夜雨聆风从 2022 年 ChatGPT 惊艳全球开始，AI 已经越来越难被当成一个短期热点；这几年里，模型能力一路往前推，最先被改造的其实是程序员的工作流。Claude Code、Codex 这类 AI 原生编程智能体，已经成为许多程序员日常工作里不可或缺的一部分。哪怕像我这样的非程序员，也已经很习惯用 Codex 处理一些编程需求，以及更多和写作、资料整理、任务管理有关的工作。
但我越来越强烈地感觉到，程序员之外的大多数人，仍然没有真正进入这一轮 AI 工具升级；很多人使用 AI 的方式，依然停留在最初的 ChatGPT 形态：打开一个聊天框，把它当成问答助手；或者用一些带模板的生成工具，让它生成图片、音频、视频、PPT、文案。它当然有用，但使用方式仍然是“我问一句，它答一句”。
在 AI 越来越热的当下，很多人开始有一种焦虑：知道自己应该用 AI，却不知道到底该怎么用、用在哪里。于是市场上出现了大量“教程”，其中相当一部分集中在两类事情上：一类是教程序员如何使用 Claude Code、Codex，另一类则绕到网络、账号和支付障碍上。
这对普通人来说是不够的，非程序员真正需要的是另一件事：找到一种能进入自己日常工作的 AI 使用方式，不必被迫去靠近程序员的工具链；也就是说，核心问题不在于“用哪家的模型”，而在于：如何让 AI 进入你的真实工作流。
聊天框这种方式，其实很像和一个“缸中之脑”对话。你打开一个聊天框，对它说：“帮我整理一下这些资料”“帮我做一份报告”“帮我把这个文件夹里的东西分类”，它通常回答得很认真，甚至会配合你的要求，说“我已经帮你整理好了”。
但你回头看一下，就会发现这句话经常是假的。这通常不是它故意骗人，问题在于，它根本没有条件把这件事做完：它没有权限打开你的文件夹，没有办法读取你电脑里的 Word、Excel、PDF，没有工具去生成一个真正保存下来的文档，也没有办法帮你把结果放回某个目录里；所以大多数时候，它并不是在做事，只是在描述一件事应该怎么做，这就是聊天框式 AI 的天花板。
为什么你手机里的AI“光说不练”
模型能力当然重要，模型不够聪明，思考深度不够，推理就会出错；上下文不够长，材料就读不完；多模态不够强，图片和表格就处理不好。但在日常办公里，另一个问题可能更致命：模型就算知道该怎么做，也没有手脚。
你让它“整理下载文件夹”，普通聊天框最多告诉你应该按“合同、发票、图片、资料、临时文件”分类。可是它不能真的打开下载文件夹，不能识别里面每个文件，不能新建子目录，不能移动或复制文件，也不能生成一份清单告诉你每个文件去了哪里。
你让它“根据这几份材料写报告”，普通聊天框可以写一段漂亮的文本，但如果它没有稳定读取材料、保存草稿、继续修改、导出文档的能力，这件事最后仍然会回到你身上。你要自己上传、复制、粘贴、改格式、存文件、找版本。
你让它“以后每周五给我生成周报”，它当场可以帮你写一版，但它不会真的在下周五醒来，不会知道你的材料在哪里，也不会把结果保存到固定位置；这类问题的本质，已经从“回答能力”转向了“执行环境”。
给模型装上手脚
我现在用电脑的习惯，已经有了很明显的变化：很多时候开机后第一个打开的不是浏览器，也不是某个文档软件，而是 Codex。
我会直接跟它说我要干什么，让它帮我处理，比如写文章、整理资料、分析文件、固定上下文、把对话变成文档，这些都已经不是编程任务，但它们一样可以在 Codex 里完成。
这件事让我意识到，真正改变体验的，除了 GPT 本身强大的模型能力，还有 Codex desktop 这个“工作台”。它比普通聊天框多了一层执行环境：可以接触文件，可以调用工具，可以在一个工作区里持续处理任务，也可以把对话中的结果固定成文档；换句话说，它给模型接上了“手脚”。
这种东西，也可以叫 harness。这个词不太好翻译，简单说就是：它给模型接上工具、权限、文件系统、任务管理和执行边界，让模型不再只会说话，开始可以做事。
一个普通聊天框，通常只有一条对话流；一个 AI 工作台，则多了几样关键东西。它有工作区。你可以告诉 AI：这件事就在这个文件夹里做，输入资料在这里，草稿放这里，成品放这里，清单也放这里。这样任务就有了边界。对普通人来说，这一点尤其重要，因为你不需要先成为文件管理高手，也不需要自己设计复杂目录。你只需要选好工作区，让 AI 在这个范围内整理输入、生成草稿、保存成品、留下说明，很多时候反而比人手动到处存文件更干净。
它有工具，可以读取文件、搜索资料、生成文档、调用外部服务、处理表格、操作网页或应用。工具越贴近日常工作，它越像一个助理，越不像一个只会说话的顾问。
它有任务列表，聊天框的每次对话很容易混在一起，今天聊投资，明天写文章，后天做周报，最后上下文乱成一团。任务化之后，每件事有自己的材料、过程和结果，回头也更容易接着做。
它有产物，真正的工作最后要落到一个能打开的文档、一张表格、一个文件夹、一份清单、一段可以继续修改的草稿上，不能停在一句“我帮你整理好了”。AI 工作台的核心，也不在于回答得像不像，在于结果能不能验收。
它还可以有自动化，很多办公任务难度不高，麻烦在重复，日报、周报、会议纪要、资料索引、每日简报、定期提醒，聊天框只能当场回答，工作台则可以把重复提示词变成固定任务。
这才是 AI 对普通人的真正意义：你多出来的，应该是一个能进入工作现场的助理，而非又一个可以聊天的对象。
没有记忆，就没有长期工作流
聊天框还有一个很大的问题：它没有真正可靠的长期记忆。你今天告诉它：“我写文章不喜欢列表堆砌，不喜欢说明书口吻，我喜欢先提出一个观察，再展开机制判断。”它这次可能记住了，可是换一个新对话，它又忘了。
你做一个长期项目，前面已经讨论过很多判断、取舍、资料来源、写作风格、文件结构。可一旦上下文断掉，你又要重新解释一遍。久而久之，使用 AI 变成了一件很累的事：它没有帮你省下时间，反倒让你反复给它补课。
这就是对话框最大的问题之一：它有临时上下文，但很少有稳定记忆。它能在一段对话里表现得像了解你，却很难把你的长期偏好、项目背景、历史决策和工作方法沉淀下来。
真正的 AI 工作系统，应该有记忆。它应该知道你常用什么格式，知道你不喜欢什么表达，知道某个项目之前做过哪些判断，知道哪些资料已经处理过，知道一份文稿为什么改成现在这样。
记忆的目的，并不是让 AI 显得更像人。它更实际的价值在于减少重复解释，让 AI 能长期进入你的工作流。
我差点自己去补这个缺口
也正因为 Codex 这类工作台太好用，我最近几天一直在想一个问题：如果这种 harness 有潜力成为开机后第一个打开的入口级程序，而好用的 Claude Code 和 Codex 又在大多数普通用户可触及范围之外，那国内市场为什么还没有出现一个面向非程序员群体的成熟产品？
这个缺口很明显：国内并不缺模型，DeepSeek、通义、豆包、Kimi、智谱、MiniMax，各自都有自己的能力边界和优势；真正稀缺的，反而是一个让普通人把模型用进真实工作的入口。
我一度甚至想自己做一个 gateway，把 Codex 接上国内模型 API，让更多人能试试这种工作台形态。在 GPT 的帮助下，我已经跑通了 DeepSeek 的接入，也试了阿里百炼 API 的接入，后者原生多模态，又支持 Codex 需要的 OpenAI Responses 端点，兼容性更好。
但在接下来我打算适配更多的API时，发现腾讯已经推出的 WorkBuddy，试用了一下，我直接放弃了刚成形的gateway——这不就已经是我想要的软件了吗？
腾讯的产品直觉
说实话，腾讯的模型能力即便放在国内，也算不上最能打。混元模型此前口碑并不突出，新一些的版本让它重拾了不多的存在感，但如果只看模型能力，它很难排在国内前五。
DeepSeek 的推理能力强，Kimi 长文本体验好，豆包和元宝有消费端入口，通义、智谱、MiniMax 也各有位置，单独把模型拎出来比较，腾讯的混元模型存在感实在是稀薄。
不过 WorkBuddy 有一个很关键的设计：它没有把用户锁死在腾讯自己的模型里。按照官方模型配置文档，它内置了 GLM、MiniMax、Kimi、DeepSeek 等国内主流模型，也支持自定义 API 和 Ollama 这类本地模型；换句话说，WorkBuddy 真正想做的并不是“混元的桌面壳”，而是把模型层变成一个可替换的底座。腾讯对入口的敏感，也体现在这里。
我之前在《腾讯可能正站在一次估值体系切换的前夜》里写过：腾讯的 AI 价值未必体现在“做出全国最强模型”，而更可能体现在 AI 进入现实生活之后的生态层。微信、企业微信、支付、小程序、文档、会议、云和内容入口，这些东西过去看起来是成熟互联网资产，但一旦 AI 开始替人调度任务，它们就会重新变成现实世界的接口，WorkBuddy 正好是这个判断在办公场景里露出的一个小切口。
它在并没有一个压倒性模型优势的时候，推出了 WorkBuddy。这个选择本身就很说明问题：腾讯看重的并不是再做一个聊天框，而是未来桌面端的 AI 工作入口。
从界面上看，WorkBuddy 左侧没有把模型列表放在核心位置；那里摆着任务、Claw、专家、技能、探索、连接器、资料库、腾讯文档、自动化。中间区域直接给出日常办公任务入口，底部输入框旁边，则有工作模式、技能、工作空间。
这些细节说明，腾讯真正擅长的地方，是把一种技术能力放进真实办公流程里。
还记得今年早些时候，腾讯大楼下排队装“龙虾”的长队吗？这事儿一度还上了热搜。现在几个月过去，“养龙虾”已经明显没了热度，但腾讯在这个基础上做出了 WorkBuddy 这个桌面程序。
当初因为“AI 焦虑”去“养龙虾”的人，最后大部分可能就是拿它发一发晨报和周报，或者干脆弃用了。原因很简单，大部分普通人根本用不惯文本界面（TUI），也不知道如何把它整合到自己的工作流里。
不止于此，WorkBuddy 还不止是一个桌面软件，它还有一个叫 Claw 的远程任务入口，很容易看出来它脱胎于今年早些时候大火的 OpenClaw。按照官方文档，Claw 可以接入微信、企业微信、QQ、元宝派、钉钉、飞书等即时通讯软件；简单说，就是你在手机上发一条指令，电脑上的 WorkBuddy 执行任务，完成后再把结果回到手机上。
这意味着 WorkBuddy 的重心并不只在桌面软件本身，它更像是要把一台已经授权、已经连接文件和办公系统的本地机器，挂到微信这类日常入口后面。
过去我们说 AI 工具，大多还是“打开一个网页，输入一句话”。但 WorkBuddy 这类产品的想法更像是：桌面端负责执行，手机和即时通讯软件负责触发，连接器和技能负责把 AI 接到真实工作流里。
现在 WorkBuddy 相当于给这类本地智能体工作台加上了图形界面（GUI），把原本更偏技术玩家的东西，包装成普通用户能安装、能登录、能授权、能试用的办公入口。
它已经在把腾讯文档、腾讯会议、企业微信、QQ 邮箱、腾讯乐享、微云、金山文档、Notion、GitHub 等入口放进同一个工作台里。
普通人不会每天研究 API，不会自己搭 MCP，也不会为了写一份周报去折腾命令行，他真正需要的是一个能打开就用的入口：能读文件，能写文件，能接文档，能处理会议，能连邮箱，能做自动化，能把结果保存下来。
腾讯正好有这些基础设施（国内另一个有这些基础设施的是阿里，可惜阿里还在没头苍蝇一样只聚焦 coding agent，希望它快点推出一样的app来吧），所以即使它自己的模型不是最强，只要入口和生态做对了，它也可能更早进入普通人的真实工作。
普通人该面对的AI
还有一点，WorkBuddy把许多原本偏技术侧的能力，包装成普通人能理解的形态。比如 MCP，它本质上是一种让 AI 连接外部工具和数据源的协议，对普通用户来说很抽象；但 WorkBuddy 把它放进“连接器”和“自定义连接器”里，用户看到的不再是协议本身，而是一个很具体的问题：“我能不能连接腾讯文档、邮箱、知识库、会议系统？”
比如技能（也就是现在十分流行的Skill），它本质上是把一类任务的流程封装起来。普通用户不需要自己写复杂提示词，只要选择“文档处理”“数据分析”“PPT”“深度研究”“邮件编辑”这类能力。
比如专家，它本质上是角色、提示词和工作流的组合。用户不需要从零设计一个“营销专家”或“数据分析师”，直接选一个就可以开始。
这些东西看起来不如模型参数和能力榜单刺激，但对真实使用非常重要。AI 要进入普通人的工作，不能把前提设成“用户先学会一堆技术词”，更有效的方式，是把技术词藏在后面，把任务入口放在前面。
啥都别说了，先试试吧
我不想把 WorkBuddy 吹成一个已经完美的产品，它还在快速迭代，模型能力、稳定性、费用、连接器覆盖、任务执行质量，都需要继续观察。真正涉及重要文件、公司资料、客户信息、财务内容时，也一定要注意权限和安全边界。
但如果你已经不满足于“和 AI 聊聊天”，而是真的想让 AI 帮你处理资料、生成报告、整理文件、做周报、写会议纪要、管理知识库，那么我建议你试一下 WorkBuddy。
试的时候不要随便问一句“你能做什么”，你可以直接拿一个低风险、真实的小任务去试：让它整理一个测试文件夹，让它根据几份资料生成一份报告，让它帮你设计一个每周自动生成周报的任务。
看它能不能读取材料，能不能生成文件，能不能保存结果，能不能在一个工作区里持续推进，因为普通人真正需要的 AI，与其说是一个在聊天框里会说俏皮话的大聪明，不如说是一个能进入自己工作流的助理；它要有手脚，也要有记忆。
从这个角度看，WorkBuddy 的意义已经超过了一个新工具，它更像是 AI 应用形态的一次预演；未来我们使用 AI，也许不会每天打开十几个模型网站反复横跳，而会在一个工作台里，把文件、资料、会议、文档、自动化、连接器和个人记忆都接起来；到那时，AI 才真正从“会说话”变成“能做事”。
