撰文 | 吴先之
编辑 | 王潘
今年上半年，办公 Agent 仅是大厂 AI 生产力布局中的配角。协同办公、Coding 及桌面端产品虽各有亮点，但行业对于“桌面 Agent 终极形态”尚未达成共识，AI 生产力之战缺乏明确战场。
进入下半年，竞争主线逐渐清晰：Coding 是过程，生产力才是目的。阿里与字节迅速收拢内部赛马机制，分别整合为“千问办公”与“豆包工作”。相比之下，腾讯的 WorkBuddy 虽在高速增长，但也标志着其产品形态的收敛。OpenClaw 与单纯的 Coding 能力仅被视为过渡态，真正的战事才刚刚拉开帷幕。
目前，WorkBuddy 解决了形态问题，千问办公实现了“一句话生成成品文件”，豆包工作探索了侧边编辑模式。三者表面比拼功能分发，实则暗战“上下文工程”。7 月 WAIC 上发布的 TeleAgent（星辰超级智能体）便直指这一核心，专注于打磨能力交付。9 月 15 日，IDC 发布《中国企业级通用 Agent 产品技术评估》报告，TeleAgent 综合成绩位居前三，其中“任务表现”获满分，成本效率更是夺得评测最高分。
评分折射出办公 Agent 重心的转移：从单纯的模型分销走向智能调度，从聚焦单次任务解决转向能力的持续自主进化。
从分销路由到调度路由
办公 AI 的能力交付依赖 Model Router（模型路由）。在 1.0 阶段，路由主要作为模型能力的分销渠道。WorkBuddy 采取聚合模式，内置混元系列并接入 DeepSeek、GLM 等主流大模型供用户切换；而千问办公与豆包工作则走向自营模式，前者短暂接入外部旗舰模型后撤回，后者仅提供自家模型。
这种模式下，路由仅负责引导任务和量化成本，却无法确保交付质量的上限。若止步于此，办公 Agent 将沦为无护城河的模型分销商，极易被模型迭代抹平溢价。Model Router 1.0 虽打通了输出通道，却未能解决能力与场景的深度适配问题。
TeleAgent 将模型路由迭代为 2.0 版本，在 API 服务端集成多模型动态路由能力，实现智能调度：
- 供给侧优化：将不同模型服务商纳入统一能力池，根据实时压力自动无缝切换，保障系统稳定性与调用效果的最优解。
- 用户侧分层：根据任务强度精准匹配资源。轻量档处理翻译、总结等简单场景；均衡档应对文件操作、文档生成；旗舰档专攻代码编写、深度推理及方案设计。
此外，TeleAgent 依托自研星辰大模型 Xing4.0 进行系统性适配。该模型采用 mHC+MLA+MTP 架构，原生支持 256K 至 512K 长上下文，高效处理复杂推理链路。团队基于真实业务数据建立“分析 - 定位 - 调优 - 验证”闭环，通过多专家强化学习持续提升任务完成率与执行稳定性。
看得懂、记得住
上下文规模与长期记忆能力构成了 TeleAgent 的核心壁垒。办公任务多为跨文件、跨系统的长程作业，传统 Agent 常因上下文限制而在任务后半程“失忆”。
针对上下文膨胀难题，TeleAgent 在 Harness 层引入动态治理机制：
- 动态压缩：实时预判窗口水位，溢出前主动分级压缩。优先剪枝久远的工具输出，若仍超限则启动专职压缩模型深度处理，在保留关键信息前提下缩减 Token。
- 无感执行：全过程自动检测与压缩，无需用户干预。结合提示词缓存命中技术，进一步降低重复前缀的 Token 成本。
在记忆能力方面，TeleAgent 桌面端开发了 autoDream（长期记忆模块）。该系统每 2 小时自动生成当日日志，每 24 小时合并更新个人记忆档案。记忆跨会话生效，使 Agent 能记住用户的项目背景、习惯与偏好，无需重复交代。所有记忆数据本地存储，用户可随时管控，充分保障隐私安全。未来，该技术还将支持授权下的跨设备记忆同步。
优化提示词、工具层、能力层
除上下文与记忆外，提示词、内置工具及技能也是影响交付结果的关键变量。
系统提示词优化：TeleAgent 摒弃了让用户从零构建上下文的模式，通过四步前置引导（称呼行业、沟通方式、工作范围、交互风格）快速形成初始上下文，让用户即刻投入工作。
工具层“结硬寨”：基于国内公开数据集测评，TeleAgent 在办公、代码、网页生成领域的综合表现优异。其 Token 总消耗比同类产品低 37%，高消耗代码场景节省 57%，核心办公场景平均耗时仅为竞品的 75%。在 Excel 清洗、周报合并、PPT 生成等高频痛点上，效果与速度全面领先。
技能层“打呆仗”：采用“官方预置+UGC 上传”双轨制。预置技能覆盖 Office 高价值场景及 Windows 环境典型问题，特别针对央国企的合规审查、党建学习等场景进行了专项适配。上线不足两月，技能广场已汇聚超 5 万个 Skill。
为解决工具过多导致的 Token 浪费问题，TeleAgent 即将上线 ToolSearch 动态工具加载功能。其原理是将工具箱替换为工具目录，初始状态仅加载能力清单；在执行环节，AI 按需搜索并精准加载所需工具，大幅压缩 Token 消耗。
给能力加一把“安全锁”
能力决定上限，安全兜住下限。政企、金融等行业对合规性要求极高，TeleAgent 作为首批通过信通院安全评测的智能体，围绕感知、推理、执行、记忆四层布防。
在数据处理上，TeleAgent 坚守“文件全程本地读取”红线。除大模型推理环节外，其余流程均在本地完成。涉及文件以 Token 形式传输推理，服务端不落盘、用完即销毁，从根本上实现数据不出域。凭借央企自研底座与信创适配优势，TeleAgent 已成功切入对安全性极为敏感的政企市场。
展望未来，办公 Agent 的演进路径清晰可见：第一阶段通过预置与 UGC 扩展技能广度；第二阶段依托长期记忆，将个人工作习惯沉淀为组织可复用资产，使 Agent 从个人搭子成长为组织的数字助理。届时，上下文工程将从个人资产泛化为组织资产，成为企业持续增长的动能。
TeleAgent 用不足两个月的时间证明，基础设施巨头无需扮演简单的模型路由角色，只需从底层逻辑入手，深耕上下文与记忆工程，便能实实在在地兑现生产力价值。办公 Agent 的真正战事，由此打响。
