共计 1307 个字符，预计需要花费 4 分钟才能阅读完成。
腾讯是在“赛马”, 还是在打造“Agent 工厂”?
腾讯的 AI 办公故事,正在从“谁是入口”转向“怎样批量生产 Agent”。 近期桌面端 AI 原生办公智能体访问数据中,WorkBuddy 以 2097 万次访问量居前,CodeBuddy、QClaw、Marvis 等腾讯产品也进入前列, 分别覆盖研发、本地电脑任务和系统级交互等场景。这不像简单复制同类产品, 更像是在不同任务链上验证智能体能力。
📌 从 CodeBuddy 起步,Buddy 产品线逐渐成形
腾讯较早把编程场景作为 Agent 试验场。CodeBuddy 最初以 AI 代码助手形态出现, 主要承担补全代码、技术问答和错误诊断。随着 MCP、CLI、Skills、Agent SDK 等能力接入, 它开始能够读取项目、拆解任务、调用工具并验证结果, 角色也从“辅助写代码”转向“参与完成研发任务”。
前后变化在于,CodeBuddy 沉淀下来的不只是代码生成能力, 而是一套可复用的执行框架。WorkBuddy 在 2025 年第四季度启动、2026 年 3 月发布, 材料显示其早期内测版本借助 CodeBuddy 和智能体 SDK 快速搭建。这让编程 Agent 的能力首次明显迁移到办公场景。
🔍 通用框架加专业技能, 复制垂直 Agent
从 CodeBuddy 到 WorkBuddy, 再到 DataBuddy、LearnBuddy, 腾讯正在形成一套相对清晰的生产方法: 用通用 Harness 负责理解任务和组织执行, 再叠加专业 Skills、行业知识、业务系统与交付界面。
- DataBuddy面向数据分析、数据治理和数仓工程等场景;
- LearnBuddy进入教学、学习与科研方向;
- Miora则把相近底层架构延伸到图像、视频、3D 和 UI 设计等创意任务。
这意味着腾讯复制的单位不再是某个功能按钮, 而是围绕岗位任务组织起来的一整套能力。
💡 腾讯云与办公应用, 构成 Agent 工厂底座
单靠产品线还不足以支撑“工厂”。材料显示,WorkBuddy 中经过验证的任务编排、记忆和执行能力, 正在通过 Managed Agents 等方式进入腾讯云, 并与算力、沙箱、安全和治理能力结合。换言之, 云先支撑产品, 产品再把成熟能力反哺云端。
与此同时,腾讯文档、腾讯会议、腾讯网盘、腾讯乐享等办公产品也被重新组织。会议生成讨论和任务线索,WorkBuddy 负责后续执行, 文档承载协作成果, 网盘保存资产, 乐享沉淀组织知识。过去相对独立的软件, 开始围绕“任务如何完成”重新分工。
📊 行业竞争转向生产体系
字节更倾向于把 Agent 能力聚合到豆包、飞书等高频入口中迭代; 阿里则通过整合办公 Agent, 收敛产品和组织边界。腾讯的路径有所不同, 它没有把所有能力压进单一入口, 而是让多个场景并行验证, 再用底层框架和云能力降低下一款 Agent 的生产成本。
Agent 竞争的关键, 正在从推出单个爆款, 转向能否持续、低成本地把模型和工具组合成可用产品。
目前, 腾讯这套“产品线 + 云底座 + 应用网络”的组合仍需接受市场和企业客户检验。可以明确的是,AI 办公之争已经不只是入口之争, 腾讯正在把 Agent 当作一套可复用的生产体系来建设。
