Agent办公软件进化史:从养虾到Workbuddy的跨越

2026年春天，如果你是一个科技圈的观察者，会同时看到两件“不太相关”的事情。

一件发生在大洋彼岸——AI编程工具Cursor的年化收入突破4亿美元，估值冲到293亿美元，Forbes直接给了个标题：“史上最快达到10亿美元ARR的B2B软件公司”。

另一件发生在中国——腾讯的桌面Agent工具WorkBuddy悄然开启内测，定位于“全场景职场AI工作台”。仅仅4个月后，易观分析的榜单显示，2026年6月WorkBuddy以2097万次访问量位居中国桌面端AI原生办公智能体榜首，超过第二、第三名之和。

表面上，这是两个完全不同的故事——一个是硅谷极客的胜利，一个是中国互联网公司的产品突围。但如果把镜头拉远，你会发现这两件事其实属于同一条主线：办公软件正在被Agent重新定义。

从2021年GitHub Copilot的“按Tab键补全代码”，到2024年Claude Code的“AI自己写代码”，再到2026年WorkBuddy的“一句话描述需求，AI替你干活”——办公软件的进化史，本质上是大模型从“嘴炮”走向“动手”的历史。

这条进化史里，藏着三个中国互联网公司必须看懂的关键拐点：Harness、Agent Computer、Intent Operating System。

一、按Tab键的魔力——大模型的“副产品”

故事要从2021年6月29日讲起。

那天，GitHub和OpenAI联合发布了一款叫Copilot的工具，本质上是把GPT-3衍生出的Codex模型“塞”进了代码编辑器。程序员写一行注释，AI自动补全整段函数；按Tab键，几十行代码凭空出现。

当时的程序员社区是怎么反应的？很多人在Twitter上贴出“AI帮我写代码”的截图，配文是“卧槽”。GitHub Copilot技术预览版上线不到一年，注册用户突破130万。

但如果你冷静下来想，Copilot其实只是大模型的“副产品”。

（ps：这里说的“副产品”不是贬义，而是说它不是AI的核心目标——AI的核心目标是通用智能，代码能力只是顺手的事。）

为什么？因为代码本身就是一种形式化语言。它有明确的语法、确定的语义、可验证的执行结果。大模型擅长处理语言，所以它“顺便”也擅长处理代码。这是技术上的必然，不是营销上的奇迹。

但Copilot点燃了一场革命的火种——程序员开始思考一个问题：如果AI能补全代码，那它能不能直接写代码？

Cursor看到了这个机会。

这家2023年成立的小公司，把“AI补全代码”升级成了“AI和程序员一起写代码”。它不再只是按Tab键的助手，而是一个能理解整个项目、能拆解任务、能调用工具、能验证结果的协作伙伴。

2026年6月，Forbes报道Cursor的年化收入达到4亿美元，估值293亿美元。 这个数字意味着什么？意味着它比GitHub Copilot更快达到了独角兽的体量，而且——这是历史上最快达到10亿美元ARR的B2B软件公司之一。

（ps：Cursor的创始人Aman Sanger说过一句话：“我们不是在做更好的IDE，我们是在重新定义什么叫‘编程’”。这种野心感，是后面所有进化的起点。）

但Copilot和Cursor只是这场革命的第一章。它们解决了“AI能不能帮程序员写代码”的问题，但没解决“AI能不能独立完成工作”的问题。

要把AI从“副驾驶”升级成“主驾驶”，需要一个新的东西出场——这个就是下一节的主角：Harness。

二、Harness的诞生——大模型需要一间“办公室”

2024年3月，一家叫Cognition Labs的公司扔出了一颗深水炸弹——Devin，号称“全球首个AI软件工程师”。

Devin不是Copilot那种“补全几行代码”的助手。它能独立完成一个完整的软件项目：从读需求文档，到设计架构，到写代码，到调试，到部署上线。给它一个GitHub issue，它能像人类工程师一样工作。

Devin的横空出世，让整个科技圈意识到：大模型不是不能干活，是缺一个让它干活的‘办公室’。

这个“办公室”，在技术圈有个专门的名字——Harness。

Harness是什么？直译是“马具”，引申义是“控制环境”。它是大模型之外的一整套基础设施——工具调用、文件操作、终端执行、错误重试、多步规划、长记忆管理。说人话：Harness就是给大模型装上的“手和脚”，没有它，再聪明的AI也只能对着屏幕发呆。

你让它“打开Excel→选中A列→计算平均值→生成图表”，它做不到——不是因为它不会，而是因为它没有“手和脚”。

2025年，Anthropic发表了一篇工程文章《Harness design for long-running application development》，把这门“手艺”系统化了。

文章里提到了一个三Agent架构： - Planner（规划者）：把用户的一句话提示扩展成完整的产品规格说明； - Generator（生成者）：以冲刺方式逐个实现功能，每个冲刺结束自评； - Evaluator（评估者）：使用Playwright MCP像真实用户一样点击测试应用，从设计质量、原创性、工艺、功能性四个维度评分。

Anthropic给出的对比数据非常震撼——同样是用Claude Opus 4.5构建一个浏览器内的数字音频工作站（DAW）： - 单独Agent跑：20分钟，9美元，但功能根本跑不通； - 完整Harness跑：3小时50分钟，124.70美元，但能做出可用的应用。

成本翻了13倍，质量提升了20倍以上。

（ps：这里有个反直觉的发现——Harness的设计哲学不是“加东西”，而是“减东西”。文章里说：“Every component in a harness encodes an assumption about what the model can't do on its own, and those assumptions are worth stress testing.” 每一个Harness组件都编码了一个“模型做不到”的假设，但这些假设需要不断被验证——因为模型在快速进化。）

Harness的出现，让两件事成为可能：

第一，编程Agent开始工业化。Claude Code（CLI工具）、Cursor Composer（全栈开发模式）、Devin（独立工程师）——它们本质上都是“大模型+Harness”的组合，只是包装不同。

第二，Harness本身成为了一种产品。Anthropic把Claude Code SDK更名Claude Agent SDK——背后的逻辑是：编码产品的工具系统、Agent Loop和上下文管理机制，可以被迁移到研究、内容处理、个人助理等非编程任务中。

这意味着Harness不只是程序员的工具，它可以是任何人的工具。

但要把Harness从“极客玩具”变成“大众产品”，还需要一个关键的产品形态——这个形态，就是下一节的主角：OpenClaw。

三、OpenClaw——把Agent从极客玩具变成大众产品

如果你是2026年的科技圈观察者，“养虾”这个词你一定听过。

这里的“虾”不是小龙虾，是OpenClaw——一款从GitHub上长出来的开源AI Agent。它上线不到半年，GitHub星标突破10万。全国2000多家联想门店推出“到店免费装虾”服务，京东上软通动力的“龙虾盒子”预售一小时破万。

但养虾的真正意义，不在于硬件，而在于OpenClaw把代码Agent的所有范式搬到了普通人的桌面。

（ps：这也是为什么我把这篇文章的副标题定为“从养虾到WorkBuddy”——OpenClaw是大众Agent化的起点，WorkBuddy是大众Agent化的爆发。）

OpenClaw到底做了什么？

它让“非程序员”也能拥有一只属于自己的AI助手。

具体来说是四件事——

本地任务处理。OpenClaw可以在你的电脑上执行文件整理、数据处理、文档生成等任务，不需要把数据传到云端。这对个人用户至关重要——谁愿意把自己的隐私文件传到别人的服务器？

Skills系统。OpenClaw使用兼容AgentSkills标准（agentskills.io）的Skills文件夹，每个Skill是一个包含SKILL.md的目录。 说人话：Skills就是给Agent装的“技能包”，比如“整理文件”是一个Skill，“翻译文档”是另一个Skill。你可以自己写Skill，也可以下载别人写好的Skill来用。

IM通知与对话。OpenClaw可以通过微信、Telegram、钉钉等即时通讯软件与用户对话。你不需要打开一个专门的App，在微信里就能让它干活。

Agent Runtime。智能体运行时支持长任务持续运行，本地执行。

这四件事加在一起，意味着什么？

意味着Agent不再只是程序员的特权，而是每个人的数字员工。

（ps：回想一下，Copilot时代，谁能用Agent？只有程序员。Claude Code时代，谁能用Agent？只有懂技术的极客。OpenClaw时代，谁能用Agent？只要会用微信的普通人。）

但OpenClaw有一个问题：太Geek了。

开源、本地部署、Skill自己写——这套玩法对程序员是福音，对普通用户是灾难。绝大多数人连“装虾”都不会。

要把Agent真正推向大众市场，需要一个中国互联网公司的产品经理来操刀。

这个操刀者，就是腾讯的WorkBuddy。

四、WorkBuddy——中国产品经理的“绝地反击”

2026年2月6日，腾讯云代码助手CodeBuddy官方账号悄悄宣布了一个消息：桌面Agent工具WorkBuddy启动内测，定位“全场景职场AI工作台”。

2026年6月，易观分析的榜单显示，WorkBuddy以2097万次访问量位居中国桌面端AI原生办公智能体榜首，超过第二、第三名之和。

短短4个月，从内测到冠军。WorkBuddy做对了什么？

直接看定价对比：

对比一下Cursor：Pro版20美元/月（折合人民币约140元），Business版40美元/月（约280元）。WorkBuddy的体验版直接免费，标准版比Cursor便宜一半。

（ps：这价格差不是偶然的，这是中美互联网公司截然不同的产品哲学——美国人擅长发明工具然后收高价，中国人擅长把工具变成水电气然后免费。微信就是这么打赢的。）

但WorkBuddy真正的杀手锏，不是便宜，而是三个中国互联网公司的看家本领：

第一，本地优先。

中国用户对云端SaaS天然不信任——这背后有QQ盗号风波、网盘关闭潮、文档泄露事件等一连串惨痛教训。

WorkBuddy从诞生第一天起就把“本地文件操作”作为核心能力。在WorkBuddy的官方介绍里，自然语言理解、自主规划执行、多模态任务处理、本地文件操作——四项能力并列，且本地文件操作是其中最重的一项。

这和Cursor形成鲜明对比——Cursor主要跑在云端，你的工作内容、代码隐私、企业机密都要上传到Anysphere的服务器。

对中小企业主来说，WorkBuddy的本地优先不是技术选择，是信任选择。

第二，连接一切。

中国办公生态是“碎片化”的——微信、QQ邮箱、腾讯文档、腾讯会议、腾讯网盘、企业微信、WPS、百度网盘、钉钉、飞书——没有一个App能垄断用户的工作流。

WorkBuddy的解法是做“连接器”：通过MCP Server和Skills技能包，WorkBuddy可以调度腾讯文档、腾讯乐享、QQ邮箱、腾讯会议、ima笔记、微信、企业微信等所有腾讯系产品。

腾讯云开发者社区的一篇文章说得很到位：腾讯没有简单地用一个AI入口取代所有应用，而是在尝试建立一层共享的Agent执行能力，让原本相互独立的产品，逐渐成为Agent可以理解、调用和组合的组件。

这是典型的中国互联网产品哲学——不抢入口，做连接器。

第三，产品经理的实力。

WorkBuddy的诞生过程本身就说明了问题。

据腾讯云相关负责人介绍，WorkBuddy最初的内测版本，是一名产品经理借助CodeBuddy和智能体SDK，用一个周末搭建出来的。

这件事的意义不只是开发速度——它说明腾讯的产品经理团队已经掌握了Agent生产方法论。

从CodeBuddy到WorkBuddy，再到DataBuddy（数据分析）、LearnBuddy（教育）、Miora（创意设计），腾讯逐渐形成了一套生产垂直Agent的公式：

垂直Agent = 通用Harness + 专业Skills + 行业知识 + 业务系统 + 交付界面

Harness负责理解任务并组织执行，Skills提供专业流程与判断规则，业务系统让Agent真正采取行动，交付界面让用户审核和接收结果。

这套公式的价值在于：复制的单位从一项具体功能，变成了整套岗位能力。

（ps：对比一下硅谷的玩法——Cursor只做编程Agent，Devin只做软件工程师Agent。一个公司只做一个细分场景。这种“专精”打法在编程领域有效，但在办公领域就会水土不服——因为中国用户的办公需求是“全场景”的，没有一个细分场景能独立撑起市场。腾讯的“Buddy家族”打法，本质是用产品矩阵覆盖全场景。）

2026年6月，腾讯总裁刘炽平在第一季度财报电话会上对Agent有一个非常清醒的判断：

“Agent可能进一步强化分化。不同公司和应用可以拥有自己的Agent，Agent再根据具体任务选择模型、读取文件、调用工具并连接业务系统。”

这句话透露的信息是：腾讯不是在赌某一种Agent形态，而是在赌“Agent的生产体系”。

字节跳动把Agent能力集中到豆包、飞书等高频入口迭代；阿里整合多款办公Agent到千问办公；腾讯则是“底座能力集中化、场景应用去中心化”。

（ps：有人会问，腾讯这不就是“赛马机制”吗？从表面看，确实像——WorkBuddy、CodeBuddy、QClaw、Marvis同时在跑。但深层逻辑不一样：这些产品共享同一个底层Harness，互相之间可以复用能力。这是“分布式工厂”，不是“重复造轮子”。）

到这里，我们已经看到了Agent办公软件在中国市场的崛起。但这还不是终局——这只是序章。

真正的终局，是下一节要讲的硬件、系统、通信的三重重构。

五、Agent化的三个方向——硬件、系统、通信

如果你以为Agent只是“软件”，那你就低估了这场革命的烈度。

2026年，AMD在官方博客里正式定义了一个新品类——Agent Computer（AC）。他们的产品页上写着：“Agent Computer是为你工作的机器。PC是你使用的机器。”

这是什么意思？意思是人类历史上第一次，要为AI而不是为人设计一台电脑。

我把它展开成三个方向——

方向一：硬件Agent化——给AI造一台专属电脑

先说一个反直觉的判断：Agent Computer不会让电脑变小，反而会让它变大、变贵。

为什么？因为Agent需要“永续在线”。你每天用电脑8-12小时，但Agent需要24小时在线——它要持续积累你的偏好、习惯、判断，慢慢长成你的“数字分身”。一台为Agent设计的电脑必须永远不关机。

AMD在博客里点出了这四个核心变化：

• 算力中心从CPU+GPU转向NPU。Agent的任务是跑大模型推理、多轮对话、工具调用——这些都是矩阵乘法，是NPU擅长的并行计算。

• 运行模式从“间歇式”变成“永续式”。

• 交互界面从GUI变成“隐形式”。Agent不需要屏幕，所以你可以通过手机上的微信、Telegram、钉钉和它对话。

• 数据逻辑从“存储”变成“上下文”。传统电脑存的是“数据”，Agent主机存的是“Context”——你的决策依据、偏好记录、技能库。

联想率先跟进，推出了联想YOGA AI Mini（搭载DingOS系统，0.65L超薄设计）、联想AI主机MINI（搭载国产此芯P1处理器，45TOPS算力）、联想AI主机P7（后摩智能，190TOPS算力，6999元）。

2026年7月的WAIC上，AMD、联想、商汤、创盈芯等公司更是集体亮相——AI WorkMate（带摄像头、语音交互和投影的Agent桌面设备）、商汤“虾盒”等新品类层出不穷。

（ps：如果你还是没理解Agent Computer的意义，可以这样想——过去30年，电脑的发展规律是“越来越小、越来越便宜”。但Agent Computer会反过来——它会“越来越大、越来越贵”，因为它要承载越来越多的AI负载。这是一场新的“军备竞赛”。）

方向二：系统Agent化——从GUI到Intent OS

硬件Agent化的同时，操作系统也在Agent化。

2026年6月，华为开发者大会HDC 2026上，HarmonyOS 7正式开启开发者Beta测试，Agentic架构引领操作系统新赛道。

小艺从“语音助手”升级为“系统智慧大脑”——核心理念从GUI（图形界面）转向Intent OS（意图操作系统）。

什么叫Intent OS？

过去的操作系统是“应用启动器”——你要找某个功能，得找到对应的App，再点开。Intent OS是“意图理解器”——你只需要说“我想打车去机场”，系统自动调度地图、出行、支付等多个能力完成。

华为开发者联盟的描述是：意图即服务。

（ps：听起来是不是有点像WorkBuddy？没错——WorkBuddy是PC上的Intent OS，小艺是手机上的Intent OS。殊途同归，Agent时代的产品形态最终都会收敛到“意图即执行”这个范式。）

方向三：通信Agent化——微信变成Agent的器官

最容易被忽视、但最深远的Agent化方向——通信Agent化。

为什么是通信？因为通信是人类最自然的交互方式。你已经习惯和微信好友“对话”，习惯和Siri“对话”，习惯和小爱同学“对话”。

如果Agent也“住”在微信里呢？

这正是OpenClaw和WorkBuddy都在做的事情——把Agent的入口放在IM里。你不需要打开一个专门的App，在微信里就能让它干活。

腾讯云开发者社区的文章里有一个细节：腾讯会议、腾讯网盘和腾讯乐享都开始进入同一条任务链——会议产生讨论内容和任务信息，WorkBuddy负责后续执行，文档承载协作成果，网盘保存内容资产，乐享再将其沉淀为组织知识。

这意味着什么？意味着Agent时代，微信可能不再只是一个聊天工具，而是一个操作系统。

（ps：这是微信的二次进化——微信1.0是“短信的互联网化”，微信2.0是“生活服务平台”，微信3.0可能是“Agent的工作台”。当年张小龙说“微信是一个生活方式”，现在看来这个判断的前瞻性超出所有人想象。）

把这三个方向叠加在一起看，你会发现办公软件正在被三个层面同时重构——硬件层（Agent Computer）、系统层（Intent OS）、通信层（IM化）。而这三层重构的交汇点，就是未来Agent真正的入口。

六、太阳底下没有新鲜事

把镜头拉远，你会发现这场Agent革命有一个惊人的历史镜像。

1981年，IBM推出第一台PC。那个时代，计算机是机构的专属——大学、研究所、大公司的数据中心。PC把一个房间大小的计算能力塞进了办公桌。从此，“一人一机”成了标配。

2007年，乔布斯掏出iPhone。计算设备从“办公桌上的工具”变成了“口袋里的器官”。“在线”取代“离线”成为默认状态，APP经济重塑了整个商业世界。

2026年，AMD和腾讯同时按下了一个新按钮：Agent Computer和WorkBuddy。计算设备从“服务人”升级为“服务Agent”，“对话”取代“操作”成为默认交互方式。

但仔细看这三段历史，你会发现一个隐藏的脉络：

1981年的PC革命，本质是“个人获得计算能力”——之前是机构特权，之后是个人标配； 2007年的iPhone革命，本质是“个人获得连接能力”——之前要坐在桌前才能上网，之后是24小时在线； 2026年的Agent革命，本质是“个人获得执行能力”——之前要自己动手，之后是AI替你动手。

这三次革命的方向是一致的：把过去只有专家才有的能力，平民化到每一个人。

1930年，经济学家凯恩斯在《我们孙辈的经济可能性》中预言：100年后，技术进步将让人类每周只需工作15小时。他的推理逻辑是：机器替人干活，人负责更高层次的创造。

快100年过去了，凯恩斯对了一半，错了一半。机器确实替人干了越来越多的活，但人类的焦虑一点没少——因为我们自己还要去操作那些机器。

但Agent的出现，让凯恩斯的预言有了一个全新的版本：不是机器替人干活，而是AI替人操作机器干活。 人类退到“意图层”，把“执行层”整个外包给Agent。

（ps：这就是为什么我说Agent时代是“工具的器官化”——Word不再是一个软件，而是Agent的文字器官；Excel不再是一个软件，而是Agent的数据器官；PPT不再是一个软件，而是Agent的表达器官。每一款办公软件都会变成Agent的一个器官，最终整个“软件”品类会被“Agent生态”取代。）

七、你的下一个员工，不用买工位

回到开头的问题：办公软件正在被谁重新定义？

答案既简单又深邃：正在被Agent重新定义。

这条进化史的主线非常清晰：

• Copilot时代：AI补全代码，程序员顺便被赋能；

• Cursor时代：AI协作写代码，工程师的效率被重塑；

• Devin时代：AI独立写代码，程序员的工作被颠覆；

• OpenClaw时代：AI执行本地任务，技术门槛被打破；

• WorkBuddy时代：AI调度办公工具，办公方式被重构；

• Agent Computer时代：AI有了专属硬件，硬件品类被重新划分；

• HarmonyOS 7时代：AI融入操作系统，操作系统范式被颠覆。

这是一个层层递进的过程——从“AI赋能人”到“AI独立干活”再到“AI嵌入物理世界”。

而在这个过程中，中国互联网公司第一次站在了与硅谷同一条起跑线的赛道上。

我们看到的事实是：

• 在“AI补全代码”环节，GitHub Copilot领先，Cursor反超；

• 在“AI独立写代码”环节，Devin、Claude Code、Cursor Composer三足鼎立；

• 在“AI本地任务处理”环节，OpenClaw领跑开源社区；

• 在“AI全场景办公”环节，WorkBuddy领跑中国市场；

• 在“AI硬件化”环节，AMD、联想、华为同时发力；

• 在“AI系统化”环节，华为HarmonyOS 7走在前面。

这是一场所有玩家都还在赛跑的比赛。但毫无疑问，这是一场中国不能输的比赛。

因为Agent时代的“操作系统之战”，决定了未来30年谁掌握数字世界的基础设施。Android和iOS的故事我们都知道——第一代操作系统的赢家，拿走了移动互联网时代70%以上的利润。

Agent时代的故事会更复杂：操作系统不再是一个App Store，而是一个Agent Network。谁能先把Agent Network铺起来，谁就能拿到下一个时代的船票。

WorkBuddy已经拿到了其中一张。

我想到一个《庄子》的典故。

“泉涸，鱼相与处于陆，相呴以湿，相濡以沫，不如相忘于江湖。”

在PC时代，人和软件“相濡以沫”——你学Word，我教你写文档；你学Excel，我教你做表格。互相依赖，互相拖累。

在Agent时代，人和软件“相忘于江湖”——你只管说一句话，WorkBuddy替你在文档、表格、PPT之间穿梭。你忘了软件的存在，软件也忘了你的存在。人和Agent在各自的轨道上运行，再也不需要在同一个屏幕上抢地盘。

《Agent办公软件进化史》讲到这，故事其实才刚刚开始。

下一代Agent会是什么样子？我不知道。但我知道一件事——你今天用的Office，5年后可能就不叫Office了。

它会叫什么？它会住在哪？它会变成什么样？

答案不在硅谷，不在北京中关村，也不在深圳华强北。答案在每一个正在使用Agent的人手里。

你的下一个员工，不用买工位。你的下一台电脑，可能不属于你。你的下一个软件，可能不再叫软件。