豆包工作来了！死磕千问办公/WorkBuddy，争做AI办公搭子？

AI办公这张牌桌上，终于等来了「豆包工作」。

8月25日，靴子落地，「豆包工作」发布上线。说新不新，豆包工作直接脱胎于豆包此前的「工作任务」模式，只是这一次正式独立出来，有了单独的名字和桌面端，同时还保留在豆包电脑版里。

图片来源：雷科技

能干的事情已经很多了。写文档、做表格和PPT只是基础，它还能生成图片、视频、网页甚至应用，生成之后可以继续局部修改；任务再复杂一点，也能直接操作浏览器和电脑，自己查资料、填表、调用软件，或者丢到云电脑里慢慢跑。

不过这场仗，豆包来得不算早。

腾讯WorkBuddy今年3月上线，阿里在8月初把QoderWork、悟空和MuleRun整合成「千问办公」，金山也在继续推WPS灵犀。海外更早一步，Anthropic年初就推出Claude Cowork，OpenAI则在7月合并ChatGPT和Codex时，也将原本的Codex Work模式打造为ChatGPT Work。

各家为什么突然这么着急，尤其是在国内。雷科技此前在《豆包工作来了！字节/阿里/腾讯/金山集体“梭哈”AI办公》中已经聊过，原因并不复杂：

消费级AI用户很多，付费依然很难；办公天然存在大量重复、耗时的任务，也有企业这样明确的付费方。到了Agent阶段，AI又终于有机会从「帮你写几句话」，走到真正替你完成一部分工作。

但选择太多有时候也是一种「幸福的烦恼」，大家都在做AI办公，从企业到个人又该怎么选？

都会做PPT，然后呢？

乍看之下，各家的产品、功能和设计大体都很接近。ChatGPT Work、Claude Cowork可以调研、分析、调用文件和连接器，读文件、操作浏览器和工具进行复杂任务，最后交付文档、表格、PPT、报告甚至网站。

国内几家也差不多。WorkBuddy、千问办公、豆包工作都在做桌面操作、云端任务、技能、连接器甚至多Agent协作。每家发布会上都可以展示类似的场景：一句话交代任务，AI自己搜资料、做分析，半小时后端回来一份PPT。

大家卷到最后，怎么都长一个样？

豆包工作，图片来源：雷科技

但差异往往在水面下。AI办公到底好不好用，至少看三件事：它知道多少你的工作信息，能够进入多少真实工作环节，以及最后交出来的东西离「直接用」还有多远。

从这个角度看，各家的底牌很不一样。

腾讯这边，微信、企业微信、腾讯会议、腾讯文档和ima都能接入WorkBuddy。一个本来就在腾讯办公体系里的团队，用WorkBuddy时少搬几次文件、少解释几遍上下文，本身就是优势。

阿里则有钉钉和阿里云。千问办公把QoderWork、悟空、MuleRun合在一起，也是一次很明显的收兵：桌面操作、云端Agent、自动化工作流最后归到同一个入口，再继续往钉钉和企业服务里扎。

金山守着一块更传统，也更牢的地盘——文档。很多Agent都能生成Excel和PPT，但WPS本来就长在文档里。格式、公式、编辑、分享、协作，用户做完之后还是留在熟悉的软件里。听起来没那么新鲜，对大量办公室用户却很实际。

到了豆包这里，又不太一样。一边是豆包已经形成的用户规模和品牌影响力，一边则是飞书提供办公所需的大量上下文。

这也是豆包工作真正区别于其他AI办公平台的关键。使用飞书账号登录后，它可以在权限范围内调用聊天记录、文档、会议纪要、日程等企业信息，再据此完成任务，最后产生的新内容也能继续沉淀回飞书。

这很重要。

今天会搜资料、做PPT、操作电脑的Agent已经越来越多，但到了真实办公室里，一个AI到底好不好用，很大程度上取决于它知不知道你在干什么。上周开了什么会？老板改过哪版方案？项目现在推进到哪里？之前为什么否掉那个决定？

这些东西，模型本身不可能知道。而飞书这些年积累下来的消息、会议、文档和权限体系，刚好给了豆包工作一份现成的「工作记忆」。

当然，飞书解决的是办公场景的上下文，让豆包工作可以知道什么。知道之后能不能稳定把活干完，又是另一回事。

不是最早的，豆包工作却可能普及最快

晚几个月入局当然也有代价。WorkBuddy已经提前跑了一段时间，千问办公刚刚完成产品整合，WPS则守着庞大的办公用户和文档体系。海外还有ChatGPT Work、Claude Cowork，在模型和Agent能力上都很难绕开。

但后发也意味着少踩一些坑，豆包工作今天一上线就已经相当完善。

毕竟AI办公平台过去一年已经慢慢摸出了一套标准答案：要能操作桌面，要有云端长任务，要有技能和连接器，最好还能多Agent协作；到了企业里，还得接入知识库、权限和组织上下文。

事实上，今天AI办公还没有真正走到普通用户面前。技能、MCP、连接器、云电脑、多Agent……这些词对于从业者、科技博主和媒体可能很熟，对普通办公室用户却没有任何必要。

WorkBuddy，图片来源：雷科技

用户只想把活干完，比如一句「把上周几个会议整理一下，做一份项目进展PPT」。

理想情况下，他不需要知道AI背后调用了哪个技能、开了几个Agent，也不用自己找到三份会议纪要再逐个上传。Agent应该自己找到资料、理解上下文、做完PPT，再给用户一个可以继续改的结果。

听起来顺理成章，真正做起来却没那么简单。

Agent在Demo里永远很聪明，真实办公室要混乱得多。网页突然弹验证码，Excel格式被改乱，两个文件名字差不多，权限只差一级，老板一句「还是之前那个感觉」可能还要翻十几份旧文档才能知道他说的到底是什么。

AI只要在一条长任务里连续犯几次错，用户省下来的十分钟，很快又会花在检查和返工上。

至于豆包工作，我至少相信字节产品团队在易用性上的实力，不管是剪映还是豆包，他们非常擅长「化繁为简」，把产品的使用门槛大大降低。但实际表现如何，如果大家期待，后续我们也可以单独写一篇。

为何AI办公一定需要独立客户端？

还有一个细节容易被忽略。

7月，OpenAI正式合并ChatGPT和Codex的桌面端，随之也上线ChatGPT Work。普通用户打开ChatGPT桌面端，「聊天」和「工作」直接并排放着。平时问一个问题用「聊天」，要完成一项复杂工作再切到「工作」。

Anthropic的Claude Cowork也是类似思路，直接集成在Claude桌面端。

但国内几家巨头却默契地走向了另一边。WorkBuddy从一开始就是独立客户端；千问办公也有自己的独立客户端；现在豆包工作同样有了独立客户端，但也保留了豆包里的「工作」模式。

所以为什么要独立出来？

这个问题首先要回到用户习惯上。打开豆包、千问或者元宝，你大概率还是会问一句话。查个东西，翻译一段文字，写份邮件，或者随手聊两句。过去几年，以ChatGPT、豆包为代表的聊天机器人已经把「对着输入框提问」训练成了很牢固的用户习惯。

但AI办公要干的事情复杂很多。你交给它的可能是一项跑半小时甚至几个小时的任务。它要找文件、开网页、调用软件、等页面加载，还要管理任务进度、工作空间、技能、连接器和云电脑。

更麻烦的还是认知习惯。一个输入框摆在那里，用户什么时候应该问它一句，什么时候应该把一整个活交出去？厂商知道两者能力边界完全不同，普通用户未必知道。

所以不管是豆包，还是ChatGPT，都设计了「聊天」和「工作」模式。

豆包「对话」「工作」和ChatGPT「聊天」「工作」，图片来源：雷科技

但不同的是，国内厂商对于AI办公的构想还是有些不一样，除了更看重产品的使用门槛，给了更多的引导设计，还有另一层特殊情况。

阿里有钉钉，字节有飞书。它们做AI办公，实际上都要处理原本复杂的产品关系，所以在产品推出之前，我们先看到的就是组织架构上的调整——阿里将悟空、MuleRun与QoderWork团队整合到新任钉钉CEO麾下，字节则是将飞书整合进豆包团队。

然后才是千问办公、豆包工作。

更重要的是，做成独立产品，能给自己留出了「设计」空间。以主页为例，豆包工作、千问办公以及Workbuddy的界面，事实上都比ChatGPT Work更复杂。尤其是Workbuddy，可以说是目前主要AI办公平台「要素」最复杂的。

图片来源：雷科技

办公搭子越来越多，OFFER你给谁？

问题最后还要回到用户。如果把WorkBuddy、千问办公、豆包工作、WPS灵犀都摆在面前，到底选谁？

企业用户其实相对好选，关键先看看本身的办公环境和工作流。

公司大量使用腾讯平台，WorkBuddy用起来更顺畅；组织已经深度使用钉钉，千问办公接起来更省事；原本就在飞书上工作的公司，豆包工作有天然优势；大量业务围绕WPS文档、表格和PPT展开，WPS灵犀也很难绕开。

模型的重要性反而可以往后靠一点。今天A模型领先，过几个月可能就换成B模型。企业真正迁不动的，是几十万份文档、几年的会议记录、一整套员工权限、审批流程和组织关系。

一个Agent模型再聪明，每次开始工作都得让员工重新上传五六个文件、解释一遍前情，效率很快就被磨掉了。

个人用户则简单很多。偶尔查资料、做PPT、整理文件，没有必要一开始就押宝某个平台。ChatGPT Work、Claude Cowork、WorkBuddy、千问办公、豆包工作都可以试，用一段时间自然会留下那个最顺手的。

办公软件从来没有真正统一过。财务活在Excel里，销售离不开企业微信，互联网公司一天开着飞书。AI想成为新的工作入口，需要先直面这些使用习惯。

接下来，大家都会继续加功能、卷模型、做更漂亮的Demo。但真正决定一款AI办公产品能不能留下来的，还是那个最普通的问题：

明天上班，你还会不会打开它？