2025年底，一款叫 OpenClaw 的开源 AI Agent 工具横空出世。因为 Logo 像只龙虾，因此国内都叫他小龙虾。之前所有的 AI 产品，本质上都是问答机器——你问，它答，然后你自己去执行。OpenClaw 打破了这个边界，它可以直接调用工具、操作浏览器、读写文件、发送消息、定时自动运行……它不只是给你建议，而是帮你把事情做完。

OpenClaw 爆火的逻辑其实很简单：它触达了AI商业化最后的一公里——执行力。

这个认知在 2026 年初炸开了，大量开发者和普通用户都开始研究 OpenClaw，从而掀起一阵养虾热，恨不得人人都养一只小龙虾，架设自己的 OpenClaw 实例、配置技能、让它自动跑任务。一些人开始在闲鱼、B站上卖OpenClaw 安装配置服务」，因为技术门槛太高，普通用户装不上。这本身就说明了问题：需求是真实的，但产品的可及性极差，用户上手难度很高。

通过这种现象，国内厂家们也嗅到了一层商机，从推出小龙虾一体机到各种小龙虾的变体产品出现，都是为了解决普通人养虾难的问题，但都一直都没有解决好用的问题。

01 WorkBuddy 是什么？

2026年3月9日，腾讯云 CodeBuddy 团队推出了 WorkBuddy。如果说OpenClaw是给技术人的「可编程数字工作台」，那么WorkBuddy的定位就是普通人也可以使用的「开箱即用智能同事」，他的本土化改造，开箱即用，普通人也可以很轻松的驾驭，真正解决了执行类的AI产品安装门槛高，使用难的问题。

为了符合智能同事的定位，系统本身内置了上百个专家agent，并且这些agent可以互相协作，更好的按照你的任务去分配合适的agent去执行，保证任务执行的质量。并且内置20多种skills，并且和openclaw的skills进行兼容，可以轻松从openclaw过渡到WorkBuddy。并且具有三层记忆机制，让你越用越懂你。

接下来，就根据我最近使用下来的体验，对功能进行一一拆解吧。

02 核心功能架构设计

2.1 三种工作模式：Craft / Plan / Ask

这是我最喜欢的设计细节。WorkBuddy 给了三种模式：

• Craft 模式：你说，它做。直接把任务执行完，适合明确的需求。
• Plan 模式：先做计划让你审核，通过了再动手。改代码、批量操作文件这种高风险场景，开 Plan 模式安心很多。
• Ask 模式：只回答问题，不动手。相当于普通聊天模式。

三种模式切换没有任何学习成本，但这个设计的价值很大：它把「效率」和「安全」的平衡权交还给了你。

2.2 三层记忆系统

WorkBuddy 有三层记忆，这是我用了一段时间感触最深的功能：

• 云端记忆：自动学习你的使用习惯和偏好
• 用户级记忆：跨项目的个人规则，比如「文件默认保存到桌面」
• 项目级记忆：每个项目的上下文独立保留

实际效果是什么？就是你会发现他会越用越懂你，会不断进化适应你的使用习惯。比如输出一些写作方法和习惯，原本需要你指定好规范，后来做新项目它还记得。普通的 AI 每次对话都是全新开始，WorkBuddy 越用越顺手，这个体验确实不一样。

2.3 多模型自由切换

WorkBuddy 内置了混元、DeepSeek、GLM、Kimi、MiniMax 等多个国产大模型，可以随时切换。这意味着简单任务用快模型省积分，复杂逻辑切强模型保证质量，丰俭由人。

当然，现在没有 GPT 和 Claude 的官方接入，但是你可以通过自定义模型提供商的方式进行使用，这个需要一点门槛，但是你都用GPT和Claude了，我觉得这个对你来讲应该不是问题��。

2.4 技能市场（Skills）

技能市场类似手机的应用商店，你需要什么能力就装什么 Skill。目前内置了超过20个技能，覆盖 Excel 处理、PPT 生成、数据分析、代码开发、联网搜索、图像生成等。

这里有个细节值得说：WorkBuddy 兼容 OpenClaw 的技能生态。OpenClaw 在 GitHub 上有几十万个社区技能包，理论上 WorkBuddy 都能调用。这相当于出生就自带了一个庞大的生态基础。

2.5 多 Agent 协作

你可以同时启动多个 AI Agent，它们之间能互相通信、协调进度，分工完成复杂任务。比如一个 Agent 负责搜集资料，另一个负责整理成报告，第三个负责检查错别字和格式——全程不需要你在中间传递信息。

不过目前多 Agent 并行能力还在打磨中，复杂协作偶尔会出现「左边不知道右边在干嘛」的情况。

2.6 自动化调度

支持定时自动化任务：每天、每周、每小时触发，也可以指定某个时间点一次性执行。比如「每天早上九点帮我搜集 AI 行业最新资讯，整理成日报，发送到企业微信」。

这个功能在重度用户手里价值巨大。你睡觉，它干活。

2.7 安全沙箱

WorkBuddy 对安全的处理是偏保守的：操作在隔离的 Docker 容器或 E2B 云环境中运行；你授权了哪个文件夹，它就只能碰那个文件夹；高危指令（比如删除、格式化）会被拦截或要求二次确认。

对普通用户和企业用户来说，这个安全感是实实在在的。毕竟一个能操作你电脑的 AI，安全性不是锦上添花，是底线。

2.8 连接器生态

WorkBuddy 深度集成了微信、企业微信、飞书、钉钉、QQ 等国内主流协作工具。最实用的场景：你在手机上给 WorkBuddy 发条消息，远程就让电脑上的 WorkBuddy 开始干活了。腾讯文档、腾讯会议、腾讯问卷等腾讯系产品自然也是深度打通。

03 整体使用场景评测

为了测试WorkBuddy的一些能力，我选择了职场人常用的一些场景，检查他的实际落地的能力，以及落地质量如何。

3.1 场景1：代码开发能力

我最喜欢的方式验证一个模型和agent的代码能力，就是让他开发个坦克大战的游戏，看游戏设计的方式以及实现的完整度，考验模型功能设计以及功能实现的整体逻辑。让我感到惊喜的是，同样的提示词，整体WorkBuddy实现效果比codex感觉更好一些。codex使用的是5.5模型。

WorkBuddy实现

我就给出一个帮我开发一个坦克大战的游戏的提示词，然后就对游戏进行设计，最终呈现效果如下。

codex实现：

同样的提示词，codex实现效果如下：

3.2 场景2：股票持仓分析

因为我发现WorkBuddy内置了一个股票研究专家的agent，本身有支持deepseek-v4模型，我就让他根据我的持仓，分析我的持仓建议以及未来一周的比较好的标的。

最后给了我一份比较完整的分析报告，详细的我就不贴出来了，给的建议也比较中肯，这两天证券和创新药缺失涨幅不小。这样看来，deepseek炒股可比我强多了��。

3.3 场景3：内容创作

做内容创作者花的最长的时间就是如何收集有爆款潜质的文章，我之前都是通过写代码去抓取一些平台的热点信息，然后生成选题。workBuddy内置了一个爆款选题策划专家，我就按照自己的公众号方向输入，然后让他帮我搜集热点选题。

因为热点更新迭代也比较快，最好可以定时抓取热点生成，并推送到我的飞书文档中去，整体使用起来也很方便。

直接告诉workbuddy，输入以下提示词，他就会自己把流程全部搞定，比我之前写代码要方便很多。并且内置了很多连接器，通过页面点点点就可以很轻松的实现连接器的关联。

04 使用期间遇到的一些问题

整体体验下来，确实对普通用户非常友好，并且整体落地质量还不错，当然，使用的一些场景也遇到了一些小bug。

4.1 输出产物对不上

比如，用来测试写文章内容时。输出产物和右边实际产物对不上，需要重新让他输出才有可能输出出来。

4.2 使用设计技能没有继续执行任务

当我让他进行网站设计的时候，出现了卡死无法继续任务的场景。

05 WorkBuddy的优缺点分析

优点：它做对了什么

1.真正零门槛

下载安装，登录腾讯账号，选一个文件夹授权，完事。不需要配置环境变量，不需要 API Key，不需要理解什么是 Docker。这是我见过上手最简单的 AI Agent 产品。

2.中文理解精准

毕竟是腾讯的产品，中文理解和本土化是核心竞争力。职场文案、商务话术、公文写作这些场景里，生成内容的质量明显比直接用 ChatGPT 翻译要好。

3.从「聊天」到「干活」的跨越

这是 WorkBuddy 和传统 AI 助手最大的区别。它能实际操作你的文件、执行你的指令、交付可以用的成果。不是给你建议，是把事做完。

4.多模型灵活切换

不被绑定在单一模型上，可以根据任务选择最合适的引擎。这个设计思路很务实。

5.三层记忆越用越懂你

长期项目里，记忆系统是杀手级功能。不需要每次交代一遍背景和规则。

6.安全设计让人放心

沙箱隔离、权限管控、高危拦截，对企业用户来说，这些是准入门槛，WorkBuddy 满足得不错。

缺点与不足：它还差在哪里

1.复杂任务稳定性不够

多步骤、多文件、逻辑嵌套的复杂任务，WorkBuddy 偶尔会「理解跑偏」，甚至中途卡住。遇上模糊指令更容易出问题。这不是偶发情况，是多个用户的共同反馈。

2.积分消耗比预期快

新用户有 5000 免费积分，看起来不少。但如果你用多模态任务（比如一边搜索一边生成报告一边配图），可能一两天就见底了。后续要充值才能重度使用。

3.PPT 和设计能力偏弱

内容生成没问题，排版和美化还停留在基础水平。如果经常要做精美汇报材料，这个短板会很影响体验。

4.长对话质量衰减

跟 WorkBuddy 对话超过 20 轮之后，理解准确率会明显下降。这个问题在高版本已通过消息压缩策略有所改善，但还没完全解决。

06 总结

总体而言，WorkBuddy相关的产品出现，意味着国产AI办公工具的一个重要方向：从"对话交互"走向"任务执行"。虽然目前还存在稳定性和能力边界的问题，但它已经能在很多场景下实实在在地帮用户更好的去完成任务。随着Agent技术的持续迭代和生态的不断完善，这类"能干活的AI"很可能成为未来办公的标配。

对个人来说，随着未来AI生产力的普及，会使用AI工具将会变得更具有竞争力。任务的拆解，逻辑思维，架构思维以及判断力这些能力在AI时代显得更加重要。