桌面 AI Agent 的新变量：腾讯 WorkBuddy 究竟能帮我们"干什么活"？

发表于 更新于 分类于
腾讯 WorkBuddy 下场做桌面 AI Agent，主打屏幕感知和跨应用操作，不用换软件就能直接动微信、腾讯文档。聊聊它能干什么，以及我担心的两件事。

最近 AI 都不满足于在网页里聊天了，开始盯上桌面。Anthropic 有 Computer Use，各种开源桌面 Agent 也在折腾”让 AI 接管电脑操作”，腾讯最近也带了 WorkBuddy 进场。

1. 从”对话框”到能上手干活

以前用 AI 基本是：复制内容 → 粘到对话框 → 问 → 复制结果 → 粘回软件。挺割裂的。

WorkBuddy 不一样，它不待在网页里，而是常驻桌面侧边栏。核心就两点：

  1. 屏幕感知：能实时看懂你屏幕上在浏览什么、在写什么。
  2. 模拟操作：能跨应用发指令（Action）。

2. 腾讯手里的牌：生态集成

做桌面 AI 的不少，腾讯最值钱的是它自己有一堆办公软件。微信、腾讯会议、腾讯文档在国内基本是基础设施，而 WorkBuddy 直接握着这些软件的”控制权”。

可以想一个典型的指令流：

网页/文档内容 WorkBuddy 任务指令 微信发送 腾讯会议总结 Excel 数据填入 屏幕感知 大模型处理 跨应用操作

3. 我能想到的用法

按目前透露的功能，几个可能用得上的场景：

A. 写周报

周五下午不用再翻聊天记录和工作量。对着它说”汇总我这周在腾讯文档里的项目进度，写 200 字周报发微信给张总”，它自己提取、总结、发送。

B. 网页内容搬表格

做竞品调研时，打开竞品页面说”把屏幕里的价格数据整理成表格存到桌面的调研.xlsx”，不用再手动复制粘贴。

C. 系统设置

“帮我把这张发票存成 PDF 发给财务会计”，找菜单、转格式、发文件全交给它。

4. 它想抢的是什么

AI Agent 一直有”入口之争”。豆包/Coze 强在插件生态，通义强在商务会议转录，WorkBuddy 抢的是 Windows/macOS 的全局控制权。

如果”看懂屏幕”和”自动操作微信”这两件事做好了，它可能取代搜索入口，变成你调动电脑资源的第一个界面。

5. 我担心的两件事

  • 隐私：AI 实时截屏，数据安全感从哪来？
  • 准确性：UI 复杂的时候，模拟点击会不会误操作，比如发错群？

6. 现在能干什么

WorkBuddy 还在内测，主要集成在腾讯元宝 PC 版里。它现在的重点从”会说话”变成了”会干活”。

对写代码的人来说，这类 Agentic Workflow 铺开之后，软件交互的逻辑可能得重新想一遍。

最后问一句： 如果你的 AI 能直接操作微信和电脑，你最想让它帮你分担哪项脏活累活？

参考信息：腾讯元宝、WorkBuddy 内测功能说明