腾讯做了一款 AI 编程工具,跟 Cursor 不太一样

事情是这样的。

最近 AI 编程工具多得有点让人眼花。Cursor、Copilot、Windsurf、Claude Code……每个都说自己最好，选起来还挺费劲的。

然后我发现腾讯云也出了一款，叫 WorkBuddy。

说实话，我对腾讯出编程工具的第一反应是好奇多过期待。但仔细看完它的设计，发现有些思路确实跟其他工具不太一样。不是又一个国产版 Cursor，而是走了另一条路线。

它不是补全插件，是全流程伴侣

WorkBuddy 有三种模式：Ask、Craft、Plan。

Ask 就是问答，不懂的直接问。Craft 是代码生成和修改，你要改什么它帮你改。Plan 是最有意思的一个。AI 先出一份任务清单，你确认没问题了，它再开始干活。

用过 AI 编程的人应该懂这个设计的价值。很多时候 AI 太积极了，你让它改 A，它顺手把 B 和 C 也动了，改完你还得一个个排查。Plan 模式等于加了道确认工序。先给你看方案，你觉得可以再执行。

三种模式对应不同场景：小修改用 Craft，复杂功能开发用 Plan，技术调研用 Ask。不是所有场景都需要 AI 全自动跑到底，分清楚反而效率更高。

WorkBuddy 的上下文引用有六种：@Files、@Code、@Docs、@Git、@Terminal、@Rules。

我觉得最实用的是 @Code 和 @Git。@Code 可以精确引用特定的函数或类，不用把整个文件丢给 AI。@Git 能引用未提交的变更，提交前用它做代码审查很方便。

六种引用类型解决的是一个实际问题：AI 看到的信息越多，噪音也越多。精准引用比大段粘贴更有效。这个道理说起来简单，但真正在工具层面做精细化的并不多。大部分 AI 编程工具主要靠 @File 级别的引用，要么给整个文件，要么什么也不给。

WorkBuddy 的 Rules（规则）和 Skills（技能）系统，是我觉得它和 Cursor 这类工具最大的区别。

规则分项目规则和用户规则两级。项目规则存在 .codebuddy/rules 下，受版本控制，团队成员都能共享。你可以把团队的编码规范、API 约定、项目架构说明都写成规则，检入代码库，新人一来自动生效。

Skills 是模块化的能力包。每个 Skill 包含一份 SKILL.md 和一个可选的资源文件夹。三级加载设计很克制：元数据始终在上下文里（约 100 词），主体按需加载（最多 5000 词），打包资源由 AI 自己决定要不要读。

这个加载策略是懂上下文管理的人设计的。AI 的上下文窗口再大也是有限的，把什么东西都塞进去不是好做法。按需加载比一股脑全给要聪明。

规则和技能加在一起，WorkBuddy 的定位就很清楚了：它不只是给个人开发者用的效率工具，更是给团队用的协作平台。规则负责系统级约束（必须做什么、不能做什么），技能负责能力扩展（能做哪些事），分工很清楚。

WorkBuddy 有个其他工具目前没有的功能：Figma 设计稿一键转代码。这对经常需要把设计稿落地的前端开发者来说挺实用。

和同类工具相比，WorkBuddy 的定位也很有意思。它不是去跟 Cursor 比谁补全快、跟 Claude Code 比谁 Agent 强，而是做了几个差异化的选择：

当然它也有不占优势的地方。国际市场认知度不如 Cursor 和 Copilot，插件生态刚起步。不过这些对国内团队来说影响不大。

选工具这件事，不是选最强的，是选最适合的。如果你是个人开发者、追求快速原型，Cursor 的 Tab 补全确实顺手。如果你需要做复杂 Agent 任务，Claude Code 的 Agent 模式很强。

但如果你在国内做团队开发，需要一套能共享规则、统一规范的方案，WorkBuddy 值得试一下。设计到代码直达、团队级规则管理、内置本土生态。这些恰好是它比其他工具多做了一点的地方。

往回看，AI 编程工具这两年发展得确实快。从 Copilot 的代码补全，到 Cursor 的 AI-first IDE，再到各种 Agent 模式。WorkBuddy 在这个赛道里选了一条不太一样的路。不追求单个功能的极致，而是把团队协作的整套体系做完整。

套用一句话：工具的价值不取决于它本身有多强，取决于它在你手里能用得多顺手。