WorkBuddy保姆级教程：国产办公AI Agent实战指南

对于国内职场打工人来说，WorkBuddy是当下最值得掌握的AI办公工具之一。它被不少人称为「Codex的国内平替版」，最大的优势在于——无需科学上网、无需海外手机号验证，就能免费上手使用。OpenAI于2025年推出的Codex是一款强大的云端Agent产品，能在沙箱环境中自主编写代码、处理文档、执行多步骤任务，但它需要ChatGPT Pro订阅（每月200美元），且必须在海外网络环境下使用并通过海外手机号验证，这对国内大量职场用户构成了实质性的使用门槛。Codex的技术核心在于它采用了云端沙箱执行架构——每个任务都在一个隔离的虚拟环境中运行，AI可以在其中自由读写文件、安装依赖包、执行代码，任务完成后再将结果同步回用户界面。这种架构的优势是安全性高且算力充沛，但也意味着用户的数据需要上传到海外服务器，这对涉及敏感业务数据的国内企业而言是另一层合规顾虑。WorkBuddy作为腾讯生态下的产品，依托国内基础设施运行，免去了网络和账号障碍，同时提供免费使用层级，因此成为国内用户的务实选择。本文将手把手带你从零到一，系统梳理这款办公Agent的核心能力与实战技巧。

这里有必要先解释一下「Agent」这个概念。AI Agent（智能体）区别于传统的聊天机器人，它不仅能理解自然语言，还具备自主规划、工具调用和多步骤执行的能力。传统AI对话工具是「你问一句、它答一句」，而Agent可以接收一个目标后，自主拆解任务、调用外部工具（如文件系统、浏览器、API）、逐步执行并返回最终结果。这种能力的背后是近两年AI领域的几项关键技术突破：首先是ReAct（Reasoning + Acting）范式，它让大语言模型能够交替进行「思考」和「行动」，在推理过程中动态决定下一步该调用什么工具；其次是Function Calling（函数调用）能力，让模型能够以结构化的方式触发外部工具，而不是仅仅生成文本；再加上长上下文窗口技术的进步，使Agent能在单次任务中维持对复杂多步骤流程的记忆和追踪。这些技术的协同，才让Agent从概念走向了可用的产品形态。桌面Agent的特殊之处在于它直接运行在用户的操作系统层面，能操控本地文件和应用程序，因此权限管理尤为重要——这也是后文会反复强调的要点。与云端Agent相比，桌面Agent的核心差异在于执行环境：它不依赖远程服务器的沙箱，而是直接在用户的Windows或macOS系统中运行操作指令，能调用本地安装的软件（如Office、浏览器、终端），也能直接读写硬盘上的文件。这带来了更低的延迟和更好的本地数据隐私保护，但同时也意味着一旦权限设置不当，AI的误操作可能直接影响到用户的真实文件系统，因此桌面Agent在安全机制设计上通常更为谨慎。

三大模式：明确工具定位

打开WorkBuddy，首先映入眼帘的是三个使用方向，它们对应了完全不同的工作场景。

第一个是日常办公模式，也是使用频率最高的一个。整理文件、处理表格、生成文档等日常事务都可以在这里完成，是绝大多数职场人的主战场。这一模式下，WorkBuddy预加载了文件管理、文档生成、数据处理等核心工具集，AI的系统提示词也被优化为偏向结构化输出和流程化执行，确保生成的文档格式规范、表格数据准确。

第二个是代码开发模式，适合写一些轻量化的脚本和网页。需要注意的是，如果你有较为复杂的编程需求，官方推荐使用腾讯的另一款专业工具CodeBuddy，两者定位存在明显分工。CodeBuddy专注于完整的软件开发流程，支持多文件项目管理、代码审查、调试和版本控制等专业开发功能，而WorkBuddy的代码模式更侧重于满足非技术人员的轻量编程需求——比如写一个数据清洗脚本、做一个简单的信息展示网页，或者自动化处理一些文件格式转换任务。

第三个是设计创意模式，主要面向设计类工作，比如设计网页、制作PPT等。清晰的模式划分，本质上是让AI在不同任务下加载不同的能力预设（包括系统提示词、可调用的工具集和输出格式规范），避免「什么都懂但什么都不精」的尴尬。这种设计在AI产品中被称为「角色路由」（Role Routing），即根据用户选择的模式，将请求路由到不同的Agent配置上。每种模式背后可能对应不同的模型参数设置、不同的工具调用白名单，甚至不同的输出质量检查规则，从而在各自领域实现更专精的表现。

核心功能区：六大能力拆解

左侧菜单是WorkBuddy的核心功能区，包含助理、项目、专家、技能、连接器、自动化六大板块。理解它们之间的分工，是用好这款工具的关键。

助理：把电脑装进手机

助理功能相当于连接手机和电脑的「遥控器」。在助理设置页面扫码后，就能在微信、元宝或飞书上创建一个助理，之后便可以通过手机远程命令电脑端的WorkBuddy执行任务。

举个实际例子：人在外面临时要看桌面上的资料，只需在手机上发一句「把桌面上的资料文件发我」，WorkBuddy就会在电脑端接收任务、查找文件、执行操作，最后把文件发回手机。开早会前提前整理会议资料、下班后继续总结当天数据——这些原本必须坐在电脑前才能完成的事，现在可以远程触发，实用性极高。这一功能的技术实现依赖于长连接通信机制（如WebSocket），手机端的指令通过腾讯的云端中继服务器传递到电脑端的WorkBuddy客户端，客户端接收后在本地执行操作并将结果回传。整个过程中，实际的文件处理和AI推理仍然发生在你的电脑上，手机端只是一个远程触发和接收结果的界面。当然，使用这一功能的前提是电脑保持开机且WorkBuddy处于运行状态。

项目：团队的共享办公空间

项目功能相当于一个团队协作空间，适合长期、固定的工作场景，比如每周的运营周报或团队共同推进的项目。项目内含四个板块：

• 动态页面：查看项目消息
• 计划页面：管理团队待办
• 任务页面：记录AI对话
• 资产页面：存放资料与成果

更关键的是右侧的配置功能，可以统一调整整个项目的描述指令、连接器、专家、技能等。这样团队成员在处理任务时会自动带上这些工具，省去了大量重复配置的时间。这种设计思路借鉴了现代项目管理工具（如Jira、Notion）的空间概念，但在此基础上叠加了AI执行能力，让项目空间不仅是信息的容器，更是任务的自动执行引擎。具体来说，传统项目管理工具的核心能力是信息组织和状态追踪——你可以在Jira中创建任务卡片、在Notion中编写文档，但最终的执行动作仍然需要人来完成。而WorkBuddy的项目功能将AI Agent嵌入了这一流程，当项目中的某个待办被触发时，AI可以直接调用预配置好的专家和技能来自动执行，例如自动从连接器拉取本周的运营数据、按照专家预设的分析框架生成周报初稿、输出到资产页面供团队审阅。

专家与专家团：给AI一个专业身份

专家功能，简单说就是给AI一个专业身份来干活。普通模式下的WorkBuddy是通用型的，虽然各领域都懂，但对行业里的隐性知识和实操经验未必掌握。而专家模式是经过人为调校的、贴近真实行业视角的能力，在垂直领域使用能显著提升内容的专业性。从技术层面理解，专家模式本质上是为AI预设了特定领域的系统提示词（System Prompt）、知识库引用和输出规范，让大语言模型在该领域的推理更加精准和专业。系统提示词是大语言模型在每次对话开始前接收的一段隐藏指令，它定义了AI的角色、行为边界和输出要求。例如一个「财务分析专家」的系统提示词可能包含：「你是一位拥有10年经验的财务分析师，熟悉中国会计准则和国际财务报告准则，在进行数据分析时优先使用同比/环比对比方法，输出时务必标注数据来源和计算口径。」这段提示词会在用户看不到的地方持续影响AI的每一次回答，使其输出更贴合财务领域的专业规范。

专家旁边还有一个「专家团」功能。面对复杂任务场景，多个专家可以各自领取专业任务、运用各自领域知识来处理，相当于一个小型专业团队。对一人公司而言，这能有效补足其他领域的短板。这种多Agent协作的设计在AI研究中被称为「Multi-Agent System」（多智能体系统），其核心思想是让多个具有不同专长的Agent通过分工协作来完成复杂任务。在实际运行中，通常有一个「协调者Agent」负责将用户的总任务拆解为子任务，再分配给各个专家Agent分别处理，最后汇总各方输出形成最终结果。

不过要注意：同时调用多个专家意味着Token消耗成倍增长，且运行时间较长，因此小任务不建议动用专家团。这里解释一下Token的概念：Token是大语言模型处理文本的基本计量单位，一个中文汉字通常对应1-2个Token，一个英文单词约对应1-1.5个Token。每次与AI交互时，输入的提示词和AI生成的回答都会消耗Token。当同时调用多个专家时，系统实际上在并行运行多个AI推理进程，每个专家都需要各自的上下文窗口和生成额度，因此总Token消耗会随专家数量线性甚至超线性增长。之所以可能出现超线性增长，是因为多个专家之间可能需要交叉引用彼此的输出结果，协调者Agent也需要额外的Token来理解和整合各方输出，这些「协调开销」会随着专家数量增加而加速膨胀。对于免费额度有限的用户来说，合理控制专家团的调用频率是成本管理的关键。

技能：解决执行层面的问题

很多人容易混淆专家和技能。一个清晰的理解方式是：

• 专家 = AI用什么身份去做（解决视角问题）
• 技能 = AI具体会干什么活（解决执行问题）

装上技能之后，AI会拥有更强的执行能力，而专家与技能搭配使用，往往能达到更好的效果。举个类比：专家相当于请了一位资深财务总监（知道该怎么分析），技能则相当于给他配备了Excel高级公式和数据透视表的操作能力（知道怎么动手干）。两者缺一不可——没有专家身份，技能的发挥缺乏专业方向；没有技能加持，专家的判断也难以落地为具体操作。从技术实现上看，技能对应的是Agent可调用的具体工具函数（Tool/Function）。每个技能本质上是一个预定义的工具接口，包含输入参数规范、执行逻辑和输出格式。例如「高级表格处理」技能可能封装了数据透视、条件筛选、公式计算、图表生成等多个子功能，AI在执行任务时会根据需要自动选择并调用合适的子功能。用户也可以自定义技能，将自己常用的操作流程封装为可复用的工具模块，这对有固定工作流程的岗位尤其有价值。

连接器：打通外部数据孤岛

实际工作中，资料往往并不在本地，而是散落在微信、飞书、邮箱或知识库里。每次都下载再上传给AI，流程繁琐。连接器的作用就是把这些外部平台接入WorkBuddy，接好后AI可以自动读取平台内容，无需手动作为附件传递。

连接器解决的是企业数字化中长期存在的「数据孤岛」问题。现代职场中，员工的工作数据分散在微信群聊、飞书文档、企业邮箱、钉钉审批、Notion知识库等十几个平台中，彼此之间缺乏打通机制。传统做法是手动在各平台间复制粘贴或下载上传，效率极低且容易遗漏。连接器本质上是一种API集成层，通过OAuth授权或API Key等方式获取对外部平台数据的读取权限，让AI能够直接跨平台调取信息。OAuth 2.0是目前互联网上最主流的授权协议，它的核心机制是：当你在WorkBuddy中绑定飞书账号时，系统会跳转到飞书的授权页面，你确认授权后，飞书会给WorkBuddy颁发一个有限权限的「访问令牌」（Access Token），WorkBuddy凭借这个令牌就能在授权范围内读取你的飞书文档，而无需知道你的飞书密码。这种机制既保证了数据流通的便利性，又维护了账号安全。这类能力在海外产品中以Zapier、Make等自动化平台最为知名，而WorkBuddy将其内置为原生功能，降低了使用门槛。值得一提的是，连接器的数据读取通常是准实时的（而非离线缓存），这意味着每次AI调用连接器时都会获取平台上的最新数据，确保分析和处理基于最新信息。

自动化：最具潜力的核心能力

自动化被认为是WorkBuddy最实用、最有潜力的功能。前面所有功能大多是「发一个任务、AI干一个任务」，而自动化可以按照设定的时间和提示词自动执行任务。

比如让它在你睡前整理好当天的AI新闻，或在每天上班前自动汇总昨天的运营数据。把工作中重复的、可被替代的内容自动化处理掉——「把某某工作流程自动化」这句话，在未来一定会越来越频繁地出现。从技术演进的角度看，自动化能力代表了AI Agent从「被动响应」向「主动执行」的关键跃迁。这与传统RPA（Robotic Process Automation，机器人流程自动化）有一个本质区别：传统RPA依赖预设的固定规则和精确的UI元素定位来执行操作，一旦界面发生变化（比如按钮位置移动、页面结构调整）就容易失败，且无法处理非结构化信息。而基于大语言模型的AI自动化具备语义理解能力，它可以理解模糊的指令（如「帮我整理一下昨天的重要邮件」），自主判断哪些邮件算「重要」，并根据上下文灵活调整执行策略。结合连接器的跨平台数据获取能力和专家的专业判断能力，自动化可以构建出完整的端到端工作流：定时触发→自动采集数据→专业分析→格式化输出→推送通知，真正实现「人不在场、工作照跑」的效果。在实际配置中，自动化任务通常需要设定三个核心要素：触发条件（什么时候执行，如每天早上8点、每周一上午）、执行指令（具体要做什么，即提示词）和输出方式（结果发到哪里，如微信、飞书或本地文件夹）。建议从简单的定时任务开始尝试，逐步构建更复杂的自动化工作流。

对话框三大关键设置

回到最常用的对话框，发布任务前有三个地方值得调整。

工作模式分为Ask和Plan两种。Ask是传统的问答模式，此时WorkBuddy不会帮你干活，本质上更像一个对话助手；Plan模式则会先给出执行计划，待你确认后才开始操作，适合复杂任务。这两种模式背后对应的是不同的AI推理范式。Ask模式本质上是单轮或多轮对话的问答，AI根据当前输入直接生成回答，不涉及外部操作。Plan模式则采用了「规划-执行」（Plan-and-Execute）架构，这是当前AI Agent领域的主流设计思路：AI先将用户的高层目标分解为多个有序子任务，生成可视化的执行计划，用户审核确认后AI再逐步执行。这种架构的技术实现通常包含三个核心组件：任务分解器（Planner）负责将复杂目标拆解为原子操作序列，依赖分析器（Dependency Resolver）确定各子任务之间的先后顺序和数据依赖关系，执行引擎（Executor）按照计划逐步调用工具完成每个子任务。当某个子任务执行失败时，系统还可以进行错误诊断和重试，甚至动态调整后续计划——这种鲁棒性是简单的线性脚本所不具备的。这种Human-in-the-Loop（人在回路中）的机制既保证了任务的可控性，又让用户能在执行前纠正AI的理解偏差，特别适合涉及文件操作、数据处理等不可逆操作的复杂任务。建议日常使用时养成一个习惯：对于简单的信息查询用Ask模式提高效率，对于涉及文件操作、数据处理的任务一律切换到Plan模式，先看计划再确认执行。

工作空间相当于给AI划定操作范围。比如处理发票时，把对应文件夹设为工作空间，AI的读取、整理、输出都会围绕这个范围进行，链路更清晰。凡涉及文件读取、移动、重命名、导出，务必提前选好工作区，否则AI容易「不知道从哪读、往哪输出」而出错。工作空间的设计理念类似于Linux系统中的「工作目录」（Working Directory）概念——所有相对路径的操作都基于这个起点展开，既提高了效率，也构建了一道安全边界，防止AI误操作到无关文件。进一步说，工作空间还起到了「上下文聚焦」的作用：当AI知道自己只需要关注某个特定文件夹时，它能更快速地扫描和理解文件结构，减少在整个硬盘中搜索带来的时间开销和错误概率。对于有大量文件的用户，建议按项目或任务类型整理好文件夹结构，再指定对应的工作空间，这样能显著提升AI的处理准确率。

访问权限是赋予AI的操作权限。默认权限足以完成常规的读取、生成、整理任务，涉及修改、移动、删除时会停下来让你确认；「完全访问」则允许AI读取工作区外的内容，初期不建议开启。稳妥做法是以默认权限为主，确需更高权限时再临时开启。这一设计遵循了信息安全领域的「最小权限原则」（Principle of Least Privilege）：只赋予执行当前任务所必需的最低权限，以降低误操作或安全风险。这一原则最早由美国国防部在1975年的计算机安全研究中提出，后来成为所有操作系统和企业安全架构的基石。在桌面Agent场景下，它的实际意义是：默认权限模式下，AI可以自由读取工作空间内的文件并生成新文件，但如果要修改现有文件、移动文件到其他位置或删除文件，必须弹出确认对话框等待用户批准。这个「确认-执行」的中间步骤虽然会略微降低效率，但能有效防止AI因为理解偏差而造成不可挽回的数据损失。尤其对于桌面Agent这类能直接操控操作系统的工具，权限管理的重要性怎么强调都不为过。

实战演示与避坑指南

实际操作中，作者输入提示词「给我做一个常用AI工具导航网站，部署上线并给我访问链接」，任务完成后WorkBuddy直接给出了一个可正常访问的链接。这个案例充分展示了Agent的端到端执行能力——从理解需求、编写前端代码、配置部署环境到最终上线，多个步骤被自动串联完成，用户无需关心中间的技术细节。在这个看似简单的任务背后，AI实际上完成了一系列复杂操作：首先解析用户意图确定网站的功能需求，然后生成HTML/CSS/JavaScript代码构建页面结构和样式，接着可能调用内置的静态网站托管服务或第三方部署工具（如Vercel、Netlify或腾讯云的静态网站托管）进行上线部署，最后将生成的访问URL返回给用户。这种将多个技术环节无缝串联的能力，正是Agent区别于普通AI对话工具的核心价值所在。

以下是几条含金量很高的实战避坑经验：

1. 不选工作空间就处理文件——这是最常见的坑。凡涉及文件读取、导出、移动、分类，务必先确定工作空间。没有指定工作空间时，AI可能会在系统默认路径（如用户根目录或临时文件夹）下操作，导致生成的文件找不到、读取了错误的源文件，甚至在极端情况下误操作到系统关键文件。
2. 上来就开完全访问权限——WorkBuddy是能自由操控电脑的桌面Agent，权限别一上来就给太大，默认权限基本够用。完全访问权限意味着AI可以跨越工作空间的边界，读取和操作你电脑上几乎所有的文件，包括桌面、下载文件夹、文档库等。虽然这在某些跨目录操作的场景下确实需要，但大多数日常任务完全不需要这么大的权限范围。
3. 不写清结果标准——直接说「帮我做一份周报」相当于抽卡。最好明确要求：是否列本周进展、是否写下周计划、输出Word/Markdown还是PDF。要求越具体，交付越精准。这其实就是Prompt Engineering（提示词工程）的核心原则：清晰的输入约束能显著减少AI输出的随机性。好的提示词应当包含任务目标、输入范围、输出格式和质量标准四个要素。一个实用的提示词模板是：「请基于[输入范围]，按照[格式要求]，完成[具体任务]，确保[质量标准]。」例如：「请基于工作空间中的sales_data.xlsx，按照公司周报模板格式，生成本周销售周报，确保包含同比数据对比和下周重点计划，输出为Word文档。」这样的指令几乎不会给AI留下歧义空间。
4. 结果不复核就直接用——对于数据分析、合同审核、财务、对外汇报这类内容，AI只能做辅助，最终结果仍需人工复核，责任始终在自己身上。当前大语言模型仍然存在「幻觉」（Hallucination）问题，即有时会生成看似合理但实际不准确的内容。这种现象的根本原因在于，大语言模型的工作原理是基于概率预测下一个最可能出现的Token，而非真正「理解」或「验证」信息的正确性。当模型对某个问题的训练数据不足或存在矛盾时，它可能会「自信地编造」一个看起来合理的答案。学术研究表明，即使是最先进的大语言模型，在数学计算、日期推理、事实核查等任务上的准确率也远未达到100%。特别是涉及数字计算、法律条款、财务数据等对准确性要求极高的场景，务必将AI输出视为「初稿」而非「终稿」。一个实用的复核策略是：先让AI完成初稿生成，然后人工重点检查数据来源、计算逻辑和关键结论这三个最容易出错的环节。

总结

对国内用户而言，WorkBuddy已经是一款完全够用的办公AI Agent。如果你是运营、行政、产品、设计、销售，或每天都在与文件、表格打交道的职场人，用好它就相当于拥有了一位随时待命的「AI同事」，能实实在在地提升工作效率。随着自动化能力的不断成熟，这类桌面Agent的价值只会越来越凸显。

从更大的行业趋势来看，2025年正被视为「AI Agent元年」。从OpenAI的Codex、Google的Project Mariner，到国内腾讯的WorkBuddy、字节的Coze，各大厂商都在加速布局Agent产品。这些产品之间的定位差异也逐渐清晰：OpenAI的Codex侧重于软件开发领域的深度自动化，Google的Project Mariner聚焦于浏览器环境中的信息检索和网页操作，字节的Coze提供了一个低代码的Agent构建平台让用户自定义各种场景的智能体，而WorkBuddy则选择了桌面办公场景作为切入点。Anthropic的Claude也在通过Computer Use功能探索让AI直接操控桌面界面的可能性，微软的Copilot则深度绑定Office生态实现文档级别的智能协助。可以预见，未来不同厂商的Agent产品将在各自擅长的场景中深化能力，同时通过连接器和API等方式实现跨平台协作，形成一个更完整的AI办公生态。桌面Agent的普及意味着AI正在从「提供信息」走向「替代执行」，这将深刻改变知识工作者的工作方式。尽早熟悉Agent的使用逻辑和协作范式，将成为职场人未来的重要竞争力。