WorkBuddy 保姆级教程：AI Agent 批量处理文件实战

普通大模型和 AI Agent 到底差在哪？B站 UP 主珊瑶老师用「把 Word 批量转 PDF」这个需求做了一次直观的对比实验，结论比概念解释更清楚。

大模型能出方案，但不替你干活

珊瑶老师设定的场景很具体：D盘某目录下放了一堆 Word 文档，需要批量转成 PDF 并统一归档到一个文件夹里。她先把这个需求交给了豆包。

豆包给出的回答其实不差——完整的 Python 脚本、依赖安装指令、代码说明、新建文件的方法，一套方案齐全。但问题在于：目录下的文件纹丝不动。方案给了，活你得自己干。

据珊瑶老师的分析，普通大模型产品的能力边界在于：它有理解和推理能力，能分析问题、生成方案，但无法进入你的电脑环境，不能访问本地文件、调用软件或执行命令。用她的比喻来说，它像一个顾问——知道怎么做，也能告诉你怎么做，但最终动手的还是你自己。

什么是 AI Agent（智能体）？ 在大模型语境下，Agent 通常指以大语言模型为「大脑」，再叠加规划、记忆、工具调用三大能力后形成的可自主行动系统。与只负责生成文本的对话式模型不同，Agent 会把一个目标拆解为若干子步骤，逐步决定「下一步该做什么」，并通过调用外部工具（读写文件、执行 Shell 命令、访问网络、操作浏览器等）把决策落地。整个链路通常是「观察环境 → 推理规划 → 采取行动 → 检查结果 → 修正再试」的循环，因此它能在无人逐步指挥的情况下完成任务。判断一个产品是不是 Agent，关键看它能否闭环执行并对结果负责，而不仅是能否把步骤讲清楚。

AI Agent 的不同：从理解到执行

把同一段提示词粘贴到 WorkBuddy^广告 里，情况就不一样了。

WorkBuddy 先自主扫描了目标目录，查看了文件列表和运行环境，然后自动执行了转换和归档操作。全程大约七分钟，中间经历了环境检查、依赖安装、错误捕获和重试等步骤，最终四个 PDF 文件成功生成并归档到位。

整个过程中，WorkBuddy 消耗了 6.55 积分。新用户登录会赠送 2000 积分，按这个消耗速度，日常轻量任务基本够用一阵子。

工具调用（Function Calling）与本地沙箱 是 Agent 能「动手」的技术基础。模型本身无法直接触碰你的硬盘，它输出的是结构化的调用请求，由运行在用户设备或云端沙箱中的执行层去真正执行，再把结果回传给模型。这解释了为什么授权环节不可省略：权限决定了 Agent 能访问哪些目录、能运行哪些命令。为控制风险，成熟的 Agent 产品一般会设置操作范围白名单、危险命令拦截和人工确认节点。WorkBuddy 在批量转档时先扫描目录、再安装依赖、最后校验输出，本质就是这套「模型决策 + 执行层落地 + 结果回灌」循环在真实环境中的一次完整运行。

WorkBuddy 的核心变化

从这个实操案例可以提炼出 AI Agent 工具与传统大模型产品的本质差异：

从回答问题到执行任务。 大模型输出的是文字建议，Agent 输出的实际结果。WorkBuddy 在获得用户授权后，可以操作本地文件夹、查找文件、调用系统工具、检查执行结果。

自带纠错能力。 执行过程中如果环境有问题或某一步失败，WorkBuddy 会自行捕获错误并尝试重新处理，不需要用户逐步排查。

交付结果而非方案。 珊瑶老师强调，WorkBuddy 在任务完成后直接给出了 PDF 预览，用户可以点进去验证转换质量，确认没问题就结束了。

积分制是这类 Agent 产品常见的计费方式，通常按任务消耗的模型调用量和工具执行次数折算。与包月订阅相比，积分制更贴近实际算力开销：简单任务只调用几轮模型，消耗就低；复杂任务需要反复规划、试错和重试，token 与执行次数上升，积分消耗也随之增加。理解这一点有助于建立合理预期——同一句提示词在不同环境下可能触发完全不同的执行路径，因此消耗并不固定。对于批量文件处理这类中等任务，个位数到十几积分的区间属于正常水平。

使用建议与注意事项

珊瑶老师在视频中提到了几点实操经验：

授权是前提。WorkBuddy 需要用户授予默认权限后，才能访问本地文件和目录。没有授权，它和普通大模型没有区别。

积分消耗可控。简单任务通常消耗个位数积分，复杂任务会更多。用户也可以充值获取更多积分。

产品迭代快。她录制视频时 WorkBuddy 已推送了新版本，界面和功能可能随时调整，建议按需探索最新版本。

适合什么场景，不适合什么场景

珊瑶老师的态度比较务实。她认为 WorkBuddy 适合中等复杂度的工作场景，比如批量文件处理、格式转换、归档整理这类任务，用起来已经相当顺手。

但如果工作场景非常复杂，WorkBuddy 可能不是终点。市面上还有其他更高级的 AI Agent 产品，用户应该根据自身需求选择，而不是把某一款工具当作唯一答案。

从她观察到的社交传播来看，WorkBuddy 目前的使用率已经很高，朋友圈里不少人在转发推荐——推荐新用户注册可以获得 650 积分奖励，这也侧面反映了产品的增长势头。

上手建议

如果你还没试过 AI Agent 类工具，珊瑶老师推荐的入门路径很直接：先下载 WorkBuddy，用「批量文件处理」这个场景做第一次实操。这个需求足够简单、结果足够直观，能让你在几分钟内感受到 Agent 和普通大模型之间的差距。

零基础用户大约一小时内可以完成从安装到第一个任务跑通的完整流程。关键在于迈出第一步——把需求交给它，让它真正替你做一件事。