夜雨聆风为什么要测评WorkBuddy
腾讯推出了 WorkBuddy，一个国产的AI智能体，目前完全免费，用的是混元大模型（当然也支持其他模型的接入）。最近腾讯对 WorkBuddy宣传力度比较大，所以想亲自试一下它的能力到底如何。这次用 WorkBuddy操作Rhino，看看它在专业软件联动场景下表现如何。
说明：Codex的教程还会继续更新，这篇只是多测一个工具。
关于能力差距
Codex和WorkBuddy在使用体验上会有差距，主要来自两方面：
1. 底层模型不同
Codex用的是ChatGPT5.5 WorkBuddy用的是混元hy3大模型 模型的推理能力、代码生成质量会直接影响使用体验
2. 产品成熟度不同
System Prompt的设计（怎么给模型下指令） 工具调用的流程 上下文管理、错误恢复等工程细节 Codex迭代时间更长，这些细节相对完善
这次测评不是比谁更好，而是看看WorkBuddy实际用起来怎么样，给准备用 WorkBuddy的结构工程师一个实际参考。
一、WorkBuddy基本情况
WorkBuddy是腾讯推出的AI智能体。WorkBuddy目前处于免费使用阶段，正好可以零成本试用。
核心特点：
- 国内直连：不需要代理，网络稳定
- 当前免费：零成本试用
- 支持多模态：可以识别图片，也支持MCP协议
- 混元大模型：hy3模型，腾讯自研
Rhino MCP是官方维护的，成熟度高，适合作为第一个测试对象。
2.1 安装配置体验
在Rhino中安装插件：
Rhino MCP 的安装步骤参考上一篇文章：结构工程师从零入门Codex (六)-Codex联动Rhino和Grasshopper
最简单的方法就是直接把配置复制给 WorkBuddy，它会自动帮你配置好。最后在Rhino中输入 MCPStart 启动MCP Server。
1 2 帮我配置Rhino的MCP。 [mcp_servers.rhino]type = "stdio"command = 'C:\Users\Administrator\AppData\Roaming\McNeel\Rhinoceros\packages\8.0\Rhino-MCP-Platform\0.1.5\router\win-x64\rhino-mcp-router.exe'args = ["--default-version", "8"] 
重启WorkBuddy，检查一下配置是否成功
2.2 基础任务：画个盒子
测评点 1：WorkBuddy 对简单几何指令的理解和执行能力
测试指令：
1 打开一个新的 Rhino 文档，给我创建一个盒子。 期望：
正确理解指令 调用正确的 Rhino MCP工具 Rhino中出现Box 回复说明操作步骤
实际表现：WorkBuddy 顺利完成了任务，整个过程很流畅，没有出现理解偏差或多轮对话。
2.3 进阶任务：根据图片建模
测评点 2：混元的视觉理解能力在建模场景下的表现，和 ChatGPT 的差距有多大？
这是测试hy3多模态能力的关键。
测试指令：
1 在Rhino中创建这个图片中的模型 
评测维度：
能否识别图片中的几何元素 创建的几何体是否符合图片 能否处理复杂空间关系
实际表现：从生成的模型对比来看：
WorkBuddy（混元hy3）：
✅ 识别出了水壶的基本轮廓 ✅ 能理解“壶身+壶嘴+把手”的基本结构 ⚠️ 细节还原度一般，形体相对简化 ⚠️ 曲面处理比较粗糙
Codex（ChatGPT5.5）：
✅ 识别精度更高，捕捉到了更多细节 ✅ 壶身的曲线更流畅自然 ✅ 壶嘴和把手的比例更准确 ✅ 对材质的识别更准确（能看出金属质感） ✅ 整体造型更接近原图
差距分析：
直观来看，Codex生成的模型确实更好一些。这主要反映了两个模型在视觉理解能力上的差距：不过对于简单的几何体或结构工程的基础建模来说，两者差距不大。混元hy3在这些场景下够用。
2.4 构建Grasshopper参数化电池
测评点 3：WorkBuddy 能否理解参数化建模逻辑，生成可用的 Grasshopper 定义？
这是测试 WorkBuddy 对参数化设计理解能力的关键。Grasshopper是结构工程师做参数化建模的核心工具。
测试指令：
1 利用 RhinoMCP，在 Grasshopper 中生成一个电池组，用于生成一个圆球，参数可以调整。 期望：
正确理解参数化电池组的概念 在 Grasshopper 中创建相应的运算器（Component） 球体的参数（如半径、细分数）可以通过滑块或数值框调整 生成的电池组逻辑清晰，便于后续修改
实际表现：WorkBuddy成功生成了Grasshopper电池组，效果可以用。不过整体耗时稍长一些。
三、测评结果
3.1 测评对比
结论： WorkBuddy在安装配置上更友好，但Codex整体执行能力更强。
3.2 实际使用建议
WorkBuddy和Codex的使用方式其实差不多，都是通过MCP连接专业软件。区别主要在底层模型能力和产品成熟度上。
建议：
入门阶段可以用WorkBuddy，零成本上手这类 AI 助手的使用方式 遇到更复杂的任务时，可以切换到 Codex 根据自己的预算、网络环境、任务复杂度灵活选择
说明：这次测试的案例相对比较简单，并不能完全体现两者的差异。感兴趣的朋友可以自己测试更复杂的场景。
这只是目前的对比。 混元hy3还在持续迭代，期待后续版本。
四、总结
WorkBuddy目前的表现比我预想的要好。虽然和Codex在复杂任务上还有差距，但基础功能够用，而且免费。对于刚接触这类AI助手的结构工程师来说，WorkBuddy是个不错的入门选择。
声明：本文未经许可，不得转载。
