腾讯在大模型赛道终于派出了一位能打的种子选手。

今年年初，伴随着OpenClaw的爆火，腾讯顺势推出了一系列类龙虾产品，其中最火爆的便是主打办公场景的AI AgentWorkBuddy。

如果说Claude Code类的代码生成类大模型，更多是针对拥有一定编程背景的小众极客，那么WorkBuddy对更广泛的打工人明显技术友好。WorkBuddy在产品设计上加入通用办公的产品功能需求，砍掉复杂代码配置步骤，支持单句指令发起任务，模型自动拆解规划并直接输出完整可用成果，这些正是非技术人员所需的。

更低的使用门槛，也是WorkBuddy能够快速出圈的原因之一。

据《中国办公智能体平台市场研发报告2026》显示，今年3月，WorkBuddy月访问量达到885万，是第二名的两倍还要多，环比增速更是达到了831%，按日活跃用户数量计已是国内最受欢迎的效率智能体工具之一。对比之下，面向开发者、由Open AI推出的桌面办公智能体Codex，自2026年2月上线以来，其周月活用户已经突破500万。

WorkBuddy排名也在迅速攀升。七麦数据显示，WorkBuddy App，自5月23日上线后，3日内便从工具免费应用榜的300名开外，飙升到100名以内目前稳定在60名左右。但在iOS总榜上，WorkBuddy在400名徘徊。

长期以来，腾讯一直坚持后发制人，从移动支付到短视频的战役无不证明，在技术较为成熟时，凭借庞大的社交网络攻城略地的正确性。然而，尴尬的是，快速迭代的通用人工智能（AGI）战场上，腾讯在基础模型上的“慢半拍”，让其成为AI军备竞赛的外围看客。

WorkBuddy的出圈，算是腾讯向外界证明自己对大模型赛道的战斗力，也再次证明了其强大的产品基因，但并非一张一线的入场券——在一场最终由自研芯片、底层算法和万亿参数组成的复杂博弈中，腾讯所需要补齐的短板还有很多。

01

团队从10人紧急扩至100多人，重要性超过元宝

WorkBuddy最初源于一个约10人的AI代码助手团队，它的产品原型是由腾讯云开发者AI产品负责人、CodeBuddy首席产品经理汪晟杰和一位运营，在2026年1月的一个周末用两个通宵赶出来的。

彼时，面向技术岗位的AI Coding工具已经有很多，但非技术岗位的员工也有强烈的AI提效需求，却苦于没有合适的工具。WorkBuddy就是在这样的背景下诞生的，今年3月9日正式上线，用户访问量远超预期，导致核心服务瞬时压力过大，团队紧急扩容了10倍。

有职场人实测后向Tech星球表示，WorkBuddy不用研究函数、不用写指令模板，口语化直白描述需求就能拿到完整成品。譬如，整理跨部门零散聊天记录能自动拆分会议决议、责任人与截止时间。策划活动方案时，给出预算、目标人群两个关键信息，就能直接产出两套可修改的完整执行方案，省去大量重复手工劳作。即便零基础新人，摸索十几分钟就能熟练日常办公全套用法。

还有图文创作者也给出了反馈。譬如，把零散的选题思路、几段素材草稿粘贴到WorkBuddy，一句简单指令，它就能梳理出完整推文大纲，自动拆分标题、导语、正文分段结构，还能配套生成适配公众号、小红书两种不同平台的排版文案，配图文字说明、话题标签一并整理妥当，不用反复拆分修改，大幅压缩内容初稿的创作耗时。

为了满足更多用户需求，Tech星球了解到，WorkBuddy已经从最初的10多人规模拓展到100多人。一位WorkBuddy员工称，最近内部招了很多人。

WorkBuddy的更新节奏一开始就非常频繁，产品有不少需要修复的地方，一天一次是常态，有时候甚至一天有三四次，连“五一”假期都在更新，“那段时间可能11点都下不了班”。在6月5日腾讯云AI产业应用大会上，官方称，AI智能体桌面工作台WorkBuddy个人版发布3个月以来，累计迭代43个版本。

但现在节奏开始逐步恢复正常，一位WorkBuddy产品侧的员工告诉Tech星球，现在基本上晚上9点可以下班了。

腾讯正在铺天盖地给WorkBuddy做广告，在深圳福田区车公庙地铁站甚至设置了打卡点，而车公庙是深圳地铁顶级四线换乘综合枢纽。从投放力度来看，腾讯旗下另一个AI产品元宝，除了在今年春节期间大撒红包外，并没有出现像WorkBuddy这样的线下投放力度。一位WorkBuddy员工用“宣传上花了很多钱”，来形容当下的情况。

图注：WorkBuddy在深圳车公庙地铁站的打卡点。（Tech星球 拍摄）

Tech星球还了解到，WorkBuddy正测试打通微信支付，用户可以直接在WorkBuddy内购买商品，并通过微信支付。此外，腾讯自选股也接入到WorkBuddy的专家中心，用户可以通过腾讯自选股股票投研专家团完成炒股需求。这某种层面意味着腾讯内部给了WorkBuddy足够多的支持，打通了一些部门墙。

Tech星球获得的一份调研报告显示，WorkBuddy是腾讯当前所有“混元”系列产品中战略优先级最高的产品，资源投入优先级排序为“WorkBuddy > DataBuddy > 其他”。一位内部员工称，其重要性应该是超过了元宝的。

在今年Q1的财报中，WorkBuddy被反复提及，腾讯总裁刘炽平在回答小程序生态问题时，三次点名WorkBuddy，而同一场电话会上，元宝仅被提及一次，并且是和ima、QQ浏览器等产品一起被提及。这也从侧面证明了WorkBuddy在腾讯AI类产品中的重要性。

02、腾讯AI“换船”，走出反复试错迷茫期

一直以来，腾讯擅长对产品的深刻洞悉而获得商业上的成功。WorkBuddy的出圈是一次腾讯式产品哲学的胜利。

一位AI行业人士认为，像WorkBuddy这样的桌面办公助手，未来会象office一样装在每个人的电脑上。“最终装的不一定是鹅厂的，但一定会装。其他家虽然会跟进，但腾讯的生态优势，是阿里和字节没法比拟的”，他向Tech星球分析道。

除去办公领域，腾讯也希望通过AI渗入到每个人的生活。6月8日，腾讯手中最大的王牌微信，低调发布了《关于开发者接入微信AI生态的指引》，指引称，微信正式面向全量小程序开发者开放AI生态接入能力。

里昂证券的报告一针见血地指出：腾讯拥有超过400万个小程序和10亿用户的庞大微信生态系统，在AI Agent领域具备最强的竞争优势，甚至优于苹果iOS生态。竞争对手要复制这样的生态系统，“至少需要10年以上时间”。

一位腾讯员工认为，微信手握十亿级活跃用户与数百万小程序构成的完整场景网络，微信AI不用向外从零开拓流量入口，能够逐个打通线下商户、线上工具、私域运营等细分场景，把智能能力嵌入用户日常点开小程序、完成下单、客服咨询、表单填报等每一次操作里，生态自带的流转闭环，能让AI能力规模化落地的节奏稳步提速。

倘若400万个小程序接入AI智能体，背后每一个调用、每一次任务执行、每一笔交易，都要消耗大模型的算力和算法能力。接入的小程序越多，对底层模型的依赖就越深。

如果腾讯不能在自研模型上持续缩小跟其他头部玩家的差距，就会面临一个被动局面：生态越繁荣，对外部模型的依赖越重，议价空间会越来越小。更极端的情况下，一旦底层模型供应商提价、断供或更改合作条件，整个生态都可能受到冲击。不仅是微信AI，这是所有AI产品都将面临的挑战。

因此，腾讯必须在基础模型上有所作为。腾讯挖来了OpenAI 研究科学家姚顺雨，希望在基础模型追赶对手。

姚顺雨在OpenAI期间，是首批Agent的核心贡献者，主导了Computer-Using Agent（CUA）和Deep Research两个重要产品。他提出的ReAct框架已成为全球构建语言智能体的最主流方法。

2026年4月23日正式发布的Hy3 preview（混元3.0预览版），相较前代Hy2在几乎所有关键指标上都实现了质的飞跃。凭借在“强推理+256K超长上下文”的能力，Hy3 preview曾连续登顶OpenRouter全球周榜。市场份额升至12.8%，位列行业第三。

但整体能力上，尤其复杂任务时，Hy3 和DeepSeek V4 Flash、Claude Sonnet 4.6等模型依然存在差距。

一位腾讯内部员工坦言，过去半年公司AI业务走出了反复试错的迷茫期，目前已经稳住了发展方向。现阶段像Qclaw、WorkBuddy等应用端落地初见成效，但底层能力打磨、生态AI化改造整体推进节奏偏保守。

2026年5月股东大会上，马化腾用一个直白的比喻概括了腾讯AI的心路历程：原来一年前我们以为上了船，后来发现那个船漏水了。又开始换一艘船，现在感觉站上去了，还坐不下去，还是希望船速能快一点。

对腾讯来说，换船之后，唯有实现底层技术的真正超越，才能在AGI时代真正安稳地坐下去。

作者：王琳 陈桥辉

来源：Tech星球

企业AI化转型正在从工具尝鲜进入流程重构阶段，而Agent和Skill工作流是这轮重构的真正载体。腾讯用两款产品给出了完整答案：CodeBuddy重构研发流程，WorkBuddy重构办公流程。本文从产品架构、技术模块图、用户旅程到竞品对比，进行全面拆解——最终回答：企业AI化，到底在转什么？

01 趋势：AI化转型已经不是「要不要」的问题

企业是否应该拥抱AI，这个问题2026年已经不需要再讨论了。真正值得讨论的，是怎么转和转哪里。

过去两年，大多数企业的AI化路径高度雷同：采购几个大模型API账号，给员工配上ChatGPT或文心一言，然后发现——生产效率的提升，并没有在组织层面真正沉淀下来。

 核心矛盾

聊天工具解决的是「问」的问题，而企业真正的效率瓶颈在于「做」。一字之差，是两种完全不同的产品范式。

Agent + Skill：企业AI化的新范式

2026年开始，一个更清晰的趋势正在浮现：Agent + Skill（工作流），已经成为企业AI化落地的核心形态。

企业AI化的终点，不是给每个人配一个AI助手而是把AI嵌入到每一条业务流水线上

腾讯云在这个时间节点，推出了两款面向企业的AI产品：

1. CodeBuddy：面向开发者，重构研发全链路——从代码补全到多文件工程任务代理，打通CI/CD全流程
2. WorkBuddy：面向职场通用人员，重构AI办公全流程——从口语化任务描述到可交付成果的一键生成

02 CodeBuddy 深度拆解

产品架构：五层解耦，不只是IDE插件

很多人第一次听说CodeBuddy，会把它理解成「腾讯版的GitHub Copilot」。这个理解低估了它整整两个能力量级。

CodeBuddy的底层设计是一套五层解耦架构，从模型底座到企业交付，每层职责清晰：

第5层 · 企业交付层

多租户管理 · SSO/IAM集成 · SaaS/VPC/完全私有化部署 · 等保2.0三级认证 · 国密加密 · 代码不出域

第4层 · 产品接入层

VS Code / JetBrains 插件 · 独立CodeBuddy编辑器 · CLI工具 · Web管理台

第3层 · Agent能力层（★核心能力层）

Craft多文件智能体 · MCP生态接入 · Code Review Agent · Test Gen Agent · Figma转代码

第2层 · 上下文理解层

Codebase三层语义索引（函数级/模块级/架构级）· 跨文件依赖图谱 · 200+语言支持 · 微信小程序/Unity特化

第1层 · 模型底座层

腾讯混元（中文语义/业务逻辑）+ DeepSeek（代码生成/工程推理）双引擎 · 支持企业私有模型接入

技术栈模块图深度解析

双引擎路由机制

混元和DeepSeek并不是「备份关系」，而是根据任务类型实时分流：Chat问答走混元的业务理解能力；Craft生成代码时走DeepSeek的工程推理能力。两个模型协同，而非二选一。

Codebase三层语义索引

大多数AI编程工具只做「文本搜索」，CodeBuddy做的是语义理解。三层表征：函数级（输入/输出/副作用）→ 模块级（依赖关系/调用链）→ 架构级（技术选型/层次结构）。这让Craft在多文件修改时，不会出现「改了A模块、忘记更新B模块依赖」的低级错误。

MCP生态的战略意义

MCP是一个开放协议，允许AI模型以标准化方式接入外部工具。CodeBuddy是国内少数已完整落地MCP的产品，支持接入Figma设计工具、安全扫描器、云服务API、企业文档库，是企业整个研发工具链的AI核心节点。

企业合规护城河

等保2.0三级认证、国密加密、完全私有化部署——这三项能力是大多数海外AI编程工具无法提供的。在金融、政府、国防等行业中，这不是可选项，而是准入条件。

具体能力：覆盖研发全链路的八项核心功能

四阶段全链路

这八项能力覆盖了研发流程的四个关键阶段：编码 → 工程任务 → 质量保障 → 上线部署。每个阶段之间过去存在大量信息断层和手动交接——CodeBuddy的核心价值，就是用AI打通这些断层。

具体亮点：三个让它与竞品真正拉开差距的能力

亮点 01 ：Craft 智能体——从「写代码」到「做工程」

当任务复杂到需要同时修改多个文件时，普通AI工具只能给出建议文字，让开发者自己去改。Craft的做法是：直接帮你改。描述需求 → Craft拆解子任务 → 自动修改多个相关文件 → 给出变更摘要和差异对比，开发者只需Review+合并。使用范式从AI辅助编码变成了AI代理工程任务。

亮点 02 ：MCP协议——国内率先打通研发生态

可接入设计工具、安全扫描器、云服务API、内部文档库等，把研发链路从「写代码」延伸到整个DevOps闭环。CodeBuddy是国内少数已落地MCP支持的AI编程工具之一。

亮点 03 ：信创兼容——国企市场的关键门票

完全私有化部署、国密加密、等保2.0三级认证、支持国产化硬件。这三点是Cursor、GitHub Copilot等海外工具无法提供的能力。对于金融、政府、军工等行业，这不是加分项，而是准入门槛。

用户旅程图深度解析

从用户旅程图可以清晰提炼出一个关键洞察：AI编程产品的四个成熟度级别。CodeBuddy已经覆盖了全部四层。

Level 1：工具补全（阶段1-2）

Inline代码补全+Chat问答。这是所有AI编程工具的起点，也是大多数工具的终点。节省的是打字和查文档的时间，开发者仍是执行者。

Level 2：问答助手（阶段2）

从「给我补全代码」到「解释为什么这样写」，AI开始承担认知辅助功能。但仍然是「人提问、AI回答」的单轮交互模式。

Level 3：任务代理（阶段3 — Craft智能体）

真正的质变时刻。开发者描述意图，AI自主分解任务、修改多个文件、给出差异报告。人从「执行者」变成了「验收者」。

Level 4：流程平台（阶段4-5）

通过MCP打通CI/CD、代码审查自动化、文档自动生成——AI参与整个研发流程治理，系统性消除研发流程中的信息断层。

各类用户主要使用阶段

走查流程关键动作（5个阶段）

阶段 1 · 接入

安装IDE插件 → 授权腾讯云账号 → Codebase自动扫描 → 建立三层语义索引

阶段 2 · 日常编码

键入代码触发Inline补全 → Chat面板技术问答 → 错误自动诊断修复

阶段 3 · 工程任务

复杂需求切换Craft模式 → AI规划+多文件修改 → Review差异合并

阶段 4 · 质量保障

功能完成后生成单元测试 → PR触发AI Code Review → 安全扫描报告

阶段 5 · 上线部署

MCP打通CI/CD → 云端部署 → 文档自动生成 → Wiki同步更新

CodeBuddy的价值随着阶段递进在指数级放大单独用代码补全，你节省的是打字时间；用到全链路，你重构的是整个研发团队的协作范式

03 WorkBuddy 深度拆解

产品架构：桌面工作台 + 多端接入 + 双执行引擎

WorkBuddy官方定位：你说，AI做，你验收

这句话背后的架构，是一套五层的系统设计：

第5层 · 用户交互层（★核心能力层）

桌面工作台（主界面）· 微信/企业微信/飞书 IM直联 · QClaw（微信遥控本地电脑）

第4层 · 业务应用层

20+内置应用：文档生成 · PPT制作 · 数据分析 · 调研报告 · 文件管理 · 内容创作

第3层 · 能力服务层

工具调用执行模块 · Skill技能扩展模块 · MCP Server适配 · 私有知识库+RAG检索

第2层 · 智能体引擎层

自然语言理解（意图识别）· 任务规划管理（Todo List/优先级/依赖分析）· 云端沙箱 + 本地执行引擎双模式

第1层 · 基础设施层

与CodeBuddy共享腾讯AI Agent底座 · 混元+DeepSeek双模型 · 2000+腾讯内部员工验证

技术栈模块图深度解析

共享底座，分层分化

WorkBuddy和CodeBuddy共享同一底座，但从第二层开始走向不同方向。CodeBuddy第二层重点是Codebase语义索引——理解代码库；WorkBuddy第二层重点是任务规划与管理——理解自然语言意图。底座相同，但对「智能」的定义完全不同。

两种执行模式对比

Skill体系的核心价值

WorkBuddy的Skill不只是「插件」，而是封装了完整工作流的可调用模块。一个典型PPTX Skill包含：输入（主题+大纲+数据源）→ 处理（AI内容生成+模板套用+图表渲染）→ 输出（可编辑.pptx文件）。当Skill在团队内共享，一个员工积累的工作方法，变成了整个团队的可调用资产。

QClaw的移动场景价值

允许通过微信遥控本地电脑执行任务，解决了一个真实企业场景：管理者不在电脑前，但需要启动耗时的数据处理任务——用微信发一条指令，回到工位时任务已完成。

具体亮点：三个让WorkBuddy不只是「AI工具」的能力

亮点 01：定制化数字员工——企业AI化的真正抓手

通用AI工具的问题：它服务所有人，但不懂任何一家企业。WorkBuddy通过四层机制拆解成「岗位专属的数字员工」：① 角色边界定义：系统指令约束AI身份职责（例：「你是财务分析师，只回答报表相关问题」）② 核心技能挂载：API接口配置岗位专属动作（IT运维挂载服务器查询；HR挂载简历解析）③ 私有知识库映射：企业SOP/操作手册向量化后RAG检索，让AI更懂企业④ 端点发布调度：部署到实际工作流（会议纪要机器人绑定到飞书；文件处理员工发布为桌面守护进程）

亮点 02：连接器体系——打通企业任务输入口

支持企业微信、网页、个人桌面、IM群聊等多种连接器作为任务输入口。员工不需要专门打开新应用，直接在日常协作工具里发起任务，WorkBuddy在后台执行完成后把结果投递回来。

亮点 03：Human-in-the-loop治理体系——大规模部署的安全前提

AI自主执行意味着风险。WorkBuddy在关键节点引入人工审核：AI规划后展示执行计划 → 关键操作设置审批流 → 成果验收后才执行投递。这让WorkBuddy适合企业大规模铺开，而不只是个人效率工具的试验场。

用户旅程图深度解析

WorkBuddy vs 传统AI助手的根本差异

WorkBuddy vs 传统RPA的本质差异

传统RPA底层是固定规则+录制回放——必须先录制一遍流程才能重复执行。WorkBuddy是自然语言驱动+AI自主规划——只需描述结果，AI自己决定怎么做，能处理步骤不固定的开放性任务。

走查流程关键动作（5个阶段）

阶段 1 · 接入

安装桌面工作台 → 配置本地执行环境 → 绑定企业微信/飞书 → 授权文件读写权限

阶段 2 · 任务下达

自然语言描述任务 → AI解析意图 → 拆解Todo List → 展示执行计划供用户确认

阶段 3 · 自动执行

多Agent并行处理子任务 → 实时进度流展示 → 工具调用（Excel处理+PPT生成+图表渲染）

阶段 4 · 验收交付

成果预览 → 用户确认 → 一键导出或投递到指定位置（文件夹/邮件/群聊）

阶段 5 · 沉淀复用

常用任务封装为Skill → 上传至团队知识库 → 组织内共享 → 企业级数字员工体系成型

阶段5沉淀是WorkBuddy的长期护城河

WorkBuddy的真正价值不只是「完成一次任务」，而是把完成任务的方法封装成Skill，在组织内部传承和复用。WorkBuddy把个人效率转化为组织能力——这才是它作为企业产品的核心价值主张。

04 竞品格局：五款工具的分层协作体系

五款主流AI工具竞品对比全图

核心判断

这五款工具不是替代关系，而是覆盖不同维度的分层协作体系。真正理解这一点，才能做出合理的企业AI工具选型。

五款工具本质定位速查

三个关键维度差异

维度1：上下文对象不同

Claude Code/Cursor → 理解代码库；OpenClaw → 理解消息和事件；CodeBuddy → 理解研发流水线全链路；WorkBuddy → 理解用户意图和企业知识。

维度2：数据主权与合规边界

Claude Code/Cursor：API调用走美国服务器，无信创支持。国内强合规场景基本无法使用。CodeBuddy/WorkBuddy：完全私有化部署，数据不出境，等保合规，国密加密。

维度3：企业集成深度

Cursor是开发者个人工具，与企业技术栈无原生集成。CodeBuddy通过MCP协议可接入GitLab、Jira、文档系统——它是企业研发工具链的一部分，而不是游离在外的单点工具。

选型建议

1）个人开发者 · 海外工具可用

Cursor（日常IDE编码）+ Claude Code（复杂任务/重构/CI流水线）+ OpenClaw（定时任务/通知/API集成）三者互补：IDE编码 + 终端执行 + 后台自动化，覆盖开发工作的全维度。

2）国内企业研发团队 · 合规优先

CodeBuddy（研发全链路，信创兼容）+ WorkBuddy（非技术岗研发支撑人员）共享腾讯AI底座，账号体系打通，数据不出境，私有化部署满足等保合规。

3）腾讯的战略布局逻辑

腾讯同时推CodeBuddy和WorkBuddy，背后是一个清晰的战略逻辑：用双产品矩阵覆盖企业的完整AI化需求，建立在国内合规场景下的企业AI生态入口。Claude Code/Cursor因合规限制难以大规模铺开；RPA无法处理开放性任务；通用AI工具无法产出可交付成果——这三块空白，恰好是腾讯这次布局的机会窗口。

05 企业AI化，到底在转什么

企业AI工具选型的唯一判准

真正判断一款AI工具对企业是否有价值，只需要问一个问题：「它能直接帮我的员工产出一个可以交付的东西吗？」不是建议文字，不是信息摘要，而是：一份可以发出去的报告、一段可以部署的代码、一个可以开会用的PPT。

这两款产品对企业AI化的真正价值

很多企业的AI化困境是：研发团队用了AI工具效率提升了20-30%，但市场、运营、行政等非技术岗位依然在手动重复劳动。结果是企业整体的AI化收益被平摊，看不到在组织层面的规模效应。

腾讯双产品矩阵的系统性答案

给企业的三大趋势研判

趋势 1：工具竞争将转向「Skill生态」的竞争

评判AI工具的核心不再是「模型好不好」，而是「Skill生态丰不丰富」。谁能封装更多行业场景的可复用工作流，谁就能形成企业AI化的护城河。CodeBuddy的MCP生态和WorkBuddy的Skill技能包，都在抢这个位置。

趋势 2：数字员工是企业AI化的最终形态，不是噱头

企业AI化的终点，不是给每个员工配一个AI助手，而是把每个岗位的重复性工作流，封装成一个可调度的AI角色。人负责判断和创意，AI负责执行和生产。WorkBuddy提出的「定制化数字员工」是这个趋势最清晰的产品落地。

趋势 3：合规将成为选型门槛，而不是加分项

随着数据安全法规收紧，能提供私有化部署、国密加密、等保合规的AI工具，将在国内市场获得越来越强的竞争优势。这是CodeBuddy和WorkBuddy面向国内企业市场时，最重要的结构性护城河之一。

三年后，会有两类企业

一类企业完成了研发链路和办公链路的双重重构，AI嵌入在每条业务流水线上成为基础设施；另一类企业，依然在用AI写PPT标题，然后把正文内容手动复制进去。你想成为哪类企业，现在就需要做出选择。

以上仅为个人观点。

之前通过CLI手动接线，像两个独立系统硬凑到一起。5 月 28 日，WorkBuddy 直接把 ima 知识库内置到了「资料库」里——不是 Skill 插件，是原生嵌进去了。

真正让我兴奋的，是这个集成解锁的全新场景：商业视频自动生产。

知识 + 执行 + 出片，三位一体。龙虾终于长出了大脑。

一、龙虾的问题：能干活，但记不住

我是 WorkBuddy 和 ima 的重度用户。我们就在 ima 上——行业研报、竞品动态、内部数据，全沉淀在那里。

但 ima 的 Agent 能力有限，跟 WorkBuddy 的智能体没法深度协同。WorkBuddy 能交互本地内容，可「菜根智库」体量太大，本地磁盘放不下。想用资料时，要么找不到，要么不在手边。

能执行，但没记忆。能动手，但没知识库。

它们像一只只强壮的龙虾，有锋利的大钳子（执行能力），但没有大脑（知识积累）

这就是我过去大半年的真实状态：WorkBuddy 像一只强壮的龙虾，钳子有力但够不到知识；ima 虽装着我的智库，但它的 Agent 又不够强。大脑和手之间，隔着一道鸿沟。

二、腾讯的解法：记忆+执行，连起来了

5月28日，腾讯云官宣：WorkBuddy 把 ima 知识库直接内置了。

打开桌面端，「资料库」→「ima 知识库」→ 微信扫码 → 勾选知识库，搞定。

WorkBuddy「更多」菜单中，ima知识库与腾讯文档、腾讯乐享并列，一个入口全盘接入

不是通过 Skill 来调 API，而是作为资料库的一个原生选项。说白了，ima 里的资料直接成了 WorkBuddy 的工作上下文。

但更重要的是——ima 不是孤立的。在这之前，WorkBuddy 已经打通了腾讯文档和乐享知识库。三个加在一起：ima 管个人知识库（行业研报、学习资料），腾讯文档管协作文档，乐享管企业知识库（制度流程、项目档案）。三套系统原本各管一摊，现在 WorkBuddy 一个入口全盘接入。

换句话说，WorkBuddy 拥有了一个完整的「企业知识大脑」——不管是我的「菜根智库」，还是团队协作文档，还是企业制度资料，全都在 WorkBuddy 的触达范围内。对于OpenClaw这类依赖深度知识的智能体来说，最大的短板被彻底补齐了。

再看看腾讯这套布局——我称之为「AI 操作系统四件套」：

闭环清晰：记忆 → 调用 → 执行 → 回传 → 再记忆

但这套能力放在一起，真正让我上头的，是它解锁了一个我念叨了大半年的场景——用知识库驱动商业视频生产。

三、我的实战：ima 出报告，WorkBuddy 出片

我运营「菜根智库」，日常产出商业分析报告和知识短视频。以前流程：

1. 收集行业资料 → 分析趋势
2. 写报告 → 根据报告做视频脚本
3. 找素材 → 剪辑 → 配音 → 渲染输出

以前每一步都手动，工具换来换去，资料散落一地。现在打通了 ima，菜根智库的资料都能直接调用了。

加上 HyperFrames，流程变成了这样：

第一步：ima 生成商业分析报告

我把一批行业研报、竞品动态、内部数据都丢进 ima 知识库。

然后在 WorkBuddy 里一句话：「读取 ima 知识库里的行业资料，生成一份关于《2026 年 AI 视频行业趋势》的商业分析报告。」

WorkBuddy 从 ima 调取资料，自动写出一份带数据图表、带洞察结论的报告。关键信息、数据来源全部标注清楚——因为它是基于你私有的行业资料生成的，不是通用大模型的泛泛之谈。

第二步：WorkBuddy + HyperFrames 自动渲染视频

HyperFrames 是 HeyGen 开源框架——写 HTML，出视频，专为 AI 智能体设计。

技能商店搜「HyperFrames」一键安装，然后说：

「基于刚才生成的那份商业分析报告，生成一段 60 秒的产品介绍视频，含数据可视化动画、背景音乐和旁白配音。」

AI 自己干什么？

• 写 HTML——用 CSS + GSAP 编排每一帧画面
• 数据可视化——报告里的市场数据，自动转成柱状图、趋势线动画
• 配音——用 edge-tts 生成旁白，根据内容情绪调节语速
• 配乐——用 Python 合成背景音乐，甚至能五声调式
• 渲染——HyperFrames CLI 在无头 Chrome 逐帧捕获，30fps × 60s = 1800 帧，混音、H.264 编码，输出 MP4

从「有报告」到「有视频」，不需要离开 WorkBuddy。

成本，才是让我真正闭嘴的数字

一条 1 分钟的成片，渲染成本不到 1 毛钱。

传统 AI 视频靠 GPU 推理，显卡一转就是几十块。HyperFrames 走的是 HTML 渲染路线——用无头 Chrome 逐帧截屏、FFmpeg 合成，不需要显卡推理。同样的片子，成本差了两个数量级。

当成本从「几十块一条」降到「一毛钱一条」的时候很多以前不敢想的事情，就可以做了。

一个典型的一天，全自动管线跑起来

早晨 8:00

你收集了 20 篇行业最新文章、3 份竞品财报、5 个市场数据报告，一股脑丢进 ima 知识库。

上午 9:00

在 WorkBuddy 说了一句：「分析 ima 里最新这批资料，生成一份《本周行业情报综述》，今天下午 3 点前要，同步生成一段 90 秒的知识短视频，配上数据动画。」

然后你去开会了。

下午 2:45

手机震动。WorkBuddy 发来微信消息：

 一份完整的行业情报综述报告（PDF）

 一段 90 秒的知识短视频（MP4），数据可视化、旁白、BGM 一应俱全

 附带一句：「视频已自动上传到 ima 知识库归档。」

下午 3:00

你拿着这份报告和视频直接去汇报。同事问你：「这个视频你做了多久？」

你想了想：「早上丢了几篇文章，剩下的……AI 自己弄的。」

四、从「能说话」到「能干活」再到「能出片」

回顾 AI 的发展，这条脉络越来越清晰：

把「知识沉淀」到「内容产出」的距离，压缩到几乎为零。

以前总觉得 AI 视频门槛高——要懂 prompt engineering、要在多个工具间来回倒腾。

• ima负责「知道什么」——把你的行业知识、公司资料管起来，随时可检索、可调用
• WorkBuddy负责「做什么」——理解你的意图，拆解任务，调度技能执行
• HyperFrames负责「怎么呈现」——把抽象的分析报告，渲染成可视化的视频内容

三个角色各司其职，形成了一条完整的「知识 → 分析 → 视频」生产管线。

五、怎么上手？三步走

如果你也想试试这套组合：

1）下载 WorkBuddy

——workbuddy.tencent.com，Mac 和 Windows 都支持

2）安装 ima 并导入资料

——ima.qq.com，把你的行业报告、文章、笔记都丢进去

3）打通 + 安装技能

——WorkBuddy 资料库绑定 ima → 技能商店搜「HyperFrames」安装

然后试试这几条指令：

「根据 ima 知识库里的行业资料，写一份竞品分析报告」「基于刚才的报告，生成一段 60 秒的产品介绍视频」「每天早上 8 点，自动搜索行业动态，整理成日报存到 ima，再生成一段 30 秒的早间资讯视频发我微信」

关于费用：WorkBuddy 新用户送 Credits 体验；HyperFrames 是开源框架，渲染成本不到一毛钱一条。可以说是零成本起步。

写在最后

我一直是 WorkBuddy 和 ima 的重度用户。「菜根智库」的知识全都存在 ima 里，但以前 WorkBuddy 够不到它——我试过用 CLI 手动集成，但那终归是「手动接线」，用起来总隔着一层。

现在 WorkBuddy 原生内置了 ima 知识库，还打通了腾讯文档和乐享知识库。再加上 HyperFrames 这种为 Agent 而生的视频框架，整个组合的威力才真正释放出来——知识不再只是「被检索」，而是「被消费」；报告不再止于「被阅读」，而是「被观看」。

对OpenClaw这样的智能体来说，过去最头疼的就是「知道很多，但调用不到」。现在三大知识库就在 WorkBuddy 的资料库里，随时可取、随时可用。企业知识大脑，终于完整了。

当然，HyperFrames 还远谈不上完美。但方向是对的——

让 AI 既有记忆力，又有执行力，还能自己出片。

如果你的 AI 助手还在「每次都要重新介绍自己」，该让它长个「大脑」了；如果它能干活还不能出片，该给它装个「摄影机」了。

在AI的世界里，我选择一直冲

我是菜根老谭。从 ChatGPT 到 Midjourney 再到 WorkBuddy——AI 的每一次进化我都冲在第一线。

因为我越来越确定一件事：

AI不是未来——AI就是现在。而且它正在以我们想象不到的速度，重塑每一个行业。