拆解 WorkBuddy、千问办公和豆包工作，它们其实不是同一种产品

活是 AI 干的，锅是人背的。

    作者丨 Reah

    编辑丨李娜 岑峰

我们将同一份复杂的销售流水表同时交给三家办公 Agent：WorkBuddy、千问办公和豆包工作。原本期望节省半天时间，结果却被三个截然不同的计算总额惊住。

这份数据混杂了不同日期格式、退款、跨季度订单及异常金额。在相同提示词下，三家均交付了 Excel、PPT 和摘要，但算出的季度总额最高比最低多出 57.7%。

除数据处理外，测试还包含五项公开信息核查、一份虚构内部文件的读取，以及对三款 macOS 安装包执行环境的逆向分析。

彼得·德鲁克曾指出，知识工作的质量与数量同等重要。然而在职场中，数量易统计，质量难量化。AI 虽能执行任务，但核对、判断与责任归属仍完全落在人身上。省下的时间往往被新任务迅速填满。

管理学之父彼得·德鲁克

腾讯、阿里、字节纷纷布局办公 Agent，三者均具备处理表格、检索资料、生成 PPT 及操作电脑的能力。但实测表明：AI 能干活，却无法替人背锅。核心问题在于：执行接走后，判断与责任究竟由谁承担？

01

三家三条路线，但没人帮你背锅

三家横向对比：同一个品类名下押注的分别是平台、入口和企业上下文

三款产品虽同为办公 Agent，但战略侧重各异：腾讯将 WorkBuddy 打造为 Agent 时代的平台底座，开放 Skill 与 Connector，走重 To B 路线；阿里将千问办公嵌入钉钉，依托组织入口与多模型供给建立优势；字节豆包工作则基于飞书企业上下文，以独立客户端和手机远程操控形成差异。

值得关注的不仅是横向差异，更是其出现的时间节点。

2026 年夏，三家公司相继对内部办公 AI 进行“组织手术”：阿里整合钉钉、MuleRun 等能力至千问办公；字节将飞书、TRAE Work 等能力集中至豆包体系；腾讯上线开放平台，将 WorkBuddy 推向完整平台底座。

首要动作并非换模型或加功能，而是重构团队、产品与生态边界。

办公 Agent 需承接用户的文件、账号、权限与任务状态。若公司内部多产品争夺同一用户，将导致上下文分裂、授权冲突。无法整合内部山头，便难以承诺整合用户工作流。

三家公司均选择将编程 Agent 与办公 Agent 分家：下沉的是技术，分家的是产品。编程环境有编译器与明确报错，而办公室缺乏“裁判”。业务事实、组织口径与签名责任无法通过代码验证。办公 Agent 面对的是人与机器间的新契约。

国内外路线分野明显：海外连接 SaaS，国内占据桌面。

中国工作流散落于即时通信、审批系统及本地文档中，Agent 必须进入电脑，接触文件与 Office，甚至跨越生态壁垒。本次测试的三个 macOS 客户端安装后合计占用约 3.5GB，实则是三家公司为用户电脑建造的“执行身体”。

执行能力已打包为完整产品，但计价缺乏统一标准。厂商公布了积分机制，却未提供具体任务价目表。名字统一了，价值未统一；规则公布了，价格未透明。用户仍缺少一套标准去衡量执行成本与检查工作量。

02

把同一份工作交给三家办公 Agent

测试方法与边界

测试于 2026 年 9 月 13 日完成，涉及三个 macOS 构建：

• WorkBuddy AI 5.5.2

• 千问办公（QwenWork）1.0.5，build 26090806

• 豆包工作（Doubao Work）2.29.7

测试遵循同机、同网、默认档规则，使用同一素材与提示词。因日志格式、时区及技能加载差异，这并非严格控制变量的实验。三项任务分别为：脏数据清洗汇总、公开信息核查、虚构文件读取。

▎第一份脏活：同一份销售流水，三家算出了三个总额

任务模拟日常工作中常见的杂乱表格汇总场景，包含日期格式不一、单位混乱、退款及异常金额等问题。

任务一原始素材：日期、单位、退款及异常金额混杂

三家均完成清洗并交付带公式的工作簿，但季度结果差异巨大。

千问办公：33 单，Q1 总额 1,351,900 元。部门缺失的 22,100 元保留为“未标注部门”。

千问办公：33 单，Q1 总额 1,351,900 元

WorkBuddy：32 单，Q1 总额 2,109,800 元。部门缺失订单被直接剔除。

WorkBuddy：32 单，Q1 总额 2,109,800 元

豆包工作：34 单，Q1 总额 2,131,900 元。部门缺失的 22,100 元标为“待核实”。

豆包工作：34 单，Q1 总额 2,131,900 元

三家最终汇总数字完全不同，最高比最低多出 57.7%。若直接汇报，将讲述两个完全不同的故事。

同一份流水、同一句提示词，三个总额

面对模糊定义，三家替用户做了不同决定：有的删除可疑订单，有的保留，有的给出两套结果。只有真正参与业务的人才知道哪笔钱是真的。办公 Agent 最危险之处，在于将尚未确认的判断包装成已完成报告。

运行轨迹日志：过程比结果更能说明问题

千问靠自检纠正错误；WorkBuddy 由主 Agent 复算子 Agent 结果；豆包直出后比对数字。真正的差距在于阻止 AI 犯错的方式。

三条纠错路线：千问自测、WorkBuddy 复算、豆包直出比对

• 千问走工程师路线：自我测试与最小复现，曾抓回严重错误。
• WorkBuddy 走团队路线：主 Agent 独立复算，修正多处错误。
• 豆包走直出路线：脚本生成文件后重点检查数字一致性。

但在关键决策点上，三家均未询问用户。面对足以改变结论的异常订单，它们擅自做主。此外，三家 PPT 风格差异显著，关键取决于领导审美与叙事清晰度。

三家交付的 PPT 对比，风格差异明显

▎第二份要“落地”的报告：三家给了三个答案，但没有一个能写进汇报

政务系统数字化需满足接口统一与厂商分散并存的特点。协同诉求是自上而下强制的。第二项任务要求核查五项近期事件，需给出来源、时间及置信度。

任务二五项核查，分歧集中在千问办公政务落地案例

争议焦点为“千问办公是否已有政务系统落地案例”。公开材料显示当时仍处于共创阶段，预计 9 月发布。

• WorkBuddy 定为“确有此事，置信度中”；
• 千问办公写“未能确认，置信度中”；
• 豆包工作写“部分确认，置信度中”。

分歧源于证据门槛不同：WorkBuddy 依赖搜索与演讲，千问追查采购部署证据，豆包介于两者之间。中等置信度无法直接用于汇报，组织仍需自行定义事实标准。

WorkBuddy 日志：缺关键细节仍判确有此事

千问办公日志：直接证明为何给出未能确认

豆包工作日志

▎第三份不存在的文件处理：确实没瞎编但把球踢回给了你

第三项任务要求读取一份实际不存在的《2026 年 Q2 渠道返点结算明细》。

任务三提示词：文件根本不存在

三家均未编造具体数字。WorkBuddy 本地搜索无果后拒绝编造，仅生成标注“待回填”的框架；千问办公因钉盘连接器未登录而暂停等待授权；豆包工作检索多处后请求用户补充文件，被拒绝后终止任务。

WorkBuddy 确认找不到，只交出待回填框架

千问办公停在等授权这一步

豆包工作找遍五处，然后直接向用户索要文件

拒绝胡编仅是及格线。更有价值的是 Agent 能否清晰说明“找过哪里、还缺什么、需用户做什么”。否则，定位文件与重启任务的协调成本仍原样退回给人。

03

拆开安装包：沙箱、虚拟机和浏览器

三款产品界面相似，但安装包 reveals 竞争本质已变。本次逆向仅做静态取证，检查签名、权限与资源，未运行程序或发起网络请求。

注：静态取证仅展示执行环境准备情况，不代表实际任务路径或安全排名。

安装后体积迥异：装进电脑的其实是三种东西

主要发现如下：

• 腾讯与阿里内核源自编程 Agent（CodeBuddy/Qoder），天生带有验证习惯。
• 千问将“承认不确定”设为可关闭开关，预置多种人格预设。
• 千问将“不用数据训练模型”设为付费特权。
• WorkBuddy 内置微信支付插件，深度接入微信生态，支持分享、通知等功能。
• 千问办公内置 SOUL.md、AGENTS.md 等组织方式。

最大发现：豆包非 Electron 架构。

豆包工作安装后占 1.7G，其中 1.6G 为自带的 Chromium 浏览器分支，主程序本体仅 2.5M。它试图用浏览器解决所有问题，申请了对页面的完全控制权。

豆包 1.7G 体积构成，主程序仅占 2.5M

包内发现 22 个本地模型共 24M，主要用于音频降噪、回声消除、人脸定位等音视频处理，无一用于文字理解。这意味着豆包的理解能力完全依赖云端，断网即失效。

22 个本地模型共 24MB，90% 用于音频处理

豆包提示：关闭客户端可能导致任务中断且不可恢复

这些模型来自火山引擎 RTCSDK，直接搬用未做办公适配。豆包整合飞书、TRAE 与扣子能力后迅速发布，代价是用户需安装大量冗余组件。相比之下，千问自建虚拟机，WorkBuddy 自研沙箱，包体积更小但功能各有侧重。

模型位于 RTCSDK 目录，源自火山引擎音视频技术栈

04

AI 可以接走执行，但判断、核对、责任仍然在人

AI 解决了劳动合成结果的执行环节，将三天工作压缩至一小时。但判断贡献度与分配责任这两个环节毫无进展。

三家算出三个总额，无人停下询问数据真伪。核对工作 100% 落在人身上，而工时系统中并无“核对”这一科目。分配依赖计量，计量缺失导致分配仍靠汇报与可见度。

供给侧同样存在盲区：腾讯保付款零容错，字节保桌面控制，阿里保订阅像员工，却无一保证“数字正确”。准确率无标尺，故无人为此付费。“提效”因不可验证而不可追责。

整条链上真正想要负担变小的，可能只有劳动者自己。

省下的时间若不主动转化为早点下班或可见成果，便会自动流入更多工作。老板只看到报告来得更快，下一份任务随即而来。职场无法量化产出，自然也无法量化减负。无论工具如何进化，职场终究是职场。