如果說，過去的 AI 聊天機器人更像一個坐在聊天框裡的顧問，主要負責回答問題、總結資料、改改文案，那麼 Agent 做的事則更進一步：它在回答問題之外，還會根據用戶的目標拆任務、調工具、自己往前推進。
而以 Codex 為首的本地 Agent，則是把這套能力擴展到用戶的電腦上——AI 不只看你發給它的文字，還能在你授權的範圍里讀文件、改文件、跑腳本、生成網頁，甚至調用本地應用和外部服務。
不過，在中國用戶的日常使用場景里，Codex 多少還是有點水土不服。網路環境、賬號、權限、本地路徑，這些細節只要卡住一次，普通用戶的耐心基本就被消耗掉了。
這也是為什麼，當深度體驗完騰訊的 WorkBuddy
後，我認為它絕對擔得起「更適合中國寶寶體質的 Codex」這個名號。
WorkBuddy 是什麼
WorkBuddy 脫胎於同為騰訊旗下、面向程序員的 CodeBuddy，底層保留了 Agent 拆解任務、調用工具的硬核能力，卻替普通人卸下了所有需要折騰環境的技術包袱。
它的下載很簡單，打開官網 codebuddy.cn/work 下載安裝好就能直接用。打開後的界面與普通的 AI 聊天機器人類似，功能區域主要分成三塊：
- 左側欄：新建任務、查看歷史對話和任務記錄、管理工作空間。
- 中間對話區：描述需求，查看 Agent 的拆解過程和執行結果。
- 底部輸入與操作區：輸入任務、切換模型、調用技能、連接應用、附文件或選擇工作文件夾。
剛好最近騰訊發布了新的混元 Hy3 模型，WorkBuddy 內也可以限時免費使用。騰訊公關總監張軍也在微博上打趣說，已經刷到不少人趁著免費期，把 WorkBuddy 的「專家團」可勁兒試了一遍。
根據我們的實測，Hy3 在 Agent 和 Coding 能力上確實進步明顯，尤其是複雜網頁生成、任務規劃、長文本處理和多工具調用這些場景，交付結果更穩定。
但比起單純討論模型參數，我想大多數人關心的是：當底層能力更強之後，它能不能真的替普通人少點幾下滑鼠？
於是我拿幾個真實打工場景試了一圈。除了劃定工作空間、上傳必要文件、在關鍵權限處點確認之外，模型選擇、任務拆解、工具調用，都儘量交給 WorkBuddy 自動判斷。
真正本土化的地方，是它接進了微信
WorkBuddy 最有本土化特色的地方之一，是它能和微信聯動。登錄、下達指令都可以直接在微信中完成，不需要再去折騰註冊、綁定之類的繁瑣流程。
你或許也遇到過這樣的突發狀況：人在地鐵上，卻被急催著要一份躺在電腦硬碟里的資料。
接入微信 ClawBot 後，隨手發條消息，WorkBuddy 就能自動在電腦中精準找出需要的材料。
由於微信 ClawBot 無法直接回傳大體積文件，你還可以讓它接入騰訊專為智能體打造的「Agent Mail」服務，將資料打包成 zip 直接發到手機郵箱裡。
電腦里存了一堆照片，只記得拍攝對象，卻忘了具體放在哪個文件夾，也可以直接在微信里告訴它：
以前需要遠程桌面、網盤同步，或者拜託同事幫你開電腦找文件。現在只要電腦在線，微信里一句話就能搞定。
基礎執行：當 AI 變成「本地管家」與「閃送員」
很多內容創作者或攝影愛好者的電腦里，大概都有一片不願輕易打開的「素材廢墟」。我的電腦里就有這樣一堆文件夾：橫跨一年半，命名規則前後不一致，有些夾著日期，有些夾著產品名，有些還帶著奇怪的分隔符。平時找一張圖，基本靠記憶力和運氣。
我先在 WorkBuddy 里劃出一個隔離隱私的工作空間，然後讓它根據一系列複雜的條件（提取特定人物、合併同一產品、去掉分隔符、統一日期格式）直接幫我大掃除。
幫我把 with Liz 的專門拎出來放一個文件夾里，產品的放另一個文件夾，同一產品多個文件夾的，合併為一個文件夾；歸檔的 RAW 只保留與成片同名那些，其他刪除，分隔符「_」全部去掉，文件夾命名統一為 yyyymmdd。
面對包含「刪除」的危險要求，它並沒有像個莽夫一樣直接 rm -rf，而是主動觸發了二次確認機制，並在對話框頂部透明地展示了預估賬單（預計消耗 5.37 ~ 53.6 積分）。確認無誤後，喝口水的功夫，一團亂麻的目錄已經被整整齊齊地收納進了幾個清晰的分類中。
整套流程下來實際消耗在 95 積分左右。對比日常簽到每天能領到的 100-150 積分免費額度，應付這類輕度本地文件整理基本夠用。
從一堆材料到一張提綱
對於內容工作者來說，把海量資訊理出頭緒往往是一天中最耗時的環節。為了把這活兒外包，我讓它在指定的本地文件夾里，從零搭建一個完全自動化的「科技早報初篩工作流」。
結果它沒有甩幾個標題敷衍了事，而是真在本地跑通了讀取信源、基礎去重、剔除舊聞的腳本，並在騰訊文檔里生成了一份分類清晰的初篩清單。
順著這份清單讓它繼續寫初稿，它不僅分出了各大欄目，甚至還在文末嚴謹地附上了一份「事實核查清單」，把特斯拉專訪、蘋果 AI 調查等資訊列為待核項，將零散素材變成了一份高可用度的提綱。
請在當前文件夾從零搭建一個「科技早報候選初篩 workflow」。重要限制：必須只使用當前文件夾作為工作區。不要讀取、搜索、引用或復用我電腦其他目錄里的任何早報 workflow、prompt、腳本、歷史稿、自動化配置或文檔。即使你發現本機其他地方存在類似項目，也不要使用。目標：讀取今日科技新聞素材，生成一份早報候選清單，並輸出到騰訊文檔。不要生成最終早報稿，只做選題初篩。任務步驟：1. 先檢查當前文件夾結構，只允許在當前文件夾內讀取和創建文件。2. 檢查 Folo CLI 是否可用，並嘗試完成必要配置。3. 如果 Folo CLI 可用，優先使用它獲取今日科技新聞素材。4. 如果 Folo CLI 不可用，說明缺少什麼配置，並先讀取當前文件夾里的本地素材文件。5. 將抓取或讀取到的新聞整理成候選池 JSON，保存在當前文件夾。6. 做基礎去重，避免同一事件重複出現。7. 判斷舊聞：如果只是今天被轉載，但事件本身發生在前一天或更早，需要標記。8. 將新聞按「必看」「可選」「不建議寫」三類整理。9. 每條新聞用 50 字以內說明為什麼值得寫或不建議寫。10. 標出是否適合 APPSO、是否適合早報。11. 標出來源、鏈接、發布時間、可能風險。12. 輸出一份騰訊文檔候選清單。13. 在當前文件夾保留 workflow 文件、運行記錄和候選池 JSON，方便明天復用。14. 不要直接生成最終早報正文。Use FoloRead https://api.folo.is/skill.md and follow the instructions to use Folo.
接著剛才的候選清單，請繼續寫一版早報初稿。要求：1. 優先使用「必看」新聞，必要時從「可選」中補充；2. 按「大公司」「觀點」「新產品」「新消費」「好看的」等欄目組織；3. 每條新聞控制在 2-4 段，資訊要具體，不要寫空泛分析；4. 重要新聞要追原始報道或強來源，不要只依賴摘要；5. 刪除「不建議寫」里的選題，除非你能說明它有新的角度；6. 每條保留來源鏈接；7. 寫完後附一份事實核查清單；
同樣的邏輯，面對滿是口語重複、來回插話的會議轉寫文本，它能精準剝離無用資訊，提煉出包含「資訊缺口」和「下一步執行建議」的選題卡，把零散的口語轉化為清晰的待辦事項。
請閱讀這份會議轉寫，不要做流水賬摘要，而是幫我整理成一張選題卡。需要包含：核心概念、原始討論摘要、當前最有價值的切入點、還缺哪些資訊、下一步執行建議。表達要簡潔，保留真實討論里的有效觀點，不要把所有內容都寫進去。
在處理長篇的產品評測資料時，它會先識別產品定位，再把官方賣點和真實體驗問題分開，標出需要後續實測驗證的點，最後給出適合展開的敘事方向，把人從面對空白文檔發呆的焦慮中解救了出來。
請閱讀這些產品資料，不要直接寫評測稿。先幫我整理一份評測前預研卡，包含：產品核心定位、主要服務人群、官方最想強調的賣點、哪些賣點需要實測驗證、可能存在的缺點，以及這篇評測適合採用什麼敘事角度。重點是幫我建立判斷框架，不要堆參數。
除了案頭工作，WorkBuddy 還有一個微信生態里的小彩蛋。接入微信支付剛發布的「AI 專屬卡」後，我試著把團隊下午茶交給它處理：3 點送達，10 人份，人均 30 元。
它按預算、距離和評分找出蛋撻、披薩等一串可供對比的選項。確認後，它會將訂單推進到支付前，最後付款依然要人來決定。
幫我在附近找適合 10 個人的下午茶，預算人均 30 元，3 點前送到，優先評分高、配送穩定的店。
不過，這個功能的使用場景目前還比較單一，因此我更願意把它看作附加能力。對大多數打工人來說，它最穩定的價值，還是本地執行和資訊整理。
不用寫代碼，也能把自己的經驗做成小工具
前面這些任務，本質上還是讓 WorkBuddy 替你執行一串操作。更有意思的地方，是它能把一套重複出現的判斷規則，做成一個可復用的小工具。
我第一個試的，是「聯考作文批改助手」。
作為英專生，我身邊有不少同學後來做了英語老師。批改作文是他們日常工作里繞不開的一環：要看內容、結構、語言、語法，還要給學生寫能看懂的提分建議。
於是我把新聯考 I 卷的作文評分標準圖片餵給 WorkBuddy，用大白話告訴它：你要先理解評分邏輯，再做一個帶 HTML 界面的批改助手，可以批量讀取作文，輸出分數、優缺點和提分策略。
我是一名英語老師，請為我開發一個「新聯考作文智能批改 Skill」，深度閱讀我上傳的兩張《英語試題評分參考》圖片，將其中的五個檔次評分標準（1-15分）內化為你的評分邏輯。功能要求：1. 界面設計：生成一個簡潔的 HTML 交互界面。2. 批處理能力：支持調用 macOS 自帶的 OCR，讀取指定文件夾內的所有作文。3. 輸出規範：1. 自動評分：根據圖片中的標準（字數、語法豐富性、連貫性）給出具體分值。2. Pros & Cons：用 bullet points 列出本文的 3 個優點和 3 個改進點。3. 提分策略：針對該學生的檔次，給出一句最核心的提分建議。4. 交互邏輯：批改結果以卡片形式排列，並在每個卡片下方留一個「老師確認」按鈕。5. 交付物：請直接生成這個 Skill 的代碼文件，並告訴我如何放置到 WorkBuddy 的技能目錄中。
Skill 做好了，是騾子是馬，還得拉出來溜溜。我把 2026 新聯考 I 卷的真題和幾張答題卡掃描圖片丟進文件夾。
WorkBuddy 這次把任務拆成了幾塊：
- 讀取評分標準，提取 1-15 分的檔次規則；
- 設計作文讀取邏輯，支持批量讀取 .txt；
- 為每篇作文生成分數、優點、問題和提分建議；
- 最後用 HTML 做出卡片式頁面，方便老師覆核、列印。
它輸出的 HTML 頁面排版規整，點開細看，不僅給出了精準的分數和優缺點，還有針對性地提供了「提分策略」。
老師要做的，就從「從頭批到尾」變成「覆核、調整、列印」。這對高頻重複工作來說，已經很有意義。
既然 WorkBuddy 能處理相對明確的評分標準，我又想試試更主觀的任務：它能不能理解「新聞價值」？
順著這個思路，我又讓它開發了一個「名人訪談亮點挖掘」工具，要求拒絕流水賬摘要，提煉長文里的金句、新資訊和值得展開的觀點，並給出後續可以補充的資訊。
請幫我開發一個「名人訪談亮點挖掘」Skill，並自動安裝好。這個 Skill 的作用是：讀取一篇名人訪談（支持 txt、md、srt、vtt），自動從長訪談里提煉真正值得看的內容，並以卡片形式展示。不要做普通摘要，只輸出有價值的資訊，包括：- 金句- 新資訊- 值得展開的選題- 有意思的觀點每張卡片需要保留原文、說話人、為什麼值得關注，以及如果繼續寫這篇內容還需要補充哪些資訊。
先把 Mark Zuckerberg 約 60 分鐘的播客錄音轉寫輸入進去。從最終生成的網頁來看，它準確提取到了祖克柏承認 Llama 4 開發未達預期、並重組超級智能實驗室的具體資訊。比較有實用價值的是卡片底部的「後續補充資訊」，它根據上下文提供了一些可供交叉驗證和延伸探討的切入點。
在處理 Sam Altman 的萬字訪談時，WorkBuddy 抓到了他談 Codex「YOLO 模式」、合成數據、Agent 訪問電腦權限這些細節，還順手標出了後面值得補充的資訊。
老師的經驗，被它變成了作文批改卡片；編輯的經驗，被它變成了訪談亮點卡片。
最後的判斷當然還是人來做，但最耗耐心的第一遍篩選、歸類和追問，它已經能替你做好大半。它不負責替你拍板，但很適合幫你把一堆亂糟糟的材料，先整理到一個可以開始判斷的狀態。
一個能幫你幹活的「搭子」，終於裝進了電腦里
這些天用下來，WorkBuddy 給我最大的感覺是：電腦里像是多了一位剛入職、勤快又不知疲倦的實習生，而我就是它的 Mentor。
很多時候，只要把工作空間劃好，把目標講清楚，它就能自己拆任務、找路徑、跑流程，中間的過程也能看得一清二楚。
整理文件、遠程找資料、篩早報、做選題卡、搭一個簡單工具，這些日常工作里瑣碎但繞不開的部分，它的表現已經相當不錯。
但它也沒有強到「賽博許願機」的程度。
你不能把一句「幫我搞定」扔過去，然後等著它自動交出一個完美結果。文件在哪裡、目標是什麼、哪些目錄不能碰、最後要長成什麼樣，依然需要你先講清楚；任務推進到關鍵節點時，也需要你確認方向、修正偏差、檢查結果。
但話說回來，這已經足夠讓人上頭了。你明知道它還會犯錯，明知道最後還得自己兜底，但看著它真的開始讀文件、改代碼、生成頁面、整理材料，還是會忍不住冒出一種危險的念頭——
這活兒我是不是也能接了？
這種關係，恰恰呼應了它的名字——WorkBuddy。
它不是阿拉丁神燈，也不想替代你、接管你的全部工作，而是在你的電腦里，和你一起把問題拆開、確認、推進，做一個願意打下手、能陪你一起幹活的「搭子」。
當然，真要做複雜項目，無論是從模型能力還是用戶體驗上來看，Codex 和 Claude Code 依然是更好的選擇。但如果只是執行一些日常的簡單任務，WorkBuddy 已經能給大多數人一個可用且低成本的選擇。
