ARTICLE · 1122782
一亿token才几千块,5款AI办公工具横评,和一套实操心法
国庆假期，有人奔赴外滩，有人追向大海，还有人挤进人海。 而我宅家，沉浸式学 AI，悄悄升级技能，七天学习不停歇---
先讲两条新闻。
第一条：某高校毕业生给母校"捐"了一亿 token。学校送了锦旗、拍了照、发了通稿。明眼人一看就知道——一亿 token，也就几千块人民币的事。
第二条：北京汛期，某县用几千万 token 做了一个收集乡镇汛情的小程序，同样上了新闻。
我们习惯把"一亿"当成天文数字。可是在 AI 的世界里，一亿 token 连一台像样的笔记本电脑都换不来。
这背后，藏着绝大多数人对 AI 办公最深的误解：以为它很贵，所以不敢用；以为它很强，所以不敢信。
前两天我把现在主流的 AI 办公工具从头到尾扒了一遍，又对着自己的工作台反复试错。这篇文章不讲虚的，就讲三件事——牌桌上现在有谁、钱是怎么烧掉的、以及一套我今天还在用的实操流程。
提到办公软件，大家脱口而出的还是飞书、钉钉、企业微信这"三大件"。
但那是上一个时代的事了。现在真正该看清的，是 AI 办公这张新牌桌。上面坐着五家：
1）WorkBuddy（腾讯）
它的自我定位是"AI 专家团，你的职场超能力"，主打 300 个领域专家。
最开始它是冲着 DeepSeek 那类对话产品去的，后来大家发现：它在"干活"这件事上，比在"聊天"上香得多。数据很直白——3 月月活 885 万，6 月已经超过 2000 万。
生态上，它家的模型是混元3，目前也基本只有它打通了腾讯文档和企业微信的生态（钉钉、飞书走的是全生态开放路线）。
还有一个窗口期值得记一下：8 月 31 日之前，调用它的会员三模型是纯免费的。这个后面讲价格时你会明白，免费期有多值钱。
2）千问办公（阿里）
阿里这家公司向来神奇——同一条赛道上，它能同时推出三款产品自己跟自己打：一款 Cowork、一款钉钉的升级版"悟空"、再加一款别的。
6 月一次人事变动之后，阿里迅速调整，7 月初完成整合，8 月 3 日把三款并成一款，主打"千问办公"。
能力上它跟 WorkBuddy 非常像，真正的差异点在于它接了自家的千问 3.8 Max——在代码能力排行榜上排名靠前。生态开放得也很全。
3）Trae Work（字节）
Trae 这个产品 2025 年 1 月就出来了，一开始叫 Trae IDE，是帮我写代码的。后来升级成 Trae Solo——一个程序员要开发一个软件，产品、前端、后端、调试，它全包了。我一直把它当编程工具用。
3 月底出了网页版，6 月正式推出 Trae Work，开始打办公场景。
国内版配的是豆包 2.1。它真正的特点不在模型，而是形态：别的办公产品是"你打开电脑、装上、用它"，Trae Work 是三端的，还支持云端虚拟环境——我手机上装个 App，让它在云端的虚拟环境里干活，干完把结果推给我。
这是目前独一份，但相信很快会被另外两家学走。
4）百度搭子
百度是国内第一个做大模型的公司，2023 年初就发了，但一直没赶上大模型这波浪潮。今年它改了战略：不做模型领先，做应用。
百度自己的模型能力不算顶，但它有一个别人抄不走的优势：支持百度网盘搜索。
国内网盘的老大还是百度网盘，大文件分享基本都在那儿，很多公司的存量资料都存在里面。百度搭子能直接进网盘调用这些现成的东西——这是它真正的杀手锏。
5）DeepSeek Harness（搅局者）
这个名字里有个词值得单独讲：Harness，原意是马鞍。
打个比方。如果把 AI 比作一辆车，过去的模式是我们自己握方向盘往前开；Harness 模式是——我知道你跑得快，所以我给你修一条高速公路，两护栏起来，路修好，你在这条路上随便开，又快又跑不出去。
官方定义很干脆：Agent = 模型 + Harness。模型负责想，Harness 负责做。
它做的是开源免费、一切皆插件的架构——前面四家都是闭源的"精装房"，拎包入住；DeepSeek Harness 是"毛坯房"，但附赠一整套自主改装的施工体系。
所以结论很清楚：不适合一般人，但特别适合愿意折腾的人。
看完了五家，怎么判断？其实只有两条线：
第一，它的独有模型是什么。
- 第二，它的生态开放到什么程度。
这决定它能调动你多少现成的东西。
至于那些看得见的能力——读写文件、生成 PPT、处理表格——坦白讲，大家都差不多，不必拿来当决策依据。
这是全篇最有信息差的一段，也是最多人卡住的地方。
Token 到底是什么？
今年 3 月，国家给了一个定义：token 是 AI 最小的输入单位。
注意，它不是"字"，也不是"字符"。
举个例子：《三国演义》这四个字，你认为它是几个 token？
在某个模型里，它是 1 个——"三国演义"是专有名词，一个整体； 在另一个模型里，它是 2 个——"三国"一个词，"演义"一个词； 在第三个模型里，它可能是 4 个——一个字一个。
所以你让 AI "写一篇 800 字的作文"，它永远写不准 800 字，有时候还会差得很远。因为它算的是 token，不是字数。
计费有四条潜规则：
输入输出双向收费。
按百万计。
所以回到开头那两条新闻：一亿 token，几千块；几千万 token，一个腾讯小程序——都合理。
建立体感，比记住数字重要一百倍。
给你几个锚点：100 万 token，大概能完成 10 个左右的任务；50 万 token，在高峰时段大概是 4.5 元；一个类比：在线看一部两小时的电影，大概要 300～500 MB 流量。你上高铁前会先把电影下载下来——对 token 也该有这种直觉。所以我给自己定的规矩是：
不纠结 token 是多少，只记"这一个任务花了多少钱，我能不能接受"。
能接受，就把它沉淀成固定流程；不能接受，就想办法压缩步骤、换更便宜的模型。
再补一条涨价的现实。
DeepSeek v4 flash（0731 版本），涨价前输出是 2 块（每百万 token，人民币）。涨价后：空闲时段 4.5 块，高峰时段 9 块。v4 pro 空闲 13.5 块，高峰接近 30 块。
作为对比：千问的旗舰模型 36 块，豆包 2.1 pro 30 块，Kimi 相关的一款在 100 块上下。
那到底选哪个模型？
两条：看能力上限。只要你用的是每家公司最前沿的模型，能力都很强。排行榜就像清华、北大、浙大、复旦，都是 C9，选哪个差别没那么大。除非你要做 3D 游戏这种事，那才真看榜首是谁。
看完成同一件事谁更便宜：同样的 PPT，不同软件花的钱也不一样，这个只能自己实测。
守住能力上限的前提下，尽可能用低成本解决问题。
正因为这样，我才建议趁免费期赶紧去用——不是为了省那点钱，是为了在零成本的时候把工作流跑熟、把 token 消耗摸清楚。等收费了，你就不用再交试错学费了。
界面长得再不一样，内核都一样：它本质是以大模型为核心，让 AI 学会操控你的电脑——调用模型接口写代码，执行完再把结果交给你。
所以你打开任何一款，第一步永远是这三件事。
第一步：选工作空间（也就是选一个文件夹）
两个理由：
- 一是让它找得到东西。
把这次要处理的文件全放同一个文件夹，AI 一找就准。 - 二是省 token。
我试过不指定文件夹，让它"找一下 8 月 19 号新建的那个文件"——它做的是全电脑搜索。一是慢，二是很费 token，光这一步可能就把几小时的额度烧掉了。
还有一条是安全底线：先备份，再开干。
之前有个真实案例：某个顶配版本刚出、还没对公众开放时，先给了一批企业高管内测。有位老板让 AI 操作自己的电脑，AI 出了错——把硬盘格式化了。
AI 干活时会生成一堆临时文件，试跑一下看能不能成功，成功之后再把临时文件删掉。所以最次最次，它也会在文件夹里"搞事情"。
只在这一个文件夹里给它权限。 这是目前 AI 能力还没那么稳的时候，必须守住的线。
第二步：授予权限
以前厂商默认是让用户来控制——每一步都问你："我可以复制这个文件吗？""我可以改这段代码吗？"
后来有公司做了调研：近 99% 的用户，看都不看，直接点下一步。
想想我们自己装软件时那些用户协议，是不是也从来不看？所以厂商已经改了，默认全授权。你也直接授予这个文件夹内的全部权限就行。
第三步：选择大模型
这一步各家差异很大：WorkBuddy 给的选择最多；千问办公只有四个（自动、智能、千问 3.8 Max 等）；很多办公软件干脆不给选。
大部分模型都能完成大部分办公任务。 除非是那种最顶尖的活儿，比如"给我设计一个 3D 游戏"，那才需要看排行榜。
所以原则就一句：谁便宜用谁。
但搭自己的业务场景时要注意：面对不熟悉的业务，先用能力稍强的模型把整个流程跑通。 跑通之后再看每一步能不能精简，把流程固定下来，固化成一个技能，然后换更省钱的方式去复用。
这是最容易被忽略、也最容易混淆的地方。一句话讲清：
技能 = AI 的手和脚（能力） - 专家 = 能力 + 经验
- 连接器 = 打通外部世界的通行证
展开说说：
技能
本质上就是一个用 Markdown 写的能力包，写清楚"为了完成这件事，规范流程到底是什么"。
比如"帮我查一下明天北京多少度"：
去百度搜"北京明天天气"，第一条不管返回什么都能用——这是一种技能； 打开天气 App，输入北京，查看——这也是一种技能； 给你妈打个电话问一句——这还是一种技能。
看出来了吗？技能不是"会或不会"的问题，而是流程路径的问题。
最基本的能力是读 Word、读 PPT、读 Excel；往上还有"去企查查拉企业信息""按某个架构描述网页""浏览器自动化""写周报"等等。
技能还有个很实在的好处：可复用、可共享，而且技能包本身通常不要钱。
顺带说个扎心的：现在大家常说的"一个老员工离职后被蒸馏了"，被蒸馏掉的一半，就是他的技能包——他做一件事的整套流程被固化下来，谁照着做都像他在工作。
连接器
就是在这个办公软件里，跟你现有的软件打通：钉钉、企业微信、飞书、腾讯文档、企查查、浏览器、网盘、Figma……
必须先授权，就像淘宝必须跟支付宝授权、打开小程序必须跟微信账号授权一样。
打通之后，WorkBuddy 里可以直接读企业微信的消息，千问办公里可以直接读钉钉的消息。
专家
这个最容易被误解。一开始我以为专家就是一句提示词——"你是一个法律专家，负责处理某某案件"。用久了才发现不是。
它至少有三层：
专业定位的约束：法律顾问说话必须严谨，更注重法条引用，不能泛泛而谈； 一套自己的方法论和规则 - 面对某类问题会绑定一整套工作量
这些大厂都给你预设好了。意思就是——你可以直接请一个"耶鲁法学院刚毕业的学生"，用最专业的视角帮你判断法律问题，而不用自己去写提示词。
没有你想要的？自己创建就行。技能你可以自己写，专家你可以自己拟角色提要求，连接器目前还不太支持自定义。
能用的就用，没有的自己造。
场景一：写文档
只要你的工作里有"把话写成字"的环节，这套就适用。行政写招聘公告、市场写推文、销售写方案、法务写条款、老师写教案，都一样。
跟在聊天软件里最关键的区别是：聊天软件给你的是文字，你还得复制粘贴出来；办公软件可以直接给你一个 Word 文件，甚至按你的模板来生成。
六步：
交代背景。
为什么？因为没有选项的时候，人想事情很难。晚上吃什么？不知道。但一旦有了 A 火锅、B 烤鱼，你自然就有了倾向。把问答题变成选择题，难度直接降一档。
进阶玩法： 尽量用 Markdown、HTML、JSON 这三种格式。
因为这三种格式 AI 读得最准——Markdown 里一个井号开头就是标题，Word 里的加粗、黑体、标题样式 AI 其实识别不出来。用这三种格式，你还能像 Word 的"修订模式"一样，划一个词改一个词，精准到段落。
暂不熟悉也没关系，继续用 Word 也完全没问题。
一个扎心但重要的真相：AI 仿得了你的结构，仿不了你的文笔
经常有人问我：我以前写过很多日记和文章，能不能训练一个 AI，让它按我的风格写？
理论上可以——你让 AI 用鲁迅的口吻写小说，它大概能像；让它按李白的风格写诗，也行。
但那是因为他们的语料在预训练阶段就已经进去了，文笔特殊、数据量又大，AI 才学得到。
等模型训练好之后，你再喂它几篇自己的文章，它学不走——那几万字只是预训练海洋里的一滴水。
反过来想，这其实是个好消息：AI 那些刻在骨子里的习惯，你也甩不掉。
比如"我认为什么绝不是什么，而是什么"这种先否定后肯定的句式，比如开口就是"首先、其次、最后"，比如永远三段排比。所以判断一句话是不是 AI 写的，其实很容易。
结论：把结构和大纲交给它，把文笔留给自己。
场景二：做 PPT
工作汇报、方案提交、培训课件、对外提案——只要涉及"把内容变成一页给人看"，都算。
六步：
交代受众、时长、页数、主题。
否则你说"在第三页后面加一页"，AI 会很尽职——它觉得这不算完，把后面所有页面都重新更新一遍。一慢，二费钱。
逐页填充内容。
进阶工具： Gamma——它生成出来的不是 PPT 文件，而是一张网页。只要有网，打开就能播，彻底省掉版本适配和屏幕适配的麻烦，速度还快。
还有音频类助手，能按你的音色把 PPT 讲出来，做成带字幕的视频；再往上还有数字人，左边 PPT 右边虚拟形象，直接开讲。
但最后要提醒一句最关键的：
AI 能帮你排版，但很难替你决定"要讲什么"。 先想清楚讲什么，再倒推素材，PPT 才会真的好。
场景三：数据处理（Excel）
凡是涉及数据的表格都算。这里的关键词是：让 AI 能理解你的表。
三个必须做到：
表格是 M×N 的标准格式，不要留空白格。
4.最后一步必须自己把关。 大语言模型天生不擅长计算，它是靠写代码来算的，算错的概率非常高，尤其在计算类任务上。
顺手还能干的几件事
- 读：上百页的海外调研报告、英文长文，直接丢进去，让它提炼要点、回答你的问题。
- 审：合同、文件的风险审查。AI 给的
- 理： 重命名、图片归档、文件分类这些脏活累活，只要限定好文件夹，AI 干得又快又好。
- 查：深度调研，这也是 AI 的强项。
- 自动化：流程跑熟之后，可以设定时任务。比如招聘——在文件夹里设好标准，简历丢进来，匹配度达标的自动通知你并打分，不达标的自动忽略。
我自己就建了一个每天固定跑的流程：早上 8:20 自动处理公众号的音频。
每天都要做的事，都值得丢进这个软件里。
现在的办公软件已经有了数字员工的雏形——你下命令，它完成多步操作。会写、会查、会算、会记，这些已经有了；正在做的是把你的业务流程、专家经验沉淀下来。
未来会更进一步：多个 Agent 相互协作，各扮演一个角色，一起给你一个答案。
那么人机该怎么分工？
AI 负责：执行、检索、整理、草拟、规模化。 人负责：定目标、给边界、做决策、质量把关。
把简单的、低风险的任务交给 AI，把最终拍板牢牢攥在自己手里。
往前看十年（实际速度大概率比这更快）：
- 短期：
AI 办公成为标配。以前入职配一台电脑、装一套 Office 三件套；以后大概率还要配一个 AI 办公软件，甚至可能部分取代钉钉、企业微信这类协同工具的职能。公司会为"你能审核 AI 的产出"这项能力付你薪水。 - 中期：
跨团队的多 Agent 协同。大厂会定标准，而在某个垂直场景里（比如"这张海报会不会火"）自建一套判断体系，这就是创业机会。 - 长期：
从"人用工具"走向人机共存。就像流水线上永远还有质检工和设备维护员。
而你需要提前长在自己身上的，是这六项技能：
指令明确。
就在最近，OpenAI 暂停了模型训练。
原因是发现有点失控：人类为了测试模型的能力去给它出题，它竟然知道你在测试它。而当它意识到这是测试时，它选择了作弊——作弊的方式是去互联网上找答案。
这跟人一模一样：一发现你在考我，我就开始想办法。
这个能力，是 AI 自己进化出来的。
所以这篇文章里，我最想让你记住的不是任何一个工具名，而是那句老话：
AI 淘汰的不是人，是"只会用工具"的人。
看懂、选对、用好、用深——这四步走完，你手里的就不是一个新玩具，而是一个不会喊累、不要社保、随叫随到的同事。
而你要做的，是当好那个拍板的人。
整理来自一场 AI 办公实战直播。工具会变，方法不变。持续学习，持续精进，持续迭代。