海和组织流程里。一个 Agent 可以分析几十份材料,却未必知道项目上周推进到了哪里;换一台设备、换一个应用,用户往往还要重新交代背景。一家公司自己收不齐这些上下文,只能开放让持有它的人接进来。

  2. 硬件开放让 Agent 从「等用户打开 App」变成「出现在真实场景」

    围绕「听、看、记、聊、协」五类触点,WorkBuddy 接入 30+硬件品牌。分工明确:硬件负责感知与交互,云端 Agent 负责理解、规划与执行。以智能眼镜为例,用户戴着眼镜走进会议室,从发言转写到会议纪要再到跟进邮件,由同一条链路完成;换设备不换上下文。硬件厂商接入门槛被压到很低:扫码绑定、任务分发、结果回传。

  3. Buddy 应用让行业伙伴用 WorkBuddy 底座构建有品牌认知的工作台

    伙伴定义价值(品牌、工作模式、场景入口、上下文、能力组合),WorkBuddy 保障运行。首批覆盖金融、SaaS、法律、医疗、教育等 20 多个领域,包括通达信(投研专家)、北大法宝(法律工作流)、微盟(零售经营工作台)、企鹅教师助手等。用户长期认知的是伙伴的品牌,WorkBuddy 只是底座。

  4. Harness 工程能力作为公共设施开放,降低伙伴重复建设成本

    真实工作里 Agent 循环要稳定跑几十步、几十分钟,上下文会变长、工具会失败、任务会中断,底模升级时上层应用不应剧烈震荡。WorkBuddy 把理解、规划、执行、记忆、多 Agent 协作等共性能力沉淀进 Runtime,再通过开放平台以标准接口开放。伙伴可用四类能力积木接入真实世界:专家、技能 Skill、连接器 Connector(基于 MCP 协议或 CLI)、灵感案例。

  5. 生态的复利逻辑:伙伴越多→场景越丰富→反馈越多→体验越好→吸引更多伙伴

    键鼠提供主动输入信息;智能眼镜、录音设备带来第一视角、连续感知这类新上下文;行业软件把真实业务系统带进来;Skill 和 Expert 提供完成某类工作的方法。一条 Skill 被反复调用,持续产生新的反馈:哪类任务怎样拆解、哪些能力组合更有效。这与 CUDA 效应相似:当开发者、硬件、企业流程和用户上下文围绕同一基础设施积累,迁移成本会从模型选择扩展到记忆、任务、技能、工具链、权限体系、业务流程和商业关系。

  6. 价值分配和生态可持续性仍是未解问题

    用户为结果付费产生的溢价应导向应用、连接器和技能的提供者,但分成与激励体系仍处于早期建设阶段。腾讯对生态的判断是清醒的:「生态是不太能被计划的……有没有生态是一个结果。」先来的伙伴带着 know-how 和流程理解,但能否形成完整循环仍需要时间验证。

当 Agent 走出 App:WorkBuddy 的朋友圈开始向外生长

文章报道了 WorkBuddy 在 9 月 2 日深圳举办的生态发布会。WorkBuddy 从三个方向开放:硬件生态(30+品牌,覆盖智能眼镜、录音卡、麦克风等十余品类)、Buddy 应用(30+伙伴,覆盖金融/法律/教育/医疗等 20 多个领域)、开放平台(Harness 工程能力+Skill/Connector 等四类能力积木)。核心观点是 Agent 进入生产场景后面临场景、系统和行业 know-how 三层限制,模型再聪明也够不着散落在各系统的数据和专业经验;真正拉开 Agent 差距的不是模型本身,而是能连接多少上下文、数据和真实场景。文章还分析了开放生态的复利逻辑,并指出价值分配和生态可持续性仍是未解问题。

文章金句

"

真正的 AI 提效从来不取决于一个工具有多强,而取决于它能连接多少数据、多少能力,能走进多少真实的场景

"

数据在银行或者税务系统里、know-how 不知道,再聪明的模型也干不了活

"

模型提供智能,Runtime 托住运行,伙伴接入真实的世界,Buddy 应用把这一切变成产品

"

生态是不太能被计划的......有没有生态是一个结果

"

AI 得懂上下文,得能干活