WorkBuddy打开生态，腾讯要做自己最擅长的事

作者｜董道力
微信｜ ddl941110

今天，再聪明的办公 Agent，也像一个每天都要重新入职的员工。

一场会议结束，录音留在设备里，客户资料在企业系统里，过往材料躺在 NAS 里。Agent 坐在电脑前，会读文件、开浏览器、调用应用，却不知道刚刚发生了什么。

你得先从录音笔里导出文件，找到对应内容，再上传给 Agent，然后补上一段背景：这是哪场会议、对面是谁、接下来要做什么。

我们买来 Agent 是为了减少重复劳动，结果先成了它的数据搬运工。

问题不只出在模型，也出在连接。大量数据、工具和流程沉淀在不同地方。再强的 Agent，如果接不上这些，也只能处理用户提前整理好的材料。

9 月 2 日，WorkBuddy 开放平台正式上线，首批亮相 9 款联名硬件和 30 余个行业应用，同时向开发者开放 Skill、Expert 与 Connector。

WorkBuddy 这次向外打开的，不只是一组开发接口，也包括 Agent 与外部设备、应用和行业能力的连接方式。

硬件厂商把现场带进来，软件公司接通业务系统，行业伙伴将长期积累的 Know-how 做成 Buddy 应用。WorkBuddy 提供 Agent 运行所需的底座，让设备、数据和专业能力能够围绕同一项任务协同。

每接入一个设备、一套系统或一项行业能力，Agent 能够感知和执行的范围就向外扩展一层。

因此，WorkBuddy 此次开放生态，所指向的是一种更完整的连接能力：让分散在设备、系统和行业里的上下文，持续进入同一条任务链。

1

生态开放的起点，是重新定义上下文

要让 Agent 真正连接到工作现场，先得扩大它能够感知的信息范围，也就是上下文。

这里的上下文远不止桌面上的文件和当前打开的网页。对记者来说，采访录音、旧报道、联系人和选题会记录都是上下文。对企业管理者来说，会议纪要、业务报表、日程和审批规则是上下文。对户外爱好者来说，手表记录的身体数据、天气和路线也是上下文。

用户面对的一切，都可能成为 Agent 完成任务所需的信息。

这些信息仍然各自为战，用户要先寻找、导出、整理，再上传给AI。

软件入口已经足够多，硬件入口反而稀缺，而且长期割裂。硬件的特殊价值在于“在场”：会议刚开始，眼镜和录音设备已经在场；运动刚发生，手表已经拿到数据。

例如，WorkBuddy 与 Rokid 眼镜的合作展示了这条链路。眼镜负责捕捉线下沟通，WorkBuddy 继续完成纪要、待办和后续任务。与绿联NAS的合作指向另一端：让本地存储成为统一、安全的数据底座，在用户授权下向Agent提供长期数据。

生态大会展示了 Workbuddy 的第一批硬件生态，智能眼镜、耳机、麦克风、录音卡片、桌宠、键鼠、PC/平板、手表等终端，围绕「听、看、记、聊、协」五类触点。

连接硬件扩大了 WorkBuddy 能看见的范围。数据接进来，只解决了“看得见”。Agent 还要知道哪些信息有用，应该按照什么顺序处理，什么情况下必须停下来找人确认。

接下来轮到 Harness。

1

上下文之后，Harness决定它会不会工作

过去几年，AI 行业最关心的问题是模型够不够强。

现在，不同模型之间依然存在差距。但对不少办公任务而言，模型已经不是唯一的短板。企业可以根据任务，在不同的闭源与开源模型之间切换、组合，模型逐渐变成一种可以调度的能力。

真正把模型组织起来工作的是 Harness。它决定读取哪些材料、怎样拆解任务、调用什么工具。同一个模型放进不同的 Harness，拿到的上下文、工具和反馈机制不同，最后很可能就是两种产品。

问题在于，各家 Harness 都在单独建设自己的记忆、权限、工具和任务体系。同一份企业数据需要分别接入不同 Agent，同一套权限要重复配置。

Harness 解决一个 Agent 怎样完成任务。WorkBuddy 开放平台要解决的，是换了设备、应用和 Agent 之后，这项任务还能不能继续。

腾讯把 WorkBuddy 内部的 Harness 向外开放，将理解、规划、执行和记忆等能力封装为可调用接口。硬件厂商和行业伙伴接入的，不只是一条模型接口，而是“获取上下文、推理规划、调用工具、执行任务、观察验证”的完整循环。

入口变多，只会让 WorkBuddy 成为一个更大的 Agent。上下文、权限和任务状态能够跟着工作一起流动，这让 WorkBuddy 更接近于 OS。

1

最难的上下文，是行业 Know-how

硬件把现场带进来，Harness 把信息组织成任务。可一旦进入具体行业，通用 Agent 还是会碰到一道更难的墙：它不知道一家公司究竟怎样做事。

企业工作很少是把资料读完，再生成一段文字。数据藏在不同的业务系统里，操作受到权限约束，许多动作还有固定顺序。哪些信息可以读取，哪些步骤可以自动执行，什么情况必须找人确认，做到什么程度才算交付，都需要长期积累的行业经验。

知识通常写在文档里，Know-how 却藏在行业老炮脑中。

WorkBuddy 开放生态负责人林佐露在采访中坦言，技术底座可以由腾讯建设，但真正进入用户场景、自动解决各类生产力任务，“光靠我们搞不定”。要把 Agent 牵引到正确结果，还得依靠行业伙伴积累的数据、流程和 Know-how。

WorkBuddy 推出 Buddy 应用，就是为了接入这部分行业经验。合作伙伴基于 WorkBuddy 的底座，把自己的业务数据、系统工具、工作流程和判断标准接进来，形成面向具体行业的 AI 工作台。

首批 Buddy 应用覆盖金融、SaaS、法律、医疗、教育、设计等 20 多个领域，由通达信、广发证券、北大法宝、微盟、北森、帆软、美图设计室等 30 多家合作伙伴共同建设。

以接入 WorkBuddy 的北森 AI·HR 专家为例。用户说一句“帮我看看研发负责人岗位招得怎么样了”，Agent 要回答的并不是一个知识问题。

它需要在用户授权范围内调用北森的相关能力，找到对应岗位，查看简历流转、面试安排和 Offer 进度，再按照招聘流程判断问题出在哪个环节，最后把结果整理成用户能够采取行动的结论。

一句话背后，至少站着四样东西：真实数据、系统接口、用户权限，以及一套招聘工作的 Know-how。少了任何一样，Agent 都可能给出一段听起来合理、实际上无法执行的回答。

Skill、Expert 和 Connector，则把这套结构进一步拆开。

Connector 负责连接外部软件、数据和服务；Skill 沉淀一类任务的处理步骤；Expert 封装专业角色的判断方法和输出标准。

硬件告诉 Agent 刚刚发生了什么，Connector 提供业务现场的真实信息，Skill 和 Expert 决定这些信息应该怎样处理，Harness 再把它们组织成一项能够持续执行的任务。

因此，WorkBuddy 所说的生态，不只体现为合作伙伴的数量。伙伴接入的数据、工具和 Know-how，会直接决定 Agent 能看见什么、调用什么，以及把任务推进到哪一步。

1

连接是腾讯的老本行

严格来说，开放平台并不是只有腾讯能做。微软有 Windows、Microsoft 365 和 Azure，谷歌有 Android、Workspace 与 Gemini，国内的阿里、字节和华为，也分别掌握着模型、云、办公软件或硬件入口。

如果只比较产品清单，腾讯并没有独占哪一项能力。

但开放平台要成为 Agent OS ，需要的不是某一项能力领先，而是让模型、运行环境、真实工作场景和外部生态同时连接上。到了这一步，候选者就会迅速变少。

腾讯的第一张牌，是一套相对完整的技术组合。

模型与路由层有混元 Hy4 Preview 和 TokenHub，Agent 产品层有 WorkBuddy 和 CodeBuddy，运行层有 Agent Runtime，开发与治理层有 ADP 4.0。单看任何一层，这些能力都不是腾讯独有。真正稀缺的是，这套技术下面已经压着一个真实的工作世界。

会议在腾讯会议里发生，材料在腾讯文档里协作，组织和客户关系沉淀在企业微信里，邮件、日程和审批构成任务的时间线。

模型公司拥有“大脑”，硬件公司握着“眼睛和耳朵”，企业软件守着流程和数据。腾讯的特殊位置，是这些东西原本就在它的产品版图里相遇。

许多模型公司需要四处寻找场景，办公软件厂商需要补 Agent 的运行能力，硬件厂商又缺少企业数据和工作流程。腾讯不需要从零创造，它要做的是把今天已经发生在各个产品里的工作重新连接起来。

这也引出了腾讯的第二张牌：做平台。

Agent OS 不可能只靠一家公司把所有能力做完。它需要硬件厂商提供感知入口，软件公司接入业务系统，行业伙伴贡献数据和 Know-how，开发者不断增加 Skill、Expert 与 Connector。

腾讯过去二十年的核心能力，恰好不是包办所有服务，而是制定分发规则，再让其他人在平台上提供具体产品。

微信和小程序已经验证过这种分工。平台提供基础设施和用户入口，合作伙伴负责提供服务。WorkBuddy 强调不做硬件、开放 Harness，也延续了同样的逻辑：腾讯搭底座，伙伴做设备、场景和行业能力。

所以，与其说只有腾讯拥有建设 Agent OS 的技术，不如说在中国市场，很少有公司像腾讯一样，同时横跨个人入口、企业协作、客户关系、Agent 运行层和开发者生态。

点个“爱心”，再走 吧