百度搭子追WorkBuddy，不能只拼“干活”

2026年，硅谷正在把办公从“人操作软件”，改成“人交代任务，Agent操作软件”。

微软继续围绕Microsoft 365做Agent，把Copilot Cowork、Office里的Agent能力以及Agent 365逐渐连起来；Google让Workspace Studio把企业SOP变成可复用的Agent流程；OpenAI 7 月发布 ChatGPT Work，让它跨文件和连接的应用持续工作数小时。

产品形态不同，但方向逐渐靠拢：Agent 不重新做一套办公软件，而是争夺现有软件之上的任务执行层。国内的情况则稍微反常，第一轮真正跑出规模的，是 WorkBuddy、百度搭子这类更接近 Claude Code 的独立 Agent。

7月23日，腾讯发布了 WorkBuddy Bench，把七个头部模型装进 CodeBuddy Code 和 Claude Code 两套 Agent Harness，完成代码、网页、办公和安全四类共 260 项任务。其中，办公恰好是模型与 Harness 变化后表现最稳定的一类。在 CodeBuddy Code 环境里，七个模型得分落在77.47—82.37之间；换一套 Harness，七个模型里有五个得分变化不到2分，中位绝对变化只有0.86分。

这至少说明，在这组标准化办公任务里，模型和 Harness 暂时没有拉出像代码、安全任务那样明显的差距。“能把事情做出来”，正在接近一项越来越普遍的基础能力。

Agent 提高了任务完成速度，人的工作却没有按同样比例消失。一个研究员可以把五家公司的三年财务数据交给 Agent，让它找异常、查原因，再做成一页 PPT，过去最耗时间的步骤可以被大幅压缩。可如果研究员拿到结果后，还得重新打开财报、逐个检查数字、确认日期和来源，AI 省下来的制作时间，又有一部分变成了核对时间。

这是办公 Agent 接下来一道更难的题：会干活之后，怎么让人敢直接用。

百度恰好在这个时间点追了上来，它手里的牌与腾讯并不一样。昨日发布的Q2财报显示，百度 AI 应用季度收入为25亿元，同比增长3%；6 月，搭子企业版上线；同期百度文库和网盘的AI DAU 渗透率同比增长27.4%。这些收入和用户并不全部来自办公 Agent，但意味着百度不是从一个空白的桌面产品开始竞争——它身后还有搜索、文库、网盘等已经运行多年的信息和文件体系。

当“把事情做出来”越来越接近基础能力，办公 Agent 的竞争开始向两头移动：一头是用户为什么愿意把第一项真实任务交给它；另一头是任务做完以后，为什么敢不再重新检查一遍。

腾讯和百度手里的旧资产，恰好分别对应这两个问题。

第一项任务，比一次下载更重要

Agent 比 Chatbot 更需要别人教你怎么用。

ChatGPT 刚出现时，用户几乎不需要产品教育，打开一个对话框，问一句“北京明天天气怎么样”，用户就能理解它是什么。Agent 复杂得多，它能读本地文件、改 Excel、操作浏览器、调用 Skill、执行几十分钟的任务，还可以定时运行、连接外部软件。能力越多，用户反而会面临一个更具体的问题：我现在到底应该把哪件事交给它？

对Agent来说，最有效的产品说明，往往是别人已经做出来的东西。7月1日，微软三名研究人员公布了一项关于公司内部 Claude Code 和 GitHub Copilot CLI 采用情况的研究。他们分析了微软数万名工程师在 2026 年初的真实使用数据。研究把“第一次使用”和“之后持续使用”分开，结果显示，两者由不同因素驱动：工程师之后会不会留下来使用，更多与自身编程活动相关；但一开始会不会试，明显受到周围同事影响。

论文对此的概括很直接：first use spread primarily through social networks，即第一次使用主要沿着社交网络传播。并建议企业在推广 Agent 时，把“visible peer use”，也就是让人看到身边的同事正在实际使用，纳入推广策略。

研究对象是微软工程师，产品是Coding Agent，不能直接推导所有办公用户都会重复同样的路径。但它解释了一个 Agent 产品很特殊的传播机制：功能介绍没有任务演示有效。

腾讯正好有一张适合承载这种传播的关系网。WorkBuddy 已经支持用户从微信、企业微信、QQ、钉钉、飞书等通信入口远程给电脑下发任务并接收结果，腾讯至少拥有一张更容易让 Agent 使用方式在同事、朋友和群聊中被看见的关系网。

传统互联网经常衡量获客成本 CAC，Agent 时代可能需要多看一个传统互联网不太关注的指标：获得第一项真实任务的成本，广告可以购买安装量，免费 Token 可以换来注册量，但两者都不能保证用户知道第二天该拿它做什么，同时做出来的结果还可以。

这也是为什么 WorkBuddy 目前超过 1100 万的 PC 月活值得观察，但还不能简单解释成“腾讯流量大，所以腾讯赢了”。产品能力、补贴、上线时间和市场投放都会影响数字，现阶段没有证据可以证明微信关系链与 WorkBuddy 的增长存在单一因果关系。更准确的说法应该是：腾讯拥有一项恰好适配 Agent 冷启动问题的资产。

百度搭子的增长速度则说明，市场还远没有定型。百度 3 月正式推出 DuMate，官方资料显示，它从一开始就定位为桌面级办公 Agent，之后保持了非常高的迭代频率。截至8月7日个人版已推进至v1.0.67，期间陆续增加网页发布、内嵌浏览器、远程任务和自动化模板等能力。8月12日，百度披露，搭子上线以来日均提问次数已经增长60倍，近一个月又增长两倍。

但如果竞争一直停留在“谁能更快让用户知道 Agent 能干活”，百度面对的是一道不那么有利的题。腾讯可以利用人与人的关系，让一个任务沿着同事、朋友和群聊继续传播。搜索可以带来需求，文库和网盘可以带来内容，地图可以带来位置，云可以连接企业，但它很难短期再造一张微信式的人际关系网。

所以它需要换一道题，不是继续证明自己的 Agent 也会干活，去证明当 Agent 干完活以后，用户可以少检查一遍。这才是搜索、专业内容和知识体系真正可能重新变得值钱的地方。

搜索的“旧”资产，只有变成证据链才值钱

Agent 做得越多，人验证它的成本就越重要，这是办公 Agent 与 Chatbot 最大的区别之一。

让模型写一篇文案，里面有一句错误，修改一句就可以。让 Agent 完成一次行业研究，它会自己搜索、筛选材料、提取数据、计算、形成判断，再制作文件。链条越长、任务执行得越完整，一个早期错误被放大的空间反而越大。

接入搜索也没有彻底解决这个问题。ACL 2026 的多项工作仍在专门研究 RAG 场景中的幻觉检测，其中一项方法直接将生成内容与检索证据对齐；另一项构建长上下文 RAG 基准的研究发现，现有幻觉检测器距离性能上限仍有明显空间。换句话说，检索到了材料，并不等于最后生成的每一句话都得到了材料支持。

所以，“有搜索”和“可信”中间仍然隔着一层东西——证据。

模型不忠实于证据是一层问题；更麻烦的是，证据本身也正在变得越来越难选。这个问题还因为 GEO 变得更复杂，过去 SEO 优化的对象是搜索排名。GEO 出现以后，内容生产者开始研究怎样让自己的页面更容易被 ChatGPT、Gemini、Perplexity 等生成式搜索选择、引用和写进最后答案。

7月15日，一篇汇总2023年至2026年45项 GEO 研究的预印本综述进一步收紧了结论。作者认为，目前能够较稳定证明的是，当一个页面已经进入检索上下文以后，对内容进行调整可能改变它被引用或者采用的概率；但尚没有哪套方法证明自己可以长期、跨平台稳定控制自然曝光。不同引擎之间还存在来源重合度低、相同问题反复运行时结果波动等情况。

换句话说，未来办公 Agent 要面对的互联网，不只是信息越来越多，越来越多的信息，还在主动研究怎样被 Agent 看见。

这会让一个过去很“旧”的互联网能力重新变得重要，即哪些网站可信，哪一条是原始信源，哪些内容只是转载，哪一个数字更新得更晚，两条来源冲突时应该信谁。搜索引擎过去二十多年一直在解决其中一部分问题，这也是百度进入这场竞争时真正特殊的地方。

3月发布搭子时，百度就把自己的搜索能力直接做成了内置 Skill。4 月 27 日，百度千帆又将百度搜索、百度百科、深度研究、智能PPT生成等能力封装成标准 Skills，允许 Agent 调用。其中百度搜索负责实时网页与资讯检索，百度百科提供结构化百科信息。百度文库又补上了另一类信息，其专业文档资源搭配网盘之后，百度可以同时覆盖公开网页、专业材料和用户自己的私人文件。

当然，百度也不是从零开始铺设这条证据链，此前在搜索侧已经把多源比对、信源身份核验、“先筛后用”和多源交叉验证做进信息筛选流程，千帆的深度研究 Agent 也可以直接调用搜索组件识别权威信源；百科也有多轮审核和结构化知识体系，可以为 Agent 提供另一层经过筛选的知识底座。

不过，做过二十年搜索，不代表今天的 Agent 天然可信。百度搜索同样处在一个GEO、营销内容、网页更新和低质信息共同构成的互联网里；百科和文库也有各自的数据边界。更重要的是，前面的 ACL 研究已经证明即使找到了正确材料，模型也可能在最后生成时偏离材料。

所以百度面对的第一道难题，无关于信息，而是能不能证明最终那句话和信息之间是什么关系。

这要求产品向前走一步，比如，一份由搭子生成的行业研究里，一个市场规模数字不应单显示“来源：某媒体”，而可以直接回到原始报告中的具体位置；一个上市公司的毛利率，尽量回到年报而不是财经网站转载；一条监管政策直接连接政府文件，并显示发布日期和当前是否有效。

当两个来源的数据不一致时，Agent 不应静默选择其中一个继续做 PPT，而应该把差异暴露出来。真正有用的证据链，也不是给整篇报告末尾挂十几个链接，其应是让每一个关键判断都能回到支持它的具体证据。

第二道则来自百度自己的资产，搜索、百科、文库、网盘分属不同类型的数据。一份 Agent 报告里，公开网页、百科词条、第三方研究报告和用户自己的公司文件，可信范围并不一样，如果最后全部被模型揉成一段没有区别的自然语言，用户根本感受不到百度多年的数据积累。

这要求搭子把来源类型产品化，哪些是公司内部文件，哪些来自公开互联网；哪些是企业公告，哪些是媒体报道；哪些只有一个来源，哪些已经被多个独立来源确认，都应该能在任务结果中区分，毕竟资产只有被用户看见，才能转化为产品优势。

真正可用的“可信”不会是所有任务一律重验证，而可能像安全权限一样分层：普通创作追求速度，行业研究增加引用，金融、法律和重要决策任务再进入更严格的证据模式。搜索时代，百度解决的是：资料在哪里，Agent 时代，它有机会继续回答一个更迫切的问题：机器为什么相信这份资料，以及人为什么可以相信机器。

现在判断办公 Agent 的胜负为时尚早，7月，中国 PC 端 AI 办公产品的月活刚刚超过 3000 万。WorkBuddy 超过 1100 万，百度搭子约 670 万，TraeWork 等产品还在后面快速迭代。和传统办公软件的用户规模相比，这更像第一批用户开始选择工具，而不是市场格局已经形成。

但第一阶段已经让不同公司的优势开始显形，腾讯最容易兑现的是关系，百度的优势，则源于搜索、百科、文库、网盘，都不是为 Agent 时代设计的产品。

过去几年，它们甚至常常被视为上一轮互联网留下来的资产，但 Agent 开始真正干活以后，问题发生了变化。模型生成文字已经足够便宜，检索信息也越来越容易。真正没有同步消失的，是最后那一步：有人必须判断结果究竟对不对。

百度因此有机会把一项旧能力重新做一遍，只是这一次，它不能停留在“我能搜到更多东西”，它需要把搜索排序变成信源选择，把百科和文库变成不同等级的证据，把网盘里的私人上下文和互联网材料区分开，再把所有证据明确连接回 Agent 最终交出来的每一个重要判断。

如果这件事最终成为专业办公真正愿意付钱的能力，那么搜索时代给百度留下来的最重要东西，可能不再只是一个流量入口，还有二十多年来一直被藏在搜索框后面的那项能力——决定一个答案，究竟应该从哪里来。

*题图及文中配图来源于网络。