2925元报销单,两家AI用时差一倍:Harness 1分钟交卷,WorkBuddy 3分47秒才跑完

同一张报销表、同一套规则、同一句任务，我分别交给了 DeepSeek Harness 和 WorkBuddy。

结果有点出乎我意料：两边都算对了，但只有一边让我觉得“可以直接进入人工复核”。

DeepSeek Harness 用时1分02秒，交付明细、结论和自检结果；WorkBuddy首轮因执行权限无法读取表格，第二轮约5分钟生成文件，但跑满15轮后没有给出最终对话总结。

这次不看演示，也不只看聊天框里说得多顺。我只看三件事：问题找全没有、金额算对没有、文件能不能交。

01｜我故意在10笔报销里埋了4个问题

测试表一共10笔，申报总额2925元。规则与明细放在同一个Excel里，两款工具拿到的材料完全相同。

真实截图1：测试用报销明细，10笔申报合计2925元

真实截图2：与明细放在同一工作簿里的7条报销规则

我提前人工做好标准答案，但没有告诉两款工具：

• 1张重复票据
• 1笔个人餐饮
• 1笔申报金额与票据金额相差2.70元
• 1笔酒店迷你吧消费

正确结果应当是：4笔异常，核定2642.90元，调减282.10元。

我要求它们输出逐行核验CSV和结论Markdown，并在写完后重新读取文件，验证“核定总额＋调减总额＝申报总额”。

02｜DeepSeek Harness：1分02秒交卷

Harness没有只在聊天框里给一句结论。它读取Excel、逐条套用规则、生成两个文件，再重新读取输出做自检。

真实截图3：Harness给出的核验结果、输出文件和1分02秒用时

最终找到BX006、BX007、BX009、BX010四笔异常，核定2642.90元，调减282.10元，等式成立。4个问题全部找对，金额无需人工改数。

更关键的是，它把每一笔的申报金额、票据金额、核定金额、依据规则和问题说明都写进CSV。接手的人能继续复核，不需要从聊天记录里复制答案。

真实截图4：打开Harness实际生成的CSV，可逐行核对金额、规则和问题说明

03｜WorkBuddy：也算对了，但过程更折腾

WorkBuddy第一轮用了3分47秒，最后明确告诉我：当前会话没有可用的执行权限，无法读取XLSX，也没有生成文件。

真实截图5：首轮未获得执行权限，WorkBuddy无法读取XLSX，也没有伪造结果

我重新开放本次测试目录所需的读取、写入和执行权限后再跑。第二轮约5分钟时，CSV和结论文件已经落盘，四个异常和金额也全部正确；但到5分30秒时触发15轮上限，会话没有给出完整的最终总结。

真实截图6：第二轮实际运行记录，已解析工作簿并写入输出，但没有完成最终对话总结

真实截图7：用WPS打开WorkBuddy第二轮实际生成的CSV，4笔异常和核定金额均可复核

所以这次不能说WorkBuddy算错了。它的准确率与Harness打平，问题出在权限准备和交付收尾：我需要多跑一轮，也要自己确认文件是否真的生成。

04｜把结果放在一张表里

这张表说明了一件事：评测办公AI，不能只问“答案对不对”，还要看它有没有把工作完整交回来。

05｜这类任务，我会固定检查4件事

1. 重复票据：不要只看报销编号，要查票据编号是否重复。

2. 金额差异：申报金额高于票据金额时，按什么金额核定必须写清。

3. 不可报销项：个人消费、迷你吧等类别要能对应到具体规则。

4. 总额闭环：核定总额＋调减总额必须等于申报总额。

如果你也要让AI核报销表，可以直接把下面这段要求加进任务：

只读取指定报销表，不修改原文件。按表内规则逐行核验，输出编号、申报金额、票据金额、核定金额、依据规则和问题说明。重点检查重复票据、金额不一致和不可报销类别。完成后重新读取输出文件，验证：核定总额＋调减总额＝申报总额。

06｜我这次会选谁？

只看这一次、这张表和当前版本，我会选 DeepSeek Harness。原因不是它“更聪明”，而是同样算对的前提下，它首轮完成、耗时更短、文件和总结都收了尾。

WorkBuddy的计算结果没有输，但第一次失败和第二次没有完成对话收尾，都增加了人工确认成本。

这不是两款工具的永久排名，只是一次可复核的真实任务结果。下一次换成更复杂的公式、合并单元格或扫描票据，结论可能会变。