万字长文 | 从ChatGPT到豆包工作，Agent杀疯职场办公

本文来自微信公众号： Agent陌晨 ，作者：陌晨，原文标题：《万字长文 | 从ChatGPT到豆包工作，Agent杀疯职场办公》

大家好，我是陌晨。

过去一个多月，国内AI办公圈发生了三件连在一起看才有意思的事。

7月30日，据《中国企业家》等媒体报道，字节跳动通过内部邮件调整To B业务。飞书产品团队与豆包产品团队整合，飞书的市场、销售和客户服务团队则与火山引擎整合。一个月不到，豆包工作正式上线。飞书官网随后给出了一句很清楚的定义，豆包工作是豆包品牌下面向个人、团队和企业的智能体工作平台，并且原生接入飞书。

9月2日，腾讯WorkBuddy开放平台上线。平台开放Buddy应用、专家、Skill、连接器和硬件接入。腾讯云副总裁刘毅对《科技日报》说，希望把WorkBuddy做成面向Agent时代的操作系统，承载更多工具。

一边把飞书放进豆包，一边把WorkBuddy往平台外面打开。两家公司选择了相反的组织动作，目标却贴得很近。

它们都想成为企业把工作交给AI时，默认出现的那一个。

媒体很容易把这场竞争写成又一轮办公入口大战。PC时代抢浏览器，移动时代抢超级App，今天轮到大模型公司抢桌面。这个说法没错，只是还没讲到最值钱的地方。

企业不会因为一个输入框更漂亮，就把合同、客户资料和经营数据交给它，员工也不会因为模型回答得快几秒，就允许它替自己发邮件、改表格和操作业务系统。入口可以靠预装和流量拿到，工作交付需要信任。

那是一条可以追踪的责任链。AI知道这项工作为什么做，清楚自己能看哪些资料，做错后能找到过程，最后还得有人或系统判断结果能不能用。

办公Agent争的第一块地盘，叫任务的默认执行权。它后面紧跟着更难的一块，叫结果的验收权。

理解这一点，才能看懂Agent为什么绕了六十年，最后在办公室里打起了第一场商业战争。

01Agent先学会行动，过了很久才学会听懂人

Agent这个概念早于大模型几十年。

1966年，斯坦福研究所开始研究Shakey。SRI对它的介绍很克制，Shakey是第一台能够感知环境并进行推理的移动机器人。它可以规划路线，也能移动简单物体。今天看，Shakey笨得像一台推着柜子慢慢挪的实验设备，可它已经具备了智能体最早的轮廓。

它接收环境信息，根据目标制订计划，然后采取行动。执行结果会改变环境，系统再继续判断。

后来几十年，Agent沿着这条路进入企业。宏命令能把重复点击录下来，脚本能按规则搬数据，RPA可以在几个固定页面间模拟人的操作。它们确实替人干活，也确实很省时间。只要页面结构变了，或者审批条件多出一个例外，自动化流程就可能停在半路。

当时的难题很明确。机器可以执行事先写好的规则，却很难理解一句含糊的人话。

你对RPA说，把最近流失比较严重的客户找出来，顺便分析原因，它听不懂什么叫比较严重，也不知道原因应该去哪找。工程师必须先把流失率、时间窗口和数据表写死，再告诉它每一步点哪里。

宏命令和RPA的价值建立在确定性上。人已经把过程想清楚，机器负责重复。工作一旦需要临场判断，人就得回来接管。

大模型补上了这块缺口。它能读自然语言，能根据上下文猜测意图，也能处理过去必须由人解释的模糊条件。问题随即反了过来。模型会说，会分析，手却碰不到真实世界。

2022年底，ChatGPT把对话式AI推向大众。同一时期，ReAct论文提出把推理轨迹和具体行动交错起来。模型可以先想下一步，再调用外部知识库或环境，拿到新信息后继续调整计划。

ReAct这一步今天听起来平常，当时很关键。语言模型终于不必把全部答案憋在参数里，它可以承认信息不够，出去找，再回来接着做。

Agent的历史一直有两条路。机器理解人的意图，机器在环境里采取行动。大模型让这两条路第一次接到了一起。

2023年，OpenAI推出函数调用能力，开发者可以描述一个外部函数，让模型判断何时调用，并生成结构化参数。天气、数据库和业务API开始被接进对话。微软在同年发布Microsoft 365 Copilot，把大模型接入Microsoft Graph，再放进Word、Excel、PowerPoint、Outlook和Teams。

同年春天，AutoGPT的GitHub仓库出现。它给自己设定子目标，调用工具，读取执行结果，再继续下一轮。很多人第一次看到，一个模型可以在没有人逐句追问的情况下，连续跑一串任务。

兴奋来得很快，事故也来得很快。

AutoGPT早期的公开Issue里，能看到过度搜索、结构化输出解析失败和卡在循环里的报告。也有人要求连续模式重新加入人工求助。它看上去很忙，忙碌和完成工作之间隔着很远。

AutoGPT这段经历给行业留下一条很实用的教训。自主性加得越多，错误就越容易沿着执行链放大。一次回答写错，人可以删掉。一项二十步的任务在第三步走偏，后面十七步都可能很努力地制造废品。

通用Agent的第一轮热潮证明了模型可以连续执行很长的任务，也把可靠性问题摆到了桌面上。

02Copilot进入办公室，人仍然负责接线

Microsoft 365 Copilot是办公AI发展史上一个很容易被低估的节点。

微软在2023年3月发布它时，产品逻辑仍然围绕人展开。Copilot嵌在Word和Excel里，帮用户生成初稿、分析数据。Business Chat可以横跨日历、邮件和会议记录，整理组织里的信息。微软反复强调，用户决定保留、修改或丢弃结果。

微软当时这样设计有现实原因。模型能力还不足以承担长任务，企业也不可能一下子放开权限，Copilot先坐到人旁边给建议、做草稿，人继续操作软件，也继续负责最后一步。

它解决了生成效率，没有改掉工作的组织方式。

一名运营要做月度复盘，仍然得自己找到数据，判断口径，再把材料交给AI。AI写完分析，他复制到文档，随后补图表，最后发到群里。每个环节都能快一点，环节之间依然靠人接线。

Copilot和Agent的分界就在这里。

Copilot等人发起下一步。Agent拿到目标后，会自己判断下一步在哪里。前者把单个软件用得更快，后者试图接管软件之间那段过去没人注意、却消耗了大量时间的工作。

腾讯研究院在2025年讨论Manus时，有嘉宾把它形容成实习生。这个比喻很准。实习生的价值很少来自某一项操作比老员工快，他能接过一件完整的事，自己查材料，整理后交回来。你需要给他背景，也得检查结果。

Manus的产品体验让更多用户接受了等待。一个任务跑十几分钟，界面持续展示计划和进度，用户知道系统还在工作。AI产品开始从即时回答转向异步交付。

用户对速度的理解也变了。聊天产品慢十秒会让人烦，受托办事的人花十分钟很正常。大家开始用完成任务的尺度看AI。

行业也很快发现，模型会规划只是开头。它需要稳定的工具，还要管理长上下文。一次任务持续几十分钟，模型得记住已经做过什么，分清哪些材料仍然有效。系统还要在失败后重试，又不能无限循环。

基础模型之外，一整套Agent Harness开始变得重要。它负责安排模型怎样规划，何时调用工具，哪些内容进入上下文，以及结果怎么被检查。

Lilian Weng在2023年用一句话概括当时的Agent，LLM加记忆，再加规划能力和工具使用。到了2026年，她把更多注意力放在Harness Engineering上。她的判断很值得琢磨，即使许多工程能力将来被模型吸收，目标和上下文仍然需要被明确提供。

模型可以换，工作环境不会凭空消失。

03Agent有了手，软件开始退到调用层

2024年秋天，两个变化把Agent往真实工作又推了一段。

Anthropic发布Computer Use，Claude可以通过屏幕画面判断界面，再使用虚拟鼠标和键盘操作电脑。它不再等所有软件都提供API，也能像人一样点击网页和桌面应用。

一个月后，Anthropic开源Model Context Protocol。MCP统一了AI应用获取外部数据和工具的方式。模型不直接理解每家API的细节，服务器把工具、资源和提示交给它，Agent再根据任务选择。

Computer Use解决了眼前那些没有接口的软件。MCP则尝试让未来的连接少写一遍。

两条路线至今并存。界面操作覆盖面广，稳定性受页面变化影响。标准接口更可靠，前提是软件愿意开放。成熟的办公Agent往往两种都要，常用系统走接口，临时网页再交给视觉操作。

2025年出现的几类产品，把这两条路线分别向前推。OpenAI Operator主要在浏览器里完成操作，Deep Research专注长时间搜索与资料整合。Claude Code进入终端和代码库，Manus则用虚拟电脑处理更广的任务。

它们没有汇成一个包办所有工作的超级产品。每一款先找到相对清楚的环境，给Agent有限工具，再定义可交付的结果。浏览器任务以网页状态判断进度，研究任务要交来源，编程任务可以运行测试。产品范围越清楚，系统越容易知道什么时候该停。

2025年的产品也让行业少了一点对通用二字的执念。模型可以通用，Agent产品必须知道自己在哪工作。没有环境边界的自主性，很容易重新走回AutoGPT早期那种忙碌却失控的状态。

Skill也在这时迅速普及。它把一套领域方法、执行说明和必要资源封装起来，模型按需加载。过去企业培训员工，要讲流程，再让他练习。现在可以把流程写进Skill，让不同Agent复用。

Andrej Karpathy在2026年2月的一条推文里说，CLI这种老技术对Agent特别友好。命令行有清晰输入，也有结构化结果，Agent可以组合使用。他随后给产品开发者留了一句很直接的建议，Build for Agents。

软件的使用者正在增加一个新角色，Agent。

人仍然会使用软件。企业采购、权限审批和责任承担也由人完成。产品设计却要同时照顾两类使用者。人需要看懂界面，Agent需要稳定调用能力。

过去软件把功能藏在菜单里，用户靠经验找到它。现在软件开始把能力写成命令、接口和Skill。功能能否被Agent发现，调用结果是否稳定，逐渐影响产品有没有机会进入新的工作链。

软件还在，熟练点击软件的价值正在下降。能否被Agent可靠调用，开始决定软件在下一轮竞争里的位置。

WorkBuddy开放Skill和连接器，豆包工作把飞书日历、文档和知识库做成内置能力，都在回应这件事。

04通用是模型的方向，办公是产品的落点

从通用Agent走到办公Agent，听起来像能力收缩。真实变化发生在产品边界上。

通用Agent接受任何目标，成功标准也跟着任务变化。今天让它研究一家公司，明天又让它订行程，两个任务调用的资料不同，错误后果也不一样。产品很难提前写清权限，更难用一套方法判断结果。

办公Agent把环境限定下来。它知道用户属于哪个企业，能访问哪些文件。常用交付物也相对稳定，多数工作最终落到文档、表格和业务系统。自由度少了一些，稳定性反而有机会提高。

模型仍然可以保持广泛能力，外面的运行系统会根据工作场景增加约束。什么内容进入上下文，哪些工具允许调用，任务花到多少Token必须停，这些规则由产品来管。

Anthropic在讨论Agent工程时一直强调，能用固定流程解决的任务就先用工作流。Agent适合那些需要探索、又值得承担成本的工作。这个区分放到企业里很现实。报销单校验可以写成固定流程，陌生行业研究需要Agent自己寻找资料。两类任务塞进同一种自主模式，只会浪费钱，也会增加事故。

软件新用户这个流行说法还要再分一步。Agent更接近新的操作者。

Agent可以读菜单，也能调用API。采购软件的人仍然是企业，工作结果最后服务于人。出了问题，负责签字的人不会因为任务由AI执行就消失。

把几个角色分开以后，办公Agent的产品要求就清楚了。它要让机器调用方便，也要让人看得懂过程；企业还需要控制授权，并在事后查清哪一步出了错。

Agent拿走操作权，企业仍然掌握授权。责任也没有离开人。

通用Agent卖的是能力上限。办公Agent开始接受现实约束，才有机会进入企业预算。公司付费购买的很少是一段漂亮回答，它们需要更快交付一项工作，同时把错误留在可以发现和纠正的范围内。

所以办公并非通用Agent退而求其次的垂直场景。它是通用能力第一次集中碰到身份、权限和责任的地方。模型在这里接受组织规则，Agent才从能做很多事走向能被长期使用。

05编程Agent先跑出来，因为代码会给反馈

Agent最先在编程领域形成稳定使用习惯，并不偶然。

代码有一项办公文档很少具备的东西，自动验证。

程序能不能编译，测试是否通过，页面有没有报错，这些结果可以被机器直接读取。Agent写错代码，运行测试后就能获得反馈，再回去修改。这个循环不需要人每次都从头检查。

Anthropic在讨论有效Agent时也把可验证性放在重要位置。固定决策树可以直接写工作流，成本低，也更受控。适合Agent的任务需要探索，任务本身还有足够价值承担Token成本。代码恰好符合，它复杂，却能通过测试快速发现大量错误。

Claude Code、Codex和Cursor推动了一种新的使用方式。用户给出目标，Agent读取代码库，修改文件后运行测试。人逐渐从逐行编写转向审查改动和决定方向。

Karpathy在2026年的一次访谈中谈到，模型对连续编码任务的完成度出现明显提升。他也给这种更严肃的做法起了一个名字，Agentic Engineering。质量标准还在，工程师需要设计环境、约束范围并验证结果。

这和早期Vibe Coding的差别很大。随手做个小工具，跑起来就算赢。进入生产系统后，代码必须可维护，安全问题也得处理。Agent写得再快，没人检查的改动依旧可能埋雷。

编程Agent的成功给办公Agent提供了一张参考答案。模型能力很重要，能持续提供反馈的环境更重要。

测试通过不代表产品一定有价值，却能筛掉大量明显错误。办公工作缺少统一测试，验收成本更高。

一份行业报告语句通顺，数据可能已经过期。一张销售表计算正确，口径也可能拿错。PPT做得漂亮，老板要回答的问题却没有出现。AI能够检查格式，业务判断仍然藏在组织经验里。

代码Agent面前有单元测试。办公Agent面前坐着一个会改需求、掌握隐性标准、最后还要承担责任的人。

办公Agent比编程Agent更难。它处理的对象常常没有唯一答案，错误后果也难以立刻显现。一个公式错了可能当天暴露，一份错误的客户判断可能一个月以后才看出代价。

办公场景又偏偏最有商业价值。这里有大量重复任务，企业愿意为节省时间付钱。文档、会议和业务系统还在持续产生上下文。Agent每完成一次任务，就留下规划和修改记录，也留下人类接受或退回结果的反馈。

办公室因此成了Agent进入现实组织的训练场。

它会逼着产品解决记忆、权限和验收，也会源源不断地产生改进所需的执行轨迹。通用Agent在这里不能只展示能力，它得学会对结果负责。

06WorkBuddy押注开放，让外部能力进入同一个工作台

WorkBuddy的路线可以从9月2日的开放平台看得很清楚。

腾讯没有把所有行业能力都留给自己的产品团队做。平台开放Buddy应用和专家Agent，开发者可以发布Skill，也能通过连接器接入外部系统。硬件厂商则把设备的采集能力交给WorkBuddy理解和执行。

《科技日报》的报道提到，首批进入平台的生态伙伴超过百家。9款联名硬件同步亮相，行业应用覆盖金融、法律和医疗等场景。腾讯还把自己的Agent Harness封装成接口，让伙伴带着数据、流程和行业经验接进来。

WorkBuddy选择横向扩张。

WorkBuddy负责运行环境、用户入口和基础Agent能力。合作伙伴提供具体行业里的方法，也带来工具。开发者把一项能力做成Skill，理论上可以被许多用户反复调用。

它很像曾鸣说的能力分享。互联网早期，人把信息做成网页。今天，开发者把会做的事封装成Agent能力。平台要让供给变多，还得让普通用户容易找到和使用。

腾讯的优势很直观。它拥有微信、企业微信和腾讯会议等高频产品，也有云服务与大量企业客户。WorkBuddy官网已经展示这些连接。任务可以从聊天中发起，结果再回到协作环境。

开放接口不会自动带来繁荣生态。

Skill多了以后，质量差异会迅速出现。两个Skill都声称能做财报分析，用户很难在任务开始前知道谁更可靠。连接器拿到多少权限，错误操作如何撤回，也需要平台给出清楚规则。硬件加入后，上下文还会跨设备流动，隐私边界更难处理。

十万项生态资产没有十万次可信交付，数字就只适合放在官网上。

WorkBuddy想成为操作系统，需要承担审核和调度的成本。平台得知道当前任务需要哪项能力，也要判断调用失败后换谁。开发者提交的Skill能不能获得稳定分发，决定供给是否愿意长期留下。

开放路线最大的机会来自能力规模，最大的债务来自质量控制。

这是WorkBuddy接下来要打的仗。它要证明自己能连接很多工具，也要证明每次连接不会把责任甩回用户。

07豆包工作押注整合，把飞书上下文直接放进执行链

豆包工作选择了另一条路。

飞书官网对三者关系解释得很明确。豆包提供通用AI产品和个人入口，豆包工作负责执行真实任务，飞书提供企业身份、知识与协作环境。

飞书与豆包的组合，把企业Agent最难补的几块直接接在了一起。

员工用飞书账号进入豆包工作，Agent沿用原有权限读取文档、表格和知识库。它不能因为接入AI就越过组织授权。任务生成的文档和表格可以回到飞书，继续分享、评论和修改。

企业上下文不用从零迁移。会议、聊天和历史文件已经在那里。身份体系也已经运行多年。飞书积累的协作关系，给豆包工作提供了判断任务背景的材料。

一个普通聊天机器人收到做一份客户拜访方案，只能依赖用户临时上传的文件。豆包工作在获得授权后，可以读取客户历史资料，再把结果保存到原来的协作空间。过程少了几次搬运，企业也更容易管理数据边界。

豆包工作先把执行过程收进同一体系。

模型、企业知识和交付工具都在同一体系里，权限出错时也有统一管理员。字节还把Seed、Seedance和Seedream等模型能力放进产品，任务可以从研究继续走到图像或视频制作。

一体化带来稳定，也可能缩小外部创新空间。企业使用其他协作平台，接入成本会提高。第三方能力能否获得同等位置，还要看豆包工作的开放程度。

另一个问题更棘手。飞书过去围绕人类协作设计，消息、日历和文档都有成熟使用方式。豆包工作要利用这些资产，又不能被旧交互拖住。用户如果仍然需要在原来的页面里逐项确认，Agent只会变成飞书功能的快捷入口。

7月的组织整合因此很关键。字节把产品团队放到一起，试图让豆包的模型能力和飞书场景共同设计。市场与销售团队进入火山引擎，企业客户由同一套销售与交付体系承接。

现在判断这次调整能否成功还太早。官方页面已经显示出方向。豆包工作要接住个人任务，也要进入企业权限体系。它想把通用模型的规模和飞书积累的组织上下文放进一个产品。

WorkBuddy先扩能力边界，豆包工作先缩短交付过程。一个追求更多人接入，一个追求一项任务少掉几次交接。

两条路线最终都会碰到对方的问题。WorkBuddy需要更深的企业上下文，豆包工作需要更广的外部能力。开放和整合只是起手式，谁都绕不开另一半。

08大厂还在争企业软件的分发权

办公入口值钱，还有一个常被忽略的原因。它可能改变企业软件被发现和使用的方式。

今天一家公司购买CRM、数据分析或项目管理软件，通常由业务部门提出需求，采购和IT再做选择。产品卖出去以后，还要培训员工，让大家养成打开它的习惯。SaaS公司因此长期关注席位数和活跃用户。

Agent进入工作流程后，使用动作会发生变化。员工只说，帮我分析本月销售异常。至于读取哪张表，要不要调用CRM，最后用什么工具画图，可能由Agent判断。员工收到的是结果，很少关心中间打开了几个软件。

软件不会因此失去商业价值，它的分发对象却多了Agent。稳定的接口、清楚的权限说明和可验证输出，会直接影响Agent是否愿意调用。一个功能很好、接口难用的产品，可能在任务分配时被绕过去。

WorkBuddy开放平台具备应用商店的影子。开发者把Skill和连接器放进去，平台负责把它们推到任务面前。豆包工作则把飞书能力设成原生选项，企业文档和日历天然离Agent更近。

谁控制任务入口，谁就可能影响后面的软件选择。这个权力比桌面流量更直接，也更容易引起企业警惕。

平台会优先调用自己的服务，还是挑当前任务效果更好的第三方能力。一个Skill得到多少展示，由质量决定，还是由商业合作决定。企业换掉入口以后，历史任务和记忆能不能带走。这些问题现在没有统一答案，以后都会变成采购条款。

传统SaaS按账号和席位收费。Agent更关心一次调用花多少成本，能不能完成任务。两套计费方式会并存一段时间。软件公司若只守着人类界面，调用量可能增长，员工直接打开产品的次数却会下降。

参考材料里Agent成为软件新用户那句话，价值就在这里。下一轮分发未必从人点击图标开始。Agent会参与选择工具，平台则有机会收取分发费用，或者把第三方能力变成自己工作台的一部分。

人依旧决定买不买，也会承担使用后果。Agent获得的是操作与选择空间。平台如果把这块权力用得太随意，企业会保留多个入口，甚至自己部署Agent来降低依赖。

因此，WorkBuddy与豆包工作的竞争还会进入企业架构。开放平台能否保持足够中立，垂直整合能否避免把客户锁死，都会影响它们拿到多少长期任务。

桌面入口争的是打开次数，任务入口会重新安排软件订单。

09我们连这个时代的浏览器都没等到

曾鸣在最近的访谈里给了一个很不讨巧的判断。

他把通用技术的产业化分成三个时期。技术先成为基础设施，随后出现大量应用。等应用积累到足够多，新一代原生产品才会长出来。

在他的观察里，2026年刚进入智能体应用爆发的开场。OpenClaw让更多人看到Agent独立完成任务的可能，Skill则让能力可以被封装和分享。

很多人已经在猜谁会成为Agent时代的Google。曾鸣把时间拨得更早。他说，我们甚至还没有看到这一代的浏览器，Yahoo也没有出现，Google就更远了。

放进WorkBuddy与豆包工作的竞争里，这个判断很刺耳，也很有用。

浏览器当年完成了两件事。网站使用相近标准发布信息，普通人点击链接就能访问。供给门槛和使用门槛一起下降，网页才开始爆发。

今天的Agent还没有达到这种统一程度。Skill格式仍在变化，MCP解决了部分连接问题，身份和支付各有体系。用户要判断一个Agent能不能用，也缺少稳定依据。

企业场景更复杂。它必须知道谁授权，哪些数据能读，某项操作能否撤销。任务完成以后，还要保留记录供审计。浏览器打开错误网页，用户关掉即可。Agent执行错误任务，可能已经修改了业务数据。

曾鸣还提出，旧平台大概率很难自然演变成新平台。信息平台处理的是内容和人的匹配，Agent平台需要处理任务与能力的匹配。旧公司可以投入模型，也能重做产品，原有组织和商业模式仍会拖慢变化。

飞书并入豆包，让这个判断有了现实注脚。字节没有继续让飞书作为独立协作软件慢慢加AI，它直接调整组织，把产品能力放进新的豆包团队。这是一次主动打断旧路径的尝试。

腾讯的做法也很清楚。WorkBuddy没有满足于桌面工具身份，半年左右便推出开放平台。它知道单个Agent很难覆盖所有行业，需要建立新的能力供给。

两家公司都在争当那个浏览器的候选者，也都还缺关键条件。

WorkBuddy拥有开放姿态，还要建立事实标准。豆包工作握住飞书上下文，还要证明旧平台能够孕育新的任务入口。市场规模、模型榜单和下载量都不能提前回答这个问题。

Agent时代的入口，衡量标准会从谁被打开最多，转向谁被托付的任务最多。

托付比点击重得多。用户愿意把日程查询交给Agent，不等于愿意把付款审批也交出去。企业允许它读公开制度，不等于允许它修改客户报价。任务价值越高，信任建立得越慢。

所以我们现在看到的产品，仍然很像早期浏览器出现前的各种工具。它们在试探标准，也在教育用户。最后的入口可能来自现有大厂，也可能由今天还没出现的团队做出来。

那个时代的Google，确实还看不到。

眼下这场竞争只能决定谁先拿到入场券，离终局还很远。

10入口外面是流量，入口里面是责任

把办公Agent拆开看，竞争至少发生在几组完全不同的关系里。

用户先要有身份。个人账号可以处理自己的文件，企业账号必须继承组织权限。谁能稳定识别当前操作者，谁才有资格接触更重要的任务。

Agent随后需要上下文。它要知道项目进展，也得分清旧资料和当前版本。记忆并非越多越好，过期信息会让判断变差。系统需要选择此刻相关的内容，并保留它来自哪里。

工具决定Agent能做什么。界面操作适合临时任务，标准连接更适合高频工作。平台还要管理Skill质量，避免模型在一堆相似能力里选错。

任务跑起来以后，Harness控制过程。它安排重试，也限制预算。多Agent协作并不会自动提高质量，协调本身会增加错误点。简单任务硬拆成一队Agent，效果可能还不如一条明确工作流。

最后才到验收。

财务任务可以核对金额，代码可以跑测试。品牌方案和战略判断没有统一答案，只能引入人类反馈，或者寻找更接近业务结果的指标。验收信号越含糊，Agent越难靠执行记录持续改进。

这几层能力放在一起，才构成企业愿意长期使用的办公Agent。少任何一块，产品都可能停在演示阶段。

模型公司天然关注智能上限，办公平台天然拥有组织数据。云厂商擅长连接系统，创业公司可以从具体任务里磨出更好的流程。没有一家在开局就拥有全部答案。

WorkBuddy和豆包工作的战争因此很难用月活判断。免费补贴可以换来尝鲜，预装也能增加打开次数。企业是否把高价值任务持续交给它，才会形成长期收入和改进数据。

办公Agent也需要一套新的成绩表。打开应用的人数只能说明分发，不能说明工作完成了。更有用的记录是，一项任务交付后有多少内容被直接采用，人又花了多久返工。高风险操作还要单独计算撤销次数，并追踪权限异常。产品若只展示生成数量，很容易把忙碌误报成生产力。

新的成绩表会逼着厂商承认失败。Agent在第几步卡住，调用了哪项错误能力，人工最后改了什么，都应当留下记录。企业拿得到这些信息，才可能把更重要的任务逐步交出去。

完成率和返工时间也会改变企业采购。管理员不再只比较功能清单，产品能否解释失败，会和成功率一起进入评估。

每一次被接受的交付，都会告诉系统哪种计划有效。每一次退回也有价值，前提是产品能记录修改原因。平台把这些反馈保存并用起来，Agent才可能从做过一次走向下次做得更好。

关于Agent记忆和自我进化的研究也指向这里。成熟Agent面临的难点已经延伸到模型之外。它需要管理记忆，也需要可靠评估。执行轨迹只有碰到真实反馈，才能成为学习材料。

办公室恰好不断产生这类反馈。方案被老板打回，报表被财务纠正，客户邮件被重新改写。过去这些修改散落在聊天和文件版本里。谁能在合规前提下把它们转成可用的验收信号，谁就获得了更难复制的产品能力。

聊天框能带来访问量，验收机制才会带来长期托付。

我因此更看重任务验收权。平台一旦掌握企业怎样判断好坏，它就能更准确地选择Agent，也能反过来改进Skill。入口由此获得持续强化，不再只靠渠道守住位置。

11工作会先从岗位里流出来

办公Agent进入企业以后，受影响的也不只是软件公司。

曾鸣在访谈里提到，工业时代的组织围绕岗位建立。岗位有职责，职责对应汇报关系和薪酬。AI原生组织可能逐渐改用任务作为运行单元，人和Agent围绕任务协作。

很小的变化已经出现。

过去做一份行业报告，研究员负责搜资料，分析师整理数据，设计师处理图表。今天，一个人可以先让Agent完成初步研究，再调用另一个能力处理表格。人负责确定问题，也负责删掉站不住的结论。

部门不会第二天消失。岗位里的任务会先被拆出来。有些任务适合固定工作流，有些适合Agent探索。剩下那些目标含糊、后果较重的工作，人仍然需要亲自判断。

员工的价值也会重新分布。熟练掌握某个菜单的回报下降，知道该交付什么的价值上升。会写提示词只能带来短期优势，能给出清楚背景、限制条件和验收标准，才更接近长期能力。

腾讯研究院那场圆桌把这种能力叫AI领导力。人从执行具体事务，转向制定目标并验收AI的工作成果。这个说法容易被包装成管理学口号，落到每天的工作里其实很朴素。

你得知道一份报告哪里不能错。你得判断Agent缺了哪份材料，也要在它跑偏时及时叫停。最终交付出了问题，系统不会替你参加复盘会。

操作可以交给AI，责任仍然落在人身上。

职场人会碰到一个不太舒服的现实。过去很多能力靠操作熟练度证明，成果不好还能归因于时间不足。Agent把制作成本压低后，判断本身更容易被看见。选错问题的人，很难再靠一份精致PPT遮住。

创造力也会换一种定义。它未必是突然想出惊人的点子，更常见的形态是发现一个值得解决的问题，再提出过去没有的任务。Agent擅长在已有材料中组合，人需要决定哪件事值得做，以及结果将影响谁。

12谁先拿走验收权

回到开头那三件事。

飞书团队整合进豆包，豆包工作原生接入飞书。字节在补企业上下文和权限，也在缩短模型走到交付物的距离。

WorkBuddy开放平台，把行业应用、开发者能力和硬件接进同一套Agent底座。腾讯在扩大能力供给，并尝试制定接入规则。

两家公司都看到了办公Agent的机会。办公Agent是一套承担完整任务的工作系统，位于人表达目标之后，结果进入组织之前。

这个位置会接触大量企业软件，也会影响任务分给谁。平台可以调用自家能力，也可能选择第三方Skill。上一代入口分发信息，下一代入口开始分配工作。

胜负不会在一次发布会上决定。产品需要先处理低风险任务，慢慢获得更高权限。企业会观察它怎样失败，也会要求审计和撤回。谁能把失败控制在可承受范围，谁才有机会进入财务、人事和客户经营等关键流程。

WorkBuddy的开放生态能否建立稳定质量，豆包工作能否把飞书资产转成全新的任务体验，都要靠真实交付回答。

曾鸣说，今天连Agent时代的浏览器都没出现，更看不到那个时代的Google。我基本同意。

浏览器候选者已经站到桌面上了。标准还在变，用户的信任也远没建立。我们正在经历的这场办公Agent战争，更像在决定下一套工作协议由谁来写。

那个赢家未必拥有最强模型，也未必拥有最多旧用户。它会让企业敢于把任务交出去，知道Agent做过什么，并能判断结果是否合格。

谁先让托付变得可靠，谁就先拿到Agent时代的入口。

而对坐在电脑前的人来说，要练的已经很清楚。

少记几个按钮。多想清楚，你究竟要AI替你完成什么，你准备拿什么判断它做对了。

13参考资料

1.

SRI关于Shakey机器人的历史资料[1]

2.

ReAct论文[2]

3.

OpenAI发布ChatGPT[3]与函数调用说明[4]

4.

AutoGPT仓库[5]与循环问题记录[6]

5.

Microsoft 365 Copilot发布文章[7]

6.

Anthropic关于有效Agent[8]、Computer Use[9]、MCP[10]与Claude Code[11]的官方资料

7.

OpenAI关于Operator[12]与Deep Research[13]的官方资料

8.

Lilian Weng关于LLM Agent[14]与Harness Engineering[15]的文章

9.

Andrej Karpathy关于为Agent构建产品的讨论[16]与Agentic Engineering访谈[17]

10.

腾讯WorkBuddy开放平台[18]与科技日报报道[19]

11.

豆包工作官网[20]与飞书官方说明[21]

12.

虎嗅关于飞书组织调整的报道[22]

13.

张小珺与曾鸣的访谈[23]

14.

腾讯研究院关于下一代Agent的圆桌[24]

15.

Barry Zhang演讲[25]与

16.

Anthropic团队的MCP访谈[26]

[1]SRI关于Shakey机器人的历史资料：https://www.sri.com/hoi/shakey-the-robot/

[2]ReAct论文：https://arxiv.org/abs/2210.03629

[3]OpenAI发布ChatGPT：https://openai.com/index/chatgpt/

[4]函数调用说明：https://openai.com/index/function-calling-and-other-api-updates/

[5]AutoGPT仓库：https://github.com/Significant-Gravitas/AutoGPT

[6]循环问题记录：https://github.com/Significant-Gravitas/AutoGPT/issues/1994

[7]Microsoft 365 Copilot发布文章：https://blogs.microsoft.com/blog/2023/03/16/introducing-microsoft-365-copilot-your-copilot-for-work/

[8]有效Agent：https://www.anthropic.com/research/building-effective-agents

[9]Computer Use：https://www.anthropic.com/news/3-5-models-and-computer-use

[10]MCP：https://www.anthropic.com/news/model-context-protocol

[11]Claude Code：https://www.anthropic.com/news/claude-3-7-sonnet

[12]Operator：https://openai.com/index/introducing-operator/

[13]Deep Research：https://openai.com/index/introducing-deep-research/

[14]LLM Agent：https://lilianweng.github.io/posts/2023-06-23-agent/

[15]Harness Engineering：https://lilianweng.github.io/posts/2026-07-04-harness/

[16]为Agent构建产品的讨论：https://x.com/karpathy/status/2026360908398862478

[17]Agentic Engineering访谈：https://www.youtube.com/watch?v=96jN2OCOfLs

[18]腾讯WorkBuddy开放平台：https://open.workbuddy.cn/

[19]科技日报报道：https://www.stdaily.com/web/gdxw/2026-09/02/content_574097.html

[20]豆包工作官网：https://www.doubao.com/work

[21]飞书官方说明：https://www.feishu.cn/content/article/7677519271848610746

[22]虎嗅关于飞书组织调整的报道：https://www.huxiu.com/article/4879565.html

[23]张小珺与曾鸣的访谈：https://mp.weixin.qq.com/s/KiN29IcdzkNY_Yo4GJus0w

[24]腾讯研究院关于下一代Agent的圆桌：https://mp.weixin.qq.com/s/6tp0Dq5vpY8j-mWuwwK87A

[25]Barry Zhang演讲：https://www.youtube.com/watch?v=D7_ipDqhtwk

[26]Anthropic团队的MCP访谈：https://www.youtube.com/watch?v=CQywdSdi5iA