WorkBuddy实战教程：国产AI Agent如何真刀真枪帮你干活

从聊天到执行：为什么普通大模型不够用

大多数人接触AI的起点都是豆包、DeepSeek、通义千问^广告这类对话式大模型。它们擅长理解问题、分析需求、生成方案，但有一个绕不开的局限——只能动嘴，不能动手。

UP主在课程中用了一个贴近日常的场景做引入：电脑某个盘符下有一批 docx 文档，想把它们全部转换成 PDF 并归档到同一个文件夹。放在几年前，这件事可能要靠 WPS，而且超过免费页数就得付费，相当麻烦。

于是他把需求直接丢给豆包："帮我把电脑这个目录下的 docx 文件全部转换为 PDF，并归档到一个文件夹下。"豆包确实听懂了，也给出了完整的解决路径——先安装 Python 依赖，再运行一段生成好的 Python 代码，附带运行说明、注意事项和备选方案。

问题在于：对非计算机、非 Python 背景的人来说，这段依赖安装和代码运行的说明基本看不懂。更关键的是，豆包只能把方案交给你，没办法真正去读取你的文件、调用软件、执行命令。这就是普通聊天大模型的天花板——有大脑，没有手。

AI Agent 登场：WorkBuddy 的角色定位

当你需要一个"既能听懂需求、又能直接读取文件、调用软件、执行命令并交付结果"的工具时，就进入了 AI Agent 的领域。WorkBuddy^广告 正是这类工具中的一个代表。

UP主对它的定位很坦诚：和 Codex、OpenCloud 这类海外产品相比，WorkBuddy 的能力"可能稍微差一点"，但它的优势在于三个"友好"——安装友好、使用友好、无需科学上网，直接就能用，而且是国产工具。

他还提出了一个值得玩味的行业判断：无论国产还是海外产品，只要是竞品、功能对齐，长期来看一定会趋同。不会永远是"有的特别强、有的特别垃圾"的局面。模型的理解能力、推理能力、动手能力早晚会拉平，只是需要时间。这个"趋同论"是产品发展的普遍规律，也是他推荐普通用户现在就上手国产 Agent 的底层逻辑。

AI Agent（智能体）与普通大模型的核心区别在于"工具调用"能力。普通大模型本质上是一个文本输入输出系统，它的边界止于生成文字。而 Agent 框架在大模型之上额外赋予了"感知环境、制定计划、调用工具、执行行动"的能力闭环——可以读写本地文件、调用浏览器、执行终端命令、操作第三方 API 等。这套机制通常称为 ReAct（Reasoning + Acting）或 Plan-and-Execute 架构：模型先思考要完成目标需要哪些步骤，再依次调用对应工具，观察执行结果后决定下一步，循环直至任务完成。WorkBuddy 这类桌面端 Agent 产品，本质上就是把上述框架打包成普通用户可直接使用的应用，省去了自行搭建工具链的门槛。

积分机制：零成本上手的现实选择

WorkBuddy 采用积分制。注册账号开始使用后会赠送 2000 积分，之后每天赠送 100 积分，但需要主动领取。UP主透露自己用了小半个月、中间还跨过一个假期没开电脑，账户里仍有 3900 积分，对普通学习场景来说"肯定足够用"。

这里有一笔很实在的成本账。他对比了同样一个任务——根据小红书上找来的 Excel 样式图片，设计一个格式一致的表格。他同时交给 WorkBuddy 和 Codex 来做：

• WorkBuddy：前后花了约 23 分钟，结果"不尽人意"，没达到预想效果；
• Codex：两分半到三分半完成，达到了需求。

产品之间确实存在差距。但 Codex 的使用成本大约每月 200 元左右（100 多元会员费加上科学上网），而 WorkBuddy 靠每天免费领的积分就能运转。换来的代价是：性能差一点、速度慢一点，需要通过反复多轮对话让它逐步修改到位。对不愿为这类工具付费的用户，这是一个合理的权衡。

实战演示：从提示词到交付结果

把刚才在豆包那里只能"想"却不能"做"的需求，原封不动地交给 WorkBuddy："帮我把电脑这个盘符下面的 doc 全部转成 PDF，并归档到一个文件夹下。"

关键的一步是授权。UP主给的是"允许完全访问"权限，拿到授权后，WorkBuddy 就能访问本地文件夹、查看所有文档、批量执行转换。整个过程中界面会实时显示消耗了多少积分——演示开始时是 0.38 积分，任务完成时累计约 1.55 积分，耗时约三分钟。

执行结果是可见的：文件被逐个转换成功，并自动归档到了新建的文件夹（生成时间显示为 8 点 13 分）。点进去可以看到之前给 Java 学生留的作业文档已被正确转换。任务完成后还提供一个预览效果，不需要可以直接关闭。

这就是 Agent 与普通大模型的本质区别：普通大模型给你答案，Agent 真刀真枪帮你把事做完——从"回答问题"变成"执行任务"，从"给出建议"变成"交付结果"。

Agent 执行本地任务时"授权"这一步至关重要，其背后涉及沙箱与权限模型的设计取舍。完全访问权限意味着 Agent 可以读取、修改乃至删除本地任意文件，因此正式使用前建议评估任务范围，将授权目录限定在必要的工作文件夹内，避免误操作触及系统或隐私目录。文档格式转换在技术层面通常依赖 LibreOffice、Microsoft Word COM 接口或 Python 的 docx2pdf 等库；Agent 选择哪条路径取决于当前系统环境，这也是不同机器上执行时间和成功率可能存在差异的原因之一。

理解 Agent 的本质：会干活的"小员工"

UP主给了一个很接地气的比喻：可以把各种 Agent 理解成各种"小员工"，WorkBuddy 就是其中一个会干活的员工。

实际使用中不必期待它一次就把所有步骤都做到完美。很可能中间某一步不成功，这时候就靠多轮对话来回交互——哪里效果不好就告诉它，让它继续改。交互过程会持续消耗积分，但只要反复沟通，最终基本都能达到需求。

这种"交互式逼近结果"的使用习惯，是用好当前这一代 AI Agent 的核心心法。它的能力边界还在成长，但对于文档批量处理、表格制作这类日常办公任务，无论你是否有编程背景，都已经能实实在在地帮上忙。