2026 年 3 月，腾讯WorkBuddy正式上线，当月月访问量 885 万次。
三个月后，6 月单月访问量突破 2097 万次，超过行业第二、第三名总和。截至 7 月，月活突破 2000 万，日活突破 1300 万。
这个时间节点很微妙，彼时OpenAI Codex已经是业界公认最强的 AI 编程助手，Claude Code、Cursor 也在快速迭代，AI 工具不缺。
WorkBuddy 凭什么还能在 90 天内拿下国内 PC 端 AI 办公智能体三分之一的流量？
答案很简单：它们根本不在同一条赛道上。
一、Codex 是谁，它在解决谁的问题
Codex 是 OpenAI 于 2025 年 5 月推出的云端软件工程智能体。
它的能力范围严格限定在代码开发领域：
- 云端沙箱执行
每个任务在独立隔离的云环境中运行，预载用户 GitHub 仓库，无互联网访问权限
- 代码工程任务
编写功能函数、修复 Bug、运行测试、执行代码审查、提交 Pull Request
- 多文件读写
可跨文件读取、编辑代码，执行 lint、type check 等代码质量检查命令
- 可追溯输出
每个任务输出包含终端日志、测试结果、代码 Diff，便于人工审查
- AGENTS.md 配置
通过项目根目录的 AGENTS.md 文件定义代码规范、测试命令、架构说明
Codex 的目标用户非常清晰：会用终端的开发者。
使用 Codex 的完整链路是：打开终端 → 进入项目目录 → 执行 codex 命令 → 在对话框里描述需求 → 确认 AI 的文件操作 → 运行测试。
全程命令行，全程需要理解代码上下文，需要懂得如何描述技术需求，需要判断 AI 的输出对不对。
Codex 的定位特征：面向软件开发者，输入是自然语言编程指令，输出是代码变更，运行在隔离沙箱中，任务完成时间 1 至 30 分钟。
其产品形态是 ChatGPT 侧边栏的一个功能入口，依赖 ChatGPT 订阅。
能力公式：
关键边界：Codex 不处理文档撰写、数据分析、PPT 制作、文件归档、报告生成等任何非代码任务。
它不接入企业办公系统，不操作本地桌面文件，不执行定时任务，不具备行业专家知识，不生成多模态内容。这些边界恰恰是 WorkBuddy 的覆盖范围。
二、用户基数
月访问量破 2000 万的前提是用户基数足够大，Codex 与 WorkBuddy 面向的用户群体在量级上存在数量级差异。
Codex 的用户群体：软件开发者（前端、后端、全栈工程师），DevOps 工程师，技术负责人。全球软件开发者约 2700 万至 3000 万。
WorkBuddy 的用户群体：市场运营人员、财务人员、人力资源、门店管理者、行政人员、产品经理、销售岗位、管理者，任何需要处理文档、数据、报告、邮件的办公人员。中国城镇就业人口约 4.7 亿，其中使用办公软件的白领人群超过 1 亿。
基数差异的直接结果：即使 Codex 在开发者群体中渗透率达到 100%，其用户上限也仅限于开发者人群；而 WorkBuddy 面向的办公人群基数是开发者基数的 30 倍以上。
更值得注意的是，Codex 的用户中非开发者占比正在快速上升。OpenAI 披露，Codex 的非开发者用户增速是开发者的 3 倍，非开发者占比已达约 20%。
这恰恰说明：大量非技术用户对"AI Agent"有真实需求，但他们在 Codex 上的使用场景有限，因为 Codex 的核心能力是读写代码文件，不是读写 Office 文档。
重点说明：Codex 与 WorkBuddy 的用户重叠度极低。需要写代码的人不一定需要写周报，需要写周报的人大多数不写代码。两个产品服务的用户画像在技能栈、工作流程、输出物类型上几乎不交叉。
三、任务边界
用户基数差异的底层原因是任务边界差异。Codex 的能力边界严格限定在代码工程领域，而 WorkBuddy 覆盖的是全场景办公任务。
Codex 能做的任务：编写功能函数、修复 Bug、运行单元测试、代码重构、代码审查、生成 Pull Request、回答代码库相关问题。
WorkBuddy 能做的任务：
- 文档生成
工作报告、技术文档、会议纪要、PRD、竞品分析
- 数据分析
上传 Excel/CSV，自动清洗、建模、可视化、输出分析报告
- PPT 制作
从需求描述生成演示文稿
- 批量文件处理
自动整理下载文件夹、按月份归档 PDF、发票扫描件重命名
- 邮件编辑
撰写商务邮件、客户跟进邮件、内部通知
- 周报/月报
自动汇总项目进展、生成结构化报告
- 深度研究
对复杂问题进行多轮调研，输出研究报告
- 多模态内容
文生视频、文生 3D 模型、图片特效处理
- 定时自动化
每周五 17:00 自动生成周报，每日早上自动推送经营速览
任务边界对比的关键结论：Codex 的全部能力集是“代码读写 + 测试执行”，WorkBuddy 的全部能力集是“文档 + 数据 + 演示 + 文件 + 邮件 + 研究 + 多模态 + 自动化”。前者是开发工具，后者是办公工作台，两类任务的执行逻辑、输入格式、输出物形态完全不同。
当一个产品的能力边界只覆盖代码工程时，它无法替代覆盖全场景办公任务的产品。
四、交付物形态
用户使用工具的最终目的是获取交付物。
Codex 的交付物是代码变更，需要人工审查和合并才能进入生产环境；WorkBuddy 的交付物是可直接使用的成品文件，无需二次加工。
Codex 的交付物链路：
-
输出物是代码 Diff、终端日志、测试结果、Pull Request -
交付状态是半成品，需人工审查代码变更、确认测试通过、合并 PR、部署到生产环境 -
使用者动作是 Review→Merge→Deploy，至少三个后续步骤 -
适用人群是具备代码审查能力和部署权限的开发者
WorkBuddy 的交付物链路：
-
输出物是排版好的 HTML 文章、Word 文档、Excel 表格、PPT 演示文稿、PDF 报告 -
交付状态是成品，可直接用于公众号发布、邮件发送、会议演示、上级汇报 -
使用者动作是查看→下载/分享，最多两个步骤 -
适用人群是任何需要文档输出的办公人员，无需技术背景
交付物差异的市场含义：Codex 的交付物只有开发者能消费，因为代码 Diff 需要编程能力才能审查。WorkBuddy 的交付物是任何办公人员都能直接消费的文档、表格、演示文稿。交付物决定了消费门槛，消费门槛决定了用户基数。
五、本地文件操作
文件操作能力是办公场景的核心需求。Codex 在隔离沙箱中操作代码仓库，WorkBuddy 直接操作用户桌面、下载文件夹、文档目录。
Codex 的文件操作边界：
-
操作范围仅在云端沙箱中操作预载的 GitHub 仓库文件 -
文件类型为源代码文件、配置文件、测试文件 -
访问权限无互联网访问、无本地文件系统访问、无企业内部系统访问 -
安全模型为隔离执行，所有变更在沙箱内完成
WorkBuddy 的文件操作能力：
-
操作范围直接读取授权的本地电脑文件夹，包括桌面、下载、文档等目录 -
文件类型为 PDF、发票扫描件、Excel 表格、Word 文档、图片、压缩包等任意文件 -
批量操作为按月份归档、批量重命名、格式转换、去重清理、生成文件清单 -
安全模型为用户授权目录范围，危险操作前预警并列出受影响文件，要求确认
文件操作差异的场景含义：办公场景中最频繁的需求之一是文件整理，下载文件夹堆积了大量 PDF、发票、截图，需要按月份归档和统一命名。Codex 无法触及这些文件，因为它运行在云端沙箱中，只能访问 GitHub 仓库；WorkBuddy 直接在本地执行，批量处理桌面和下载目录中的文件。
本地文件操作能力是 WorkBuddy 区别于所有云端 AI 工具的核心壁垒之一——云端的代码智能体无法替代本地文件批量处理，因为物理上无法访问用户的桌面文件系统。
六、自动化定时任务
定时自动化是办公场景的高频需求。Codex 不支持任何形式的定时任务或周期性自动化；WorkBuddy 内置完整的自动化任务系统。
Codex 的自动化能力：无定时任务功能，无周期性执行能力，无条件触发机制。每次任务需用户手动发起，无法设定“每周一自动执行”。
WorkBuddy 的自动化任务系统：
- 调度类型
一次性定时任务（指定日期时间执行一次）和周期性任务（按日/周/月重复执行）
- 执行内容
定时生成周报、定时汇总项目进度、定时推送经营数据播报、定时归档文件
- 多任务并行
多个自动化任务可同时运行，各自独立调度
- 运行状态追踪
记录每次执行的历史、输出和状态
自动化差异公式：
自动化能力对月访问量的贡献：定时任务每天自动执行，每次执行计入一次访问。一个用户配置 5 个每日自动化任务，每月贡献 150 次访问，2000 万月访问量中，相当比例来自自动化任务的周期性执行，而非用户手动发起。Codex 完全不具备这部分贡献能力。
七、生态架构
生态架构决定了工具能连接的外部系统范围。Codex 的生态是 GitHub 仓库，WorkBuddy 的生态是 MCP 连接器 + 专家系统 + 技能体系的三层架构。
Codex 的生态边界：
-
数据源是 GitHub 仓库中的代码、配置、文档 -
外部系统集成通过 AGENTS.md 定义项目规范，无企业系统连接能力 -
工具调用是沙箱内执行 lint、type check、test 等开发工具 -
扩展机制无插件/技能/连接器市场
WorkBuddy 的三层生态架构：
- 第一层 MCP 连接器生态
覆盖腾讯文档、企业微信、飞书、钉钉、金山文档、九数云 BI、腾讯问卷、腾讯会议等，每个连接器接入一个外部系统的完整能力
- 第二层专家系统
领域专家，覆盖财务、法律、金融、市场、零售等行业，提供领域知识与专业分析视角
- 第三层技能系统
可安装的技能包，封装特定任务的执行流程，包括周报生成、会议纪要、公众号写作、金融数据查询等
生态差异的场景含义：当用户需要“从腾讯文档读取市场复盘数据，用九数云 BI 做对比分析，生成报告写回腾讯文档分享”时，WorkBuddy 通过三个连接器串联完成端到端流程。
Codex 无法接入腾讯文档、九数云 BI 或任何企业办公系统，因为它只在 GitHub 仓库的沙箱中运行。
生态价值公式：
WorkBuddy 的三层生态使其场景覆盖面远超单一仓库的代码工具。
八、数据分析与多模态
数据分析和多模态内容生成是办公场景的高价值能力。Codex 在这两个维度上几乎零覆盖，而 WorkBuddy 通过九数云 BI 集成和多模态生成能力形成了完整的分析 - 报告 - 可视化链路。
Codex 在数据分析方面的能力：可编写数据分析脚本（Python/SQL），可在沙箱中运行脚本处理数据，但无法接入企业 BI 系统，无法直接连接九数云 BI、东方财富、Wind 等数据平台，无法生成结构化分析报告。输出的是代码，不是分析结论。
WorkBuddy 的数据分析能力：
- 九数云 BI 集成
通过 MCP 连接器接入帆软旗下 SaaS BI，完成数据连接、清洗、建模、可视化、应用发布的完整链路
- Excel/CSV 分析
直接上传数据文件，自动清洗、建模、可视化，输出交互图表 + 数据表格 + 关键洞察
- 报告自动化
定时从九数云拉取关键指标，自动生成文字分析（涨跌原因、亮点风险），配图表产出可分享报告
多模态内容生成能力对比：Codex 无多模态生成能力；WorkBuddy 支持文生视频、文生 3D 模型、图生 3D 模型、图片视频特效。
能力链路对比：
九、市场分层结论
综合前述八个维度的分析，Codex 与 WorkBuddy 在用户群体、任务边界、交付物形态、文件操作、自动化能力、生态架构、数据分析和多模态生成上均不重叠。
不构成替代关系的六个维度：
- 用户基数
Codex 服务开发者（全球约 3000 万），WorkBuddy 服务办公人群（中国超 1 亿），基数差 30 倍
- 任务边界
Codex 做代码工程，WorkBuddy 做全场景办公，任务集不交叉
- 交付物
Codex 输出代码 Diff 需二次加工，WorkBuddy 输出成品文档可直接使用
- 文件操作
Codex 在云端沙箱操作仓库，WorkBuddy 在本地操作桌面文件系统
- 自动化
Codex 不支持定时任务，WorkBuddy 内置完整周期性自动化系统
- 生态与数据
Codex 连接 GitHub，WorkBuddy 连接 100+ 企业系统+BI+ 专家 + 技能
分层逻辑：
两者处于不同的市场分层，服务不同的用户，解决不同的问题。
月访问量破 2000 万的合理性：WorkBuddy 面向的办公人群基数远超开发者基数，覆盖的任务类型远多于代码工程，交付物直接可用降低了使用门槛，定时自动化贡献了高频重复访问，生态连接器扩展了可触达的业务系统。这些因素叠加，使 2000 万月访问量在逻辑上完全自洽。
对"Codex 会替代 WorkBuddy"这一判断的修正：该判断隐含的前提是"AI 工具之间存在赢家通吃的替代关系”。
实际上，工具市场的分层逻辑是：不同层级的工具服务不同层级的用户和任务。代码智能体不会替代办公工作台，正如 IDE 不会替代 Office。两者各自在其市场分层中独立增长。
最终结论：有了 Codex，开发者获得了更强的代码工程助手。但 WorkBuddy 的 2000 万月访问量来自办公人群的文档生成、数据分析、报告自动化、文件处理、定时任务等需求，这些需求不在 Codex 的能力边界内。两个产品服务的是不同的市场分层，不存在替代关系。
写在最后
Codex 解决的是“怎么让 AI 写代码”，WorkBuddy 解决的是“怎么让 AI 干活”。
前者服务全球 2700 万开发者，后者服务中国数亿办公人群。用户群体不同、任务边界不同、交付物形态不同、使用门槛不同，唯一相同的，只是都叫"AI Agent"。
工具市场的逻辑从来不是“一个替代另一个”，而是"不同的工具服务不同的人"。 写代码用 Codex，做办公用 WorkBuddy。不存在二选一，只存在各司其职。