关于AI Agent格式文档撰写能力的测评

格式文档，或称“公文”，是日常办公室工作中经常用到的信息载体。不论是常态化的周报、月报，还是与工作事项绑定的方案、通知、报告，凡有明确体例、格式要求文档，都可纳入此列。格式文档的撰写往往不会耗费多少脑力，更不需要多少创造力，但却占据了许多的工时，用来收集信息、汇总成文、调整格式、精细修改。

今年以来，随着年初Openclaw的爆火，主流AI厂商分别开始启动AI Agent产品线。此类产品旨在尽可能降低部署和使用难度，同时将功能从“辅助编程”拓展到对日常工作的全面支持。而格式文档的撰写，是大多数办公室工作者在运用AI Agent时较为看重的一项能力。因此，我们来挑选字节跳动的TRAE WORK、腾讯的Work Buddy以及Google的Antigravity 2.0等几款主流的AI Agent产品，对格式文档撰写能力做一次（不完全）的测评。

任务描述

我们设计了一项简单的工作任务：编制标准化的教学设计。我们会为AI提供一份教学设计的标准格式模板，一份人工编写的教学设计样例，以及一份格式不规范的教学大纲；我们会希望AI Agent能够参考教学设计样例的行文风格，修改、补充那份格式不规范的教学大纲，并将其写入到标准格式模板中。

这项任务的挑战性在于，教学设计是一份内嵌了复杂表格的文档，且对正文的表述方式有着精细的要求，AI Agent不仅要读出文档格式，原封不动的生成一份规范的文件，还需要遵照对表述方式的要求来改编、补充待处理的材料，看起来还不能像是AI生成的作品，而是像人工编撰的文档。

那么接下来我们首先对两款国产的AI Agent做个测评。

TRAE WORK （From 字节跳动）

TRAE Work所使用的基础模型是字节跳动研发的Doubao Seed系列模型，其综合智能水平尚可，且针对Agent应用场景做了充分优化，能够提供可接受的能力表现。TRAE Work同时也支持第三方模型接入，甚至可以通过API接入GPT等境外模型，但兼容效果一般，显著低于Codex等原生Agent工具，因此日常应用中仍然会以Doubao Seed为主。

首先我们先让TRAE读取教学设计的模板。

好，它看起来信心满满，接下来我们让它把一份不规范的教学大纲修改为规范格式。

依旧充满自信，那么我们来看看它生成的产品如何...

表一的格式有些问题，不过内容还行，接下来我们来看看表二...

嗯，令人昏厥的格式，显然它没有遵照模板格式来生成文档，接下来我们再试一次。

它说它修改好了，并且列出了一系列的修改记录，我们来检查一下作业...

还是不太行... 后续我又提出了更明确的格式要求，包括列宽、行高、合并单元格的要求等等，在大约两轮反复之后，TRAE完成了输出了合格的作品。不过，考虑到TRAE收费后，高达1元/次的免排队对话费用，这样的尝试次数恐怕是无法接受的。所以，我们来试试看另一个国产AI Agent，也就是腾讯的Work Buddy。

Work Buddy（From 腾讯）

Work Buddy其实早在2026年初就已发布，但是受限于腾讯自研大模型羸弱的能力，以及腾讯混乱的AI产品线，始终未能受到关注。直到最近，腾讯为其引入了GLM5等高性能国产模型，优化了交互体验，并组织大规模推广和免费公测之后，才终于获得一定的使用量。

我们沿用之前的任务要求交给Work Buddy来处理，模型采用的是国内性能最强的GLM 5.2。

同样的信心满满，接下来让完成课程大纲的格式修正。

几乎是一次性完成了任务，仅有少量的格式问题，例如【讲授法】等由中括号括起来的字样应该删去，以及“讲授：”等教学方法关键字应该加粗，但这些问题只需要一轮修改就能够改好。

不过这并不意味着Work Buddy和GLM 5.2的组合已经臻于完美，实际上在后续的测试中，我发现它们一次性完成上述任务的概率大约是2/3；而且其算力费用消耗也相当可观，这一项简单任务一般会耗掉200左右的算力积分，而腾讯给订阅用户提供的月度积分仅有2000分，耗尽之后将需要以每1000分38元的价格购买，因此这样的工作会变得非常昂贵。所以最后我们来召唤出Antigravity 2.0，看看这个依托顶级模型的AI Agent表现如何。

Antigravity 2.0（From Google）

在今年5月的Google I/O大会上，Google发布了其AI Agent产品Antigravity 2.0，并将其纳入到Google AI Pro订阅套餐中，仍保持20美元/月的订阅费。这使得Google AI Pro成为了AI御三家（Anthropic、OpenAI、Google）中性价比最高的订阅套餐。

Antigravity能够提供的功能与TRAE和Work Buddy并无本质区别（名字也一样难读），但它的内建模型是Gemini 3.5 Flash这一性能强大且效率超高的模型，这使得其任务一次成功率、响应效率均可达到理想水平，同时算力成本还不太高。

在实际的测试中，Antigravity 2.0基本上可以在9/10的概率下一次性完成上述任务，且仅消耗周算力限额的1%左右。事实上，除了需要编程的复杂任务之外，你很难“啃”得动Antigravity提供的算力额度。因此，即便其订阅费用折算下来约为130人民币/月，在中等强度使用下，其综合成本反而相当低廉。

总结

综上，可以发现，Antigravity 2.0即便仍然不是世界上能力最强的AI Agent（其综合性能弱于Codex），但在类似于“格式文档生成”这样的日常任务中，仍能做到上佳表现，且令人意外的是，从长期使用的角度看，其性价比非常突出。

而两位国产选手中，TRAE Work仍然更加适用于编程类的任务，在日常办公支持方面，字节旗下的另一选手——飞书——实际上能够提供更为全面的支持，并且能够更顺畅、更简便的在工作流中纳入AI的能力。而Work Buddy，在启用GLM 5.2这样的高性能模型时，表现接近理想水平。但是，不论是TRAE Work还是Work Buddy，在长期使用时，其使用成本都高到了离谱的程度，或许这也是国内AI厂商总算力资源不足的一个表现吧。