序前言 · AI 下半场From Foundation Models to Agents
为什么是现在过去三年，AI 行业的主线是基础模型的军备竞赛——更大的参数、更强的榜单分数。而当模型能力越过"可用"的门槛之后，竞争的焦点正在转移：谁能让 AI 真正进入工作流程、交付可验收的结果。AI 进入了下半场，能力比拼从基础模型转向 Agent（智能体）应用。
一个标志性的事件是 OpenClaw（龙虾）的现象级走红。这个开源项目第一次向大众直观地证明：AI Agent 已经具备自主规划与自主执行的能力——它不只是回答问题的工具，而是能够围绕一个目标，自己拆解步骤、调用工具、操作环境，把事情做完的"执行者"。从"会回答"到"会做事"，是下半场与上半场最本质的分界线。
AI 的上半场属于模型，下半场属于能交付结果的 Agent。企业生产力的解放，从"人人都拥有一个能干活的 AI 搭档"开始。
本白皮书核心观点对企业而言，这意味着 AI 的价值不再取决于"是否接入了某个大模型"，而取决于每个员工是否都有一个全场景的 AI 办公工作台——能听懂自然语言、自主拆解任务、调用工具执行、直接读写业务文件，并交付可验收的结果。在这一赛道上，腾讯 WorkBuddy 已经建立了明确的领先优势：
市场地位：用户规模与使用热度绝对领先数据来源：易观分析 × QuestMobile
单应用月活跃用户（MAU）已突破 2000 万
—— 易观分析
活跃用户规模 × 总使用次数
双口径市场份额第一
Q2 活跃用户环比 +115%
Q2 使用次数环比 +167%
对银行业而言，这是一个生产力结构的调整窗口
银行业的特殊性在于：人员规模大、知识密集、流程严谨、合规要求高。这决定了银行既是 AI Agent 价值最大的行业之一，也是对工具的安全性、可控性要求最严格的行业。降本增效的经营压力、全员 AI 素养的建设要求、同业竞速的现实，都在要求银行尽早回答一个问题——AI 如何进入日常工作的每一个环节，并且以合规、可控的方式进入。本白皮书尝试给出一个经过实践检验的答案。
1WorkBuddy 是什么Not a Chatbot, but an AI Colleague
定位WorkBuddy 不是一个聊天机器人，而是一位 "AI 同事"：它能听懂自然语言、自主拆解任务、调用工具执行、直接读写业务文件，并交付可验收的结果。
过去大家熟悉的 AI 工具——无论是 ChatGPT、豆包还是 DeepSeek——本质上是一个具备语言能力的应答系统：你提问，它作答，作答完成之后，事情仍然要你自己去做。WorkBuddy 所属的工具类别，业界统称为 Agent（智能体）：在语言能力之上，进一步具备了执行能力与工具调用能力——不仅说明，更能动手完成。
| 对比维度 | 既往的 AI 工具（Chatbot） | WorkBuddy（Agent） |
|---|---|---|
| 本质定位 | 具备语言能力的应答系统 | 兼具语言、执行与工具调用能力的 AI 同事 |
| 接到"整理这张表"的指令 | 说明整理的方法步骤，由你自行操作 | 直接打开文件并完成整理 |
| 能否处理本地业务文件 | 不能，须手动复制、粘贴内容 | 能，可直接读写本地文件 |
| 处理复杂事项 | 需多次追问、逐步引导 | 给出目标即可，自主拆解步骤、连贯执行至完成 |
| 周期性汇总工作 | 每次手工重复 | 设定定时任务，按周期自动执行 |
| 最终交付物 | 一段文字说明 | 可直接验收使用的成果：报告、表格、网页、演示文稿 |
它替代的正是日常工作中最耗时、最繁琐的执行环节：处理文件时的分段复制粘贴、复杂事项的多轮追问引导、来源有限且难以核实的检索、每周重复的汇总工作。WorkBuddy 可以多轮检索、交叉核实多个来源后再形成结论；可以记住使用者的偏好与历史，换个对话也不必重新交代背景——用得越久，越像一位熟悉你工作方式的老搭档。
产品演示：四种典型工作场景视频演示
以下演示视频来自 WorkBuddy 官网的四个典型场景——研究、文档、设计、开发，配导读文字。切换标签查看；视频自动循环播放，可随时暂停。视频文件（scene1-4 mp4）随本页一同分发，请与本 HTML 放在同一目录。
深度研究：从"搜资料"到"出报告"
一句自然语言交办研究主题，WorkBuddy 自主拆解检索任务、多来源交叉核实，产出结构化研究报告。行业调研、舆情分析、竞品跟踪——银行里的研究类工作，都是同一形态。
文档生成：从"空白页"到"可验收的成品"
报告、表格、演示文稿，描述需求即可一步生成，保留模板样式、可直接验收使用。材料撰写、数据汇总、汇报制作，不再从空白页开始。
设计创作：从"等排期"到"即提即得"
用自然语言描述需求，生成图文并茂的页面与物料。营销落地页、活动海报、产品原型——设计类工作不再卡在排期与反复改稿上。
代码开发：从"写脚本"到"交付工程"
理解需求、编写代码、调试运行，交付可运行的工程而非代码片段。从接口脚本到完整应用，研发智能体与银行工程流程无缝衔接。
2产品形态与功能Product Form & Features
能力解剖三种工作模式：问一问 · 做一做 · 想一想执行权限
WorkBuddy 提供三种工作模式，对应不同的执行权限与交互方式。首次使用从"问一问"开始，熟悉后按任务复杂度切换——重要操作始终在人的掌控之中：
仅问答与信息查看，不修改文件。适用于了解内容、确认需求、评估可行性。
只读安全直接执行任务并修改文件。适用于文档生成、表格处理、文件整理等目标明确的任务。
直接执行先生成执行计划，确认后再操作。适用于多步骤任务、需要审阅改动范围的场景。
先审后做六大板块：一个入口，能力成体系功能板块
WorkBuddy 以桌面客户端承载统一入口，左侧边栏六大板块——任务、助理、项目、专家（技能 / 连接器）、自动化、更多（资料库 / 灵感）——把所有能力围绕"任务"组织在同一张工作台上；记忆则在后台持续沉淀偏好，越用越懂你：
每个对话是一个独立任务，多任务并行互不干扰；右侧边栏验收产物、浏览文件、核对变更——任务是最基本的工作单元。
工作基本单元默认的 AI 工作搭档：自然语言交办任务，@ 引用对话文件、/ 调用技能与指令，三种工作模式在此切换。
随身 AI 同事按项目组织任务与文件，独立工作空间与上下文，长期工作有归属、不串线。
按项目组织100 多位领域行家与专家团随叫随到；技能市场装载成熟工作流；连接器打通文档、邮箱、知识库等既有系统。
能力三件套把周期性工作设定为定时任务，按日、按周自动执行，到点交付成果。一次设定，长期生效。
重复劳动归零资料库沉淀企业知识与业务文件，随取随用；灵感库汇集可复用的案例模板，好做法不再从零开始。
知识与灵感三代产品形态的演进：Chatbot → Workflow → WorkBuddy代际对比
从 Chatbot 到编排型 workflow 再到 WorkBuddy，AI 工具经历了三代演进。WorkBuddy 的领先不在于"回答得更好"，而在于理解复杂指令、自主思考规划、工具技能调用、本地操作执行、沉淀与创造企业资产五项能力的完整闭环。
| 能力维度 | 第一代 · Chatbot （ChatGPT / 豆包 / DeepSeek） | 第二代 · 编排型 Workflow （Dify / Coze） | 第三代 · WorkBuddy （全场景 AI 办公工作台） |
|---|---|---|---|
| 工作方式 | 一问一答，被动响应 | 按预先编排的固定流程执行 | 自然语言交办任务，自主规划执行路径 |
| 复杂指令 | 需拆成多轮追问逐步引导 | 流程之外的需求无法覆盖 | 理解复杂目标，自主拆解、连贯执行 |
| 工具与技能 | 基本不调用外部工具 | 可调用工具，但路径须人工编排 | 自主调用工具与技能，路径由 Agent 规划 |
| 本地操作 | 不能接触本地文件 | 通常运行于云端，难触达本地 | 直接读写本地业务文件，在真实工作环境执行 |
| 企业资产 | 对话结束即消散，无沉淀 | 流程可复用，但难生长 | 沉淀并创造企业资产：技能、知识、专家经验可持续复用 |
| 交付物 | 一段文字回答 | 一次流程输出 | 可验收的工作成果与可复用的组织能力 |
图文导览：三种工作模式与六大板块详解腾讯 CodeBuddy 官方文档 · 9 大模块 18 张界面实拍
页面形态：一个入口，六大板块
本地 AI 工作台WorkBuddy 以桌面客户端为载体，左侧边栏是统一导航：新建任务、助理、项目、专家、自动化、更多（资料库 / 灵感）；中间是任务对话区，支持 @ 引用对话文件、/ 调用技能与指令，并可在此切换工作模式、模型、技能、连接器与权限。
任务即工作单元
每个对话对应一个独立任务，任务之间互不影响，各自维护独立的工作空间与上下文；执行中的任务显示在左侧边栏，支持多任务并行处理。工作空间是 WorkBuddy 读取和保存文件的目录，建议按任务类型分别建立（如「发票整理」「周报」），降低误操作风险。
右侧边栏：产物、文件、变更、浏览器
任务产生对话后，可从右上角展开右侧边栏，查看当前任务的全部产出与改动，四个标签页各司其职：
| 标签页 | 功能 |
|---|---|
| 产物 | 查看当前对话中新生成的文件（PPT、PDF、文档等），支持直接预览，并可在系统文件管理器中打开所在位置 |
| 工作空间文件 | 以树状结构展示当前工作目录下的所有文件，便于直接浏览 |
| 变更 | 记录 AI 对文件的修改，支持差异对比查看新增、删除和修改内容 |
| 浏览器 | 直接预览开发中的网页，无需切换到外部浏览器 |
工作模式：问一问 · 做一做 · 想一想
三种执行权限WorkBuddy 提供三种工作模式，对应不同的执行权限与交互方式。首次使用优先选择 Ask；熟悉后再按任务复杂度切换至 Plan 或 Craft。处理重要文件前请先备份。
问一问
仅问答与信息查看，不修改文件。适用于了解内容、确认需求。
做一做
直接执行任务并修改文件。适用于文档生成、表格处理、文件整理。
想一想
先生成执行计划，确认后再操作。适用于多步骤任务、需审阅改动范围。
权限管理：两档控制
- 默认权限：涉及敏感操作（文件修改、工作空间外执行）时，需要用户确认执行或自行操作。
- 完全访问权限：减少确认步骤，允许 WorkBuddy 直接执行更多操作；仅建议在信任当前任务时使用。
专家：AI 顾问与 AI 协作团队
Expert Center专家用于为 WorkBuddy 配置专业角色，在特定领域中能以更明确的方法和视角完成任务。专家板块包含「专家中心」和「我的专家」：前者按行业分类浏览官方专家与专家团，后者创建并分享你自己的专家。专家团由多位专家分工协作，由团长自动拆解、并行执行并整合交付。
Skill、专家、专家团——什么关系？怎么选？
| 维度 | Skill | 专家（Agent 型） | 专家团（Team 型） |
|---|---|---|---|
| 组成关系 | 工具能力：让 AI 能做某件事 | AI 顾问：懂某个领域的 AI 角色 | AI 协作团队：自动拆解、并行执行、完整交付 |
| 怎么选 | 需要 AI 具备某种工具能力 | 有一个明确的单点问题 | 任务复杂，需要多角色配合 |
技能：为 AI 装上「特定工具能力」
Skills Market技能（Skill）封装一组可执行的脚本与工作流，使 AI 在授权下完成具体动作（发送邮件、查询股价、读写文件、调用第三方 API 等）。技能板块分为「技能市场」（官方推荐、一键安装）与「已安装」（本地技能、对话中直接调用）。内置 20+ 技能包，覆盖文档处理、数据报表、海报设计、文件整理等场景，兼容 OpenClaw 社区技能导入，也支持用自然语言创建自定义技能。
| 技能示例 | 效果 |
|---|---|
| PPT 制作 | 根据数据生成汇报演示文稿 |
| 海报生成 | 根据需求生成活动海报 |
| 自动化报表 | 合并多份 Excel 并输出图表报告 |
连接器：打通外部服务的桥梁
Connector连接器用于将 WorkBuddy 与外部服务对接，实现数据互通与能力扩展。技术形态分为 MCP + CLI（标准化协议）与 Skill + CLI（内置脚本）两类，在数据收集和权限边界上遵循一致原则。当前已支持 QQ 邮箱、腾讯文档、腾讯乐享、腾讯会议、企业微信、飞书、钉钉、TAPD、通达信、金山文档、微云等，并支持自定义连接器。
| 应用场景 | 说明 | 示例 |
|---|---|---|
| 数据查询 | 从外部数据源获取信息 | 查询数据库、检索文档 |
| 服务调用 | 调用第三方 API 完成操作 | 发送邮件、创建日程 |
| 文件管理 | 访问云端存储与文件系统 | 读取网盘文件、上传附件 |
自动化：让任务按时不折不扣地跑
Automation配置自动化后，WorkBuddy 按设定时间自动执行周期性、重复性任务（每日简报、周报汇总、定时数据整理），并将结果保存到指定目录。任务配置保存在本地客户端，在指定时间以当前登录身份自动发起 Agent 任务；执行完成后可自动推送至 WorkBuddy 微信小程序，第一时间查看结果。
配置项一览
| 配置项 | 说明 |
|---|---|
| 名称 | 用于区分不同自动化任务 |
| 工作空间 | 任务执行目录及文件保存位置 |
| 提示词 | 描述任务目标和输出要求 |
| 连接器 | 勾选即授权该连接器在任务中免确认使用 |
| 执行频率 | 周期 / 按间隔 / 单次 |
| 生效区间 | 可选，留空表示始终生效 |
资料库：把知识资产接进任务
Knowledge Base左侧边栏「更多 → 资料库」接入三大类知识库：ima 知识库（个人 / 共享 / 订阅，"搜读写"一体的 AI 知识工作台）、腾讯乐享（企业社区与团队知识资产，按团队空间检索）、腾讯文档（在线文档 / 表格 / 幻灯片）。授权后即可在任务中直接检索并引用库中内容，形成「企业知识 → AI 任务 → 成果回存」的闭环。
| 资料库 | 定位 | 授权后能力 |
|---|---|---|
| ima 知识库 | 个人知识管理、私域共享、公域探索 | 查看知识库列表、搜索资料、文件添加到任务、产物存回 |
| 腾讯乐享 | 企业培训、文档、问答等共享知识资产 | 按团队空间检索引用、创建和编辑知识内容 |
| 腾讯文档 | 在线协作文档 | 创建、编辑、协作文档 / 表格 / 幻灯片，内容查询与数据整理 |
记忆：对话越多，它越懂你
Memory记忆功能从会话历史中提取有参考价值的个人信息（事实信息、偏好习惯、人物关系、近期跟进事项）形成记忆数据并定期更新；后续对话时，与当前请求相关的记忆会作为背景信息一并参考。每晚整理当天会话，仅本人可见，可在「设置 → 记忆」中查看、编辑、删除或一键关闭。
记忆机制三件事
- 提取：默认开启，每晚从当天会话中由模型自动抽取，仅本人可见；
- 使用：注入系统提示词作为上下文，并支持对会话历史的检索（如「上周做过什么」「之前聊过的 XX」）；
- 管理：查看 / 编辑（用对话方式告诉它记住或忘记什么）/ 删除 / 一键关闭；支持从其他 AI 产品导入记忆。
能力协同总览
One WorkBuddy各大板块不是孤立功能，而是围绕「任务」组织的同一张工作台：页面承载任务、模式决定权限、专家提供角色、技能赋予工具、连接器打通外部、资料库供给知识、记忆沉淀偏好、自动化让一切按时发生。
页面
左侧边栏统一入口，任务独立并行，右侧边栏验收产物
工作模式
Ask 只读 / Craft 执行 / Plan 先审，权限两档可控
专家
行业 AI 顾问随叫随到，专家团自动拆解并行交付
技能
20+ 官方技能包，可装可关，自然语言即可创建
连接器
MCP+CLI 标准协议，腾讯生态与第三方服务即连即用
自动化
定时任务本地调度，结果推送小程序，模板开箱即用
资料库
ima / 乐享 / 腾讯文档三类知识库，引用与回存闭环
记忆
偏好习惯每晚沉淀，仅本人可见，可管可控可迁移
一句话下达任务 → 选择模式与模型 → 召唤专家、装载技能、接通连接器与资料库 → 交付可验收成果 → 记忆让下一次更懂你 → 自动化让重复任务不再动手。
3WorkBuddy 架构与核心价值Architecture & Core Value
三层工程体系01 系统架构总览：基础层之上的三层工程体系
基础大模型位于整个体系的最底层（L0 基础设施层）——它是底座，但不是全部。WorkBuddy 的真正工作量集中在基础层之上的三层工程体系：L3 智能体应用层、L2 智能体引擎层，以及内建于引擎层的安全、观测、弹性平台保障。核心公式：Managed Agents = Agent 内核（Harness 编排）+ 云端沙箱运行时（Runtime）——生产就绪、免运维托管、开即跑生产级 Agent，再往上由两类应用接入（WorkBuddy 通用智能体 + 企业自定义 Agent）完成场景化交付，构建与治理由 WorkBuddy Build / Admin 收口。
02 与优秀开源项目拉开差距
2026 年，OpenClaw、Hermes、OpenHuman、OpenWork 等开源项目推动了 Agent 技术的民主化，值得尊重。但它们有一个共同定位：面向个人 / 开发者的自托管工具。而 WorkBuddy 要解决的是另一个量级的问题——企业级、组织化、生产级。
2.1 四个开源项目定位速览
OpenClaw
自托管个人 Agent 网关
连接 WhatsApp / Telegram / Discord 等 20+ 聊天渠道，用 Markdown（SOUL.md）定义 Agent，4 层文件式记忆。Node.js 单进程网关，多 Agent 编排仍在 v4.0 规划中。
MIT 协议 · 个人 / 小团队Hermes
自我改进型个人 Agent
Nous Research 出品：持久记忆 + 自动写 Skill + cron 定时 + 6 种终端后端（local / Docker / SSH 等）。CLI / TUI 为主，强在研究与训练数据生成，面向技术型个人用户。
MIT 协议 · 个人 / 研究者OpenHuman
个人"数字分身"桌面应用
118+ 应用 OAuth 集成、Memory Tree 本地记忆、TokenJuice 压缩，桌面 Mascot 有"在场感"。早期 Beta，GPL-3.0 协议对商业场景有严格限制。
GPL-3.0 · 纯个人定位OpenWork
Claude Cowork 的开源替代
基于 OpenCode 引擎的桌面 UI：可视化执行时间轴、人在回路权限审批、Skills / 插件 / MCP。v0.1.x 早期阶段，SSO / SLA / LTS 等企业能力需付费版。
MIT 协议 · 个人 / 小团队Star 数量为 2026 年 7 月公开口径的保守估计（"10 万+"表示已跨过该量级），仅用于说明社区规模量级，不构成精确排名。
2.2 六维能力对比矩阵
| 能力维度 | WorkBuddy | OpenClaw | Hermes | OpenHuman | OpenWork |
|---|---|---|---|---|---|
| 定位与形态 | 企业 AI 工作台：本地客户端 + 云端数字员工 + Teams 协同 + Admin 治理，开箱即用 | 自托管聊天网关，Markdown 配置，面向开发者 | CLI / TUI 个人 Agent，面向技术用户 | 个人桌面分身应用，早期 Beta | 桌面工作台 UI，v0.1.x 早期 |
| Agent 运行时 | 云端生产级 Runtime：4C8G 独立容器、100ms 冷启动、预热池、Checkpoint / Version / Fork、自动休眠唤醒、单集群万级沙箱、故障自愈 | 无：单进程网关，Docker 沙箱为可选自建 | 部分：6 种终端后端（Docker / SSH / Modal 等）需自行搭建运维 | 无：本地桌面进程 | 部分：本机 OpenCode 服务或自建远程服务器 |
| 状态与记忆 | 4 类记忆（对话 / 语义 / 行为 / 程序）+ 多 Session 隔离 + AI 相关性注入 + 快照 / 回滚 / 分支 | Markdown 文件式 4 层记忆，向量检索待 v4.0 | Markdown 持久记忆 + Skill 自创建，跨会话续接 | Memory Tree 本地知识树，个人数据见长 | 会话与模板本地保存，无快照体系 |
| 多 Agent 协同 | 三种模式原生支持：单 Agent / SubAgent / AgentTeams（共享任务列表 + 消息通信）+ Teams 组织协同人 + 数字员工 | 规划中：多实例互不通信，supervisor 编排列入 v4.0 RFC | 部分：可 spawn 子代理并行，无团队协同层 | 无：单分身定位 | 无：单工作区会话 |
| 企业知识与系统连接 | 企业知识库（RAG）+ 连接器生态：腾讯文档 / 网盘 / 乐享原生内嵌，MCP 接入 CRM / 工单 / DevOps，企业 AI 资产沉淀复用 | 社区插件：ClawHub 技能社区，无企业知识治理 | MCP 扩展：可接 MCP 服务器，无组织级知识库 | 个人集成：118+ 个人应用 OAuth，面向个人数据 | Skills / MCP：本地技能与插件，无企业资产层 |
| 安全与治理 | 三位一体 + 全链路：行为 / 权限 / 网络三层管控，OneID 认证、KeyVault 托管、注入防护、输入输出审查、Skill 安全扫描、操作留痕审计、Admin 统一治理、私有化部署选项 | 自觉型：官方坦言 prompt injection 是业界未解难题，靠用户遵循最佳实践 | 基础型：危险命令审批、Docker 隔离、注入扫描，无组织治理 | 本地加密：数据不出机，无企业权限体系；GPL 限制商用 | 人在回路审批：细粒度权限弹窗是亮点，企业能力（SSO / SLA）在付费版 |
| 生态与商业化 | 平台生态：SkillHub 收录 Skills 7 万+（两月下载 3000 万+）、专家市场、连接器市场、Managed Agents API/SDK（REST + ACP 协议）、按量计费 / BYOK 双模式 | 社区生态活跃（ClawHub 1.5 万+ 技能），无企业商业支持 | agentskills.io 技能标准 + 研究生态，无企业支持 | 社区早期（贡献者不足 30 人），无商业路径 | 商业公司提供企业版，生态刚起步 |
评价基于各项目 2026 年 7 月公开资料，开源项目迭代迅速，部分能力缺口可能随版本演进缩小；“部分”表示需用户自行搭建 / 运维或仅覆盖子集。
03 WorkBuddy 的五个核心价值
开源项目回答了"个人如何拥有一个 Agent"，WorkBuddy 回答的是"企业如何拥有一支生产级的数字员工队伍"。五件事，开源项目短期内难以复制：
生产级云端 Runtime，而不是"自己跑起来的进程"
100ms 冷启动、预热池、沙箱 Fork 秒级复刻、Checkpoint 快照回滚、单集群万级沙箱与故障自愈——这套弹性、可恢复、按秒计费的运行底座，是多年云基础设施投入的结晶。开源项目的 Docker / SSH 后端解决的是"能跑"，WorkBuddy 解决的是"7×24 不间断、高并发、出事能回滚"的生产级运行。
Harness 驾驭层，而不是"裸模型 + 提示词"
多 Agent 编排（SubAgent / AgentTeams）、上下文工程、4 类 Memory、40+ 工具的 Action 系统、12 事件 Hooks——统一的智能体引擎让所有垂直智能体同步变强。OpenAI 2026 年才提出 Harness Engineering 方向，WorkBuddy 已把它做成了可对外输出的 API 与 SDK。
组织协同，而不是"更强的单兵"
超级个体 ≠ 超级团队。WorkBuddy Teams 提供组织记忆、全景感知、自主行动、多方协调的协同中枢，让"企业员工 + 数字员工"围绕同一目标工作：一人调通、N 人复用，每转一圈组织资产厚一层。开源项目的多 Agent 编排（如 OpenClaw 的 supervisor）解决的是技术分工，WorkBuddy 解决的是组织生产力。
企业级安全与治理，而不是"信任运行"
行为 / 权限 / 网络三位一体管控、OneID 身份、KeyVault 密钥托管、提示词注入防护、输入输出内容审查、Skill 安装前安全扫描、全量操作留痕审计、Admin 统一治理后台，以及面向金融政企的私有化本地部署——对强监管行业而言，这不是加分项，是准入门槛。
腾讯生态纵深与资产闭环，而不是"又一个孤岛工具"
腾讯文档 / 网盘 / 乐享原生内嵌（不是 API 调用），企微 / 会议 / 邮件持续接入；SkillHub 7 万+ Skills、专家与连接器市场；垂类智能体（CodeBuddy / Ardot / Miora / 天御风控 / DataBuddy）已在产线跑出营收。工作成果沉淀为企业 AI 资产（知识 / Skills / 专家 / 连接器 / 模型底座），形成"越用越强"的飞轮——这是单一开源工具无法提供的生态位。
深度解析：Agent 内核、Runtime、Harness 与企业管理后台 AdminAgent 内核 / Runtime / Harness / Admin · 点击展开
04 Agent 内核 —— 思考的大脑
Agent 内核控制 Agent 的思考、规划、行动与验收，让 Agent 不只是被动回答问题，而是能自主规划并执行复杂任务。这是 WorkBuddy 在 Agent 层做的第一件大事。
4.1 核心能力矩阵 —— 十大模块，让 Agent "懂企业、懂任务、懂边界"
Skills 管理
把企业经验和方法封装为可复用的技能模块，按需自动加载生效。
Rules 管理
定义 Agent 的行为边界与操作规范，什么能做、什么不能做。
连接器管理
经 MCP 协议接入企业自有系统：CRM、工单、数据库、DevOps。
专家管理 / 定义
把岗位角色与方法论打包为专家模板，经验复制给每个员工。
System Prompt 定义
定义 Agent 的角色人设、行为规范、业务边界与回复风格。
企业知识库
连接企业知识资产（RAG），作为 Agent 的"组织记忆"。
跨会话 / 长期记忆
Memory 系统实现长短期记忆持久化，记住你上周定的报告格式。
WebHook
事件驱动集成，Agent 可被外部系统触发与回调。
远端指令注册与执行
企业侧注册的专属指令，在沙箱内受控执行。
WebFetch & WebSearch
联网获取外部信息，调研、舆情、竞品一手掌握。
4.2 Loop Engineering —— 规划 → 执行 → 验证 → 反思的自主闭环
传统低代码平台是"人预设节点和分支，Agent 按路径走"，遇到意外就出错卡死。WorkBuddy 的 Agent 内核采用 Agentic 自主循环，连续数十轮无需人工干预：
Plan 规划
理解用户意图，把复杂任务分解为可执行子步骤
Act 行动
调用工具链（Skills / 连接器 / MCP）执行具体操作
Verify 验证
检查执行结果是否符合预期，质量把关
Reflect 反思
从结果中学习，自我纠错并优化后续策略
↻ 循环往复，直至交付 —— 流程可编排 · 结果可验证 · 失败可回退
05 Agent 运行时 —— 运行的身体
如果说基础大模型是"大脑"，沙箱运行时（Runtime）就是 Agent 的"身体"：为每个 Agent 提供独立、安全、可管控的运行环境。这是开源个人 agent 最难自建、也最能拉开代差的一层。
5.1 每个 Agent 独享运行环境与数据
独立容器
每个 Agent 独享 4C8G 隔离容器：进程 / 网络 / 文件系统三重隔离，互不干扰、互不争抢。
生产级隔离Session 会话管理
会话级持久保存，会话亲和调度：同一会话始终路由到同一实例，多轮交互连续。
上下文连续Checkpoint 快照恢复
周期性持久化执行状态（阶段 / 步数 / 中间结果 / 关键产物），异常时秒级回滚。
失败可回退Version 版本管理
类似 Git 但粒度更细：支持回退到任意历史步骤，版本可追溯、变更可控。
细粒度版本Agent 产物管理
统一管理 Agent 执行过程中产生的文件与数据，产物归档落盘、版本清晰可溯。
资产沉淀自动休眠 / 唤醒
闲时休眠释放资源，请求到达实时唤醒；只有 Running 状态产生核时费用。
成本可控5.2 沙箱生命周期：7×24 全时待命
精细化状态机模型 + 原子性操作保证：所有状态切换（创建、挂起、恢复）全程监控，失败自动回滚。沙箱崩溃时自动检测 → 预热池分配新沙箱 → Checkpoint 恢复状态 → 新 Harness 接管会话，用户可能完全无感。
长周期异步任务在云端不间断执行，不再随员工电脑关闭而中断
5.3 三层纵深安全防护 —— 管住 Agent 的执行风险
行为安全管控
运行时沙箱限制文件 / 进程 / 命令边界；Tool Call 前置审计，执行前识别误删文件、高危命令、偏离任务等非预期行为，可告警 / 阻断 / 留痕。
权限安全管控
最小权限边界：仅授权工作区可写入；敏感路径隔离：凭据、系统目录默认不可写；Allow / Ask / Deny 三级权限，访问有边界、动作可审计。
网络安全管控
默认网络隔离：Agent 不可自由访问外网；代理出站管控：Domain / IP / URL 级策略；外连可控，数据外传、恶意下载可拦截。
另有端侧安全沙箱兜底：文件三档隔离策略（白名单 / 只读 / 禁写）、JSONL 结构化行为审计日志、内嵌统一工具链（Python / Node.js / Git）消除"在我机器上能跑"的环境漂移。入口侧更有完整安全闭环：入口认证（OneID）→ 身份授权 → 运行防护 → 出站控制 → 资源访问 → 审计回溯，以及提示词注入防护、输入内容合规审查、输出敏感信息拦截、Skill 安装前安全扫描、MCP 首次连接信任验证。
06 Harness 驾驭层 —— 协调中枢
Harness 负责多 Agent 的编排调度、上下文管理和能力协同，让 Agent 从"单打独斗"升级为"团队作战"。统一的智能体引擎支撑所有业务场景——文档处理、数据分析、HR、安全、故障处理、生产排程、方案整理，引擎越强，所有垂直智能体都受益。
6.1 五大核心子系统
多 Agent 编排
SubAgent / AgentTeams 复杂任务协同调度，父子分解与平等协作兼备。
上下文工程
结构化上下文管理与精准注入：动态注入、自动压缩，不浪费 Token。
Memory 系统
对话 / 语义 / 行为 / 程序 4 类记忆，多 Session 隔离，AI 相关性筛选注入。
Action 系统
40+ 内置工具（文件 / 命令 / 搜索 / 抓取 / 多 Agent 通讯）+ MCP 扩展 + Skills 可插拔，高频立即可用、低频按需激活。
Hooks 系统
12 类事件驱动扩展：PreToolUse 阻断危险操作、PostToolUse 结果验证、UserPromptSubmit 输入过滤、Stop 会话归档。
6.2 三种递进的 Agent 工作模式
⚡ 单 Agent
串行执行、单一视角，上下文有限；通过逐步添加工具扩展能力，保持复杂性可控。
简单任务🔄 Sub-Agent 子智能体
父子关系，支持同步 / 后台执行，自动通知父 Agent 结果；适合子任务分解（分析 / 开发 / 测试）。
任务分解🤝 Agent Teams 智能体团队
平等协作、共享任务列表、消息通信；如"产品规划团"：产品经理 + 设计师 + 数据分析师协同作战。
复杂项目6.3 上下文工程 —— 六个来源，精准识别意图与进度
用户请求
当前对话的原始意图。
环境信息
OS、目录、当前问题等运行环境感知。
文件动态注入
@file 文件查询，按需加载不浪费。
Rules & Memory
行为规则 + 跨会话记忆，用于任务规划。
团队上下文
跨会话记忆，团队共享知识。
运行状态
当前任务执行进度与中间状态。
Harness API & SDK：把引擎能力开放给企业。
Harness API 提供 Agent 运行时管理、沙箱调度、Session / Version / Manifest / 产物管理；Harness SDK 提供多 Agent 编排、上下文工程、Memory、Action、Hooks 核心能力。企业无需自研 Agent 内核，通过 API/SDK 即可把完整 Agent 能力嵌入自有业务系统——"企业传统应用叠加 AI 功能"。
07 企业管理后台 Admin —— 企业智能体与 AI 资产统一管理
Agent 层再往上，WorkBuddy 把引擎能力组织成企业可用的形态：7×24 小时在线的数字员工、可沉淀复用的企业 AI 资产、统一的管理后台。这是"工具"与"工作台"的分水岭。
7.1 7×24 小时在线的数字员工
助理
处理通用高频任务：查资料、写周报、跑数据，随叫随到。
专家
处理复杂专业任务：前端开发、项目经理、营销顾问、招聘经理。
专家团
多专家协同端到端闭环：一人公司（OPC）、软件开发团队、内容创作团队。
企业自建
承载企业个性化任务：自然语言 / 模板 / 文档描述需求，快速创建。
创建路径四步闭环：需求描述 → 装配资产（Prompt / Skill / 专家 / MCP / 知识库）→ 调试与评测（Test Run + 测评集）→ 发布运营（版本发布 / 分享接入 / API 调用）。每个成员一个实例，记忆持久化保存。
7.2 企业 AI 资产 —— 每转一圈，组织资产就厚一层
企业知识
组织记忆：制度、经验、案例沉淀为可检索、可治理的知识底座。
Skills 技能封装
经验和方法可沉淀、可复用、可分发、可运营。
专家经验复制
把岗位角色和说明书打包，顶尖方法装进每个人的日常。
连接器系统接入
接入真实业务系统，数据与流程双向流动。
大模型底座
模型能力作为可替换的底座资产，不被单一模型锁定。
飞轮效应
共享上下文 + Skills 一键起任务 → 产物自动归档 → 沉淀为 Skills 下次自动调用 → 组织资产持续增厚。
7.3 WorkBuddy Admin —— 智能体与资产的统一治理
智能体生命周期管理
创建 / 编辑 / 删除有归属、有维护人；效果可评估、能力可迭代；版本管理与回退，变更可控、异常可回滚。
权限与审计
组织权限管理：谁能用、在哪用、用什么；操作留痕、风险可查；订阅与用量管理：成本可见、用量可控。
企业智能体生态
企业内 Skill 生态建设；企业自有系统和工具调用；企业知识建设与维护。
超级个体 → 超级团队。
超级个体：员工用 WorkBuddy 办公或指挥数字员工完成任务（个人提效）。超级团队：通过 Teams 组织协同能力，指挥调度"企业员工 + 数字员工"，围绕同一目标协同完成组织级任务——组织记忆（知道过去发生什么）、全景感知（知道现在发生什么）、自主行动（主动规划执行）、多方协调（同时协同多人多事）。
超级团队 = 企业员工 + WorkBuddy（Teams + 数字员工 + 企业 AI 资产）
4银行业务场景实战Six Business Lines in Practice
- 业务场景
- 客户经理的一天：晨间盘点先联系谁、触达前怎么开口、客户亏损来电怎么接、产品怎么配——每一步都带合规要求。
- 现状痛点
- 优先级靠个人经验、重要客户易遗漏；画像与持仓散落多系统，临场准备仓促；合规靠事后审核，话术反复返工。
- WorkBuddy 方案
- 组建"客户经理拍档"专家团：九大场景路由一次输入自动串联多场景接力，六大 Skill（任务雷达 / 触达锦囊 / 安抚诊断 / 产品匹配 / 权益促成 / 跟进复盘）各司其职；合规护栏内生于生成阶段、临场实时拦截。资配环节双 Skill 串联：宏观策略出 10 大类资产评分 → 产品配置按画像 C-R 适当性硬匹配，不越级、不编造。
- 提升
-
建议书 逐份手工 → 按画像批量产出（已交付 5 份） 服务 单点问答 → 9 场景自动接力
- 业务场景
- 零售银行营销活动高频密集——信用卡推广、理财新品上线、节日主题活动、银发客群专项服务，每月需产出大量海报与宣传物料覆盖线上渠道和线下网点，场景多、品类杂、节奏快。
- 现状痛点
- 传统设计流程"沟通→设计→修改→定稿"，一张海报至少 2–3 个工作日；旺季需求井喷时排队等设计资源；不同场景需不同品牌调性，跨网点质量一致性难保证。某股份制银行零售部月均海报需求 15–20 张，设计团队常年满负荷。
- WorkBuddy 方案
- 银行营销海报工作台封装10 大类银行海报模板（信用卡/理财/贷款/企业金融服务/保险/开门红/财富管理/银发客户/数字银行/年轻客群），支持银行品牌色参数化一键切换；选择场景 + 输入文案 → 多模态 AI 并行生成多张预览，内置内容合规审计层，人工精选导出 PNG 成品。生成过程沙箱隔离，输入输出全程不落盘，符合银行数据安全要求。
- 提升
-
海报产出 2–3 天/张 → 分钟级 场景模板 单一 → 10 大类全覆盖 合规审查 事后抽检 → 生成前审计层前置
- 业务场景
- 城商行/农商行个金团队为客户出具综合理财规划方案，需覆盖养老、教育、税务、风险传承、资产配置、压力测试等 8 大模块；不同银行的 VI 色、产品线、客群定位完全不同，标准方案无法复用。
- 现状痛点
- 综合规划方案依赖资深理财师手工撰写，一份完整方案至少 2–3 天；质量严重依赖个人经验，跨网点水平参差；不同银行、不同客户画像的格式和内容差异大，每次都得从零开始，难以批量产出。
- WorkBuddy 方案
- 为城商行/农商行定制"综合财富规划"Skill：内置银行画像库（多家银行 VI 色/产品线/客群基因/地域文化）和5 类客户人设库（中产双职工 / 私营业主 / 拆迁安置户 / 退休工薪 / 新中产白领），输入银行名即可自动匹配行内画像 + 客户人设；C-R 适当性硬匹配，不越级推荐；三阶段生命周期投资组合 + 家庭现金流瀑布图 + 蒙特卡罗压力测试全部自动生成。完整 8 大模块一份 HTML 单页，支持打印归档。
- 提升
-
规划方案 2–3 天/份 → 分钟级 客户人设 单一模板 → 5 类人设 × 多银行适配
- 业务场景
- 对公客户经理撰写贷前尽调报告：覆盖城投、民企、上市公司、集团客户、小微/三农等全客群。一条信贷业务流程中需并行处理客户画像、财务分析、工商核查、产品匹配、授信测算、风险评级等多条线工作。
- 现状痛点
- 传统尽调报告依赖客户经理逐份手工撰写——格式不统一、字段易遗漏、财务交叉验证靠经验；一份完整尽调从信息搜集到报告定稿平均 3–5 个工作日；敏感数据需严格按权限使用。
- WorkBuddy 方案
- 对公尽调以双 Skill 配合落地：营销导向 Skill 按 8 章结构自动执行多维情报采集（工商/资质/股权/经营/IT架构/财务/风险/动态资讯）+ 三梯队产品匹配（P0 立即开展 / P1 提前布局 / P2 暂不推荐），输出 HTML + PDF 双文件交付；风控导向 Skill 按 11 章固化骨架——从受理预审到七维核查（七维检查表 + 银税电水四维交叉），自动红/黄/绿旗信号 + 8 档内部评级。所有数据真伪标注（确认/引用/推测），行内敏感字段严格标注"待行内补充"不编造，每份报告附来源引用与签字位，监管审计可全链路追溯。
- 提升
-
尽调全流程 3–5 工作日 → 0.5 工作日 初稿生成 人工逐章 → 30 分钟出 28 页 尽调效率 1x → 3x 资料整合 100% → 仅 30%
- 业务场景
- 对公客户经理拜访企业客户前的情报准备：覆盖企业照面与工商、股东高管与决策链、舆情风险、主营业务与盈利模式、IT/采购/合规、行内授信与合作全景等 9 大模块。按新拓 / 存量 / 白名单 / 高风险四类客户自动裁剪内容深度与侧重。
- 现状痛点
- 信息碎片化——工商、舆情、财务、诉讼散落在不同系统，客户经理手动切换多个平台拼凑，一次拜访准备耗时 2–3 小时且常有遗漏；凭记忆草拟访谈要点，拜访面谈缺乏针对性，难以形成结构化议题。
- WorkBuddy 方案
- 以 9 大模块 并行采集公开信息：公司概览 → 业务模式 → 产品与用户生态 → IT 架构 → 财务与上市 → 竞争格局 → 决策链与关键人物 → 痛点与购买信号 → 综合行动策略。四级可信度标注（确认/引用/推测/估算），可点击来源链接覆盖率 ≥ 80%。按四类客户智能裁剪：新拓客户侧重全面画像、存量客户侧重动态变化与交叉销售机会、白名单客户输出结构化访谈提纲、高风险客户追加风险矩阵与缓释建议。
- 提升
-
拜访准备 碎片拼凑 2–3h → 一次任务 信息覆盖 凭记忆几项 → 9 大模块 15 维度
- 业务场景
- 对公条线每日晨会前的情报获取：监管新政、宏观金融指标、同业动态、行业风险事件、金融科技趋势——信息散落在数十个网站和研报中，对公客户经理和审贷官需要一份可信、聚焦、有合规简评的每日行业快报。
- 现状痛点
- 传统做法依赖客户经理自行刷新闻、手动整理，覆盖范围随机、时效滞后；更关键的是——没有合规解读。"某城投评级下调对自家授信客户意味着什么""某监管文件出台对行内流程有何影响"，这些判断要么不做、要么全凭个人理解，缺乏统一口径。
- WorkBuddy 方案
- 以 每日行业简报 Skill 封装全自动采编流水线：固定核心层（监管政策 / 宏观指标 / 同业动态 / 风险事件 / 金融科技五大板块）强制纳入、自动采集；DIY 定制层支持客户按行业、企业、地域、关键词自定义关注范围，可反复增删改。每条信息附带 轻度合规解读（≤40 字、对冲语气、回到"对银行意味着什么"），涨红跌绿宏观指标卡自动生成，页脚强制声明免责。定时任务每日 10:00 自动出报，一份排版精美的 HTML 简报出现在工作台。
- 提升
-
情报采集 人工刷 1–2h/天 → 10:00 自动出报 信息覆盖 随缘阅读 → 5 大板块 + 客户定制 合规解读 全靠个人 → 统一口径 + 免责声明
- 业务场景
- 金融市场与研究部门对上市公司/银行的持续跟踪：季报/年报披露后，从覆盖模型搭建 → 季报点评撰写 → 预测修正 → 估值更新——完整卖方研究标准工作流，覆盖营收拆解、Beat/Miss 分析、业绩说明会纪要、Thesis 评估、催化剂追踪等全链路。
- 现状痛点
- 传统研究流程中，覆盖模型（Excel）和季报点评（Word/研报）分属不同工具、手工衔接——一份完整季报分析从数据清洗到初稿产出至少半天到一天，且不同分析师口径不统一；当季报季 7-10 家公司同步披露时，研究产能瓶颈突出。
- WorkBuddy 方案
- 以专项 Skill 封装端到端财报分析管线：输入"XX公司刚发季报，帮我分析"→ AI 自动执行四阶段工作流：① 覆盖模型生成（Dashboard + 季报财务 + 一致预期 + 方差分析 + 关键指标，5 表 Excel）→ ② 季报点评撰写（Headline → 数据速览 → Beat/Miss → 业绩说明会 → Thesis → 预测修正 → 估值 → 催化剂，8 章完整框架）→ ③ 方差分析表（Actual vs 一致预期 vs 前次预测）→ ④ 完工摘要（关键决策 + 核心发现 + 待办节点）。所有数据附来源标注，缺一致预期如实标记 [UNSOURCED]，不编造。
- 提升
-
季报分析 半天~1天/篇 → 一次任务完成 覆盖模型 从零搭建 → 5 表自动生成 分析框架 因人而异 → 8 章标准化
- 业务场景
- 金融市场与风控条线的日常监测：客户负面新闻、监管处罚、股权质押变动巡检；商品价格、期货、利率债收益率等市场数据按日/按周定时采集。
- 现状痛点
- 每天人工盯负面、手动抄数据，时效与覆盖率受限；跨系统搬运重复劳动——不同数据来源格式各异，人工整理耗时且易出错。
- WorkBuddy 方案
- 配置定时任务，多 Agent 并行巡检：早上自动扫描重点客户负面舆情与质押变动、企业微信推送客户经理与审贷官；市场数据每日/每周自动采集，盘前推送交易台。定时推送准时率 100%，采集结果以结构化 HTML 报告形式自动归档，历史多期可回溯对比。
- 提升
-
舆情监控 人工盯 → 每日自动巡检 定时推送 凭记忆 → 准时率 100% 数据采集 手工搬运 → 自动化 + 多期归档
- 业务场景
- 投行项目执行中，需从可研报告、财务评估报告、法律意见书等数百页材料中抽取关键信息，按标准模板生成《专项债实施方案》，项目申报窗口期紧、格式一致性要求高。
- 现状痛点
- 人工阅读数百页材料、逐字段复制粘贴、反复校对格式与数据一致性，单份报告耗时 2–3 天；不同项目间材料类型差异大，人工分类和字段对齐易出错；引用来源分散，后续审计追溯困难。
- WorkBuddy 方案
- 以专项债 Skill 封装端到端流水线：8 个章节由 AI 子代理并行处理，101 个字段自动填充；每个字段附带来源文件名与行号，证据可全链路追溯；原 Word 模板样式 100% 保留，缺失字段如实标注"待补充"不编造。触发方式简单——上传材料包 + 指定模板，一次任务完成全流程。方案内置发行合规校验点（项目清单、收益与融资自求平衡、财务评价三张核心表），财务指标超阈值自动标红提示。
- 提升
-
报告产出 2–3 天 → 10 分钟生成 + 30 分钟复核 字段覆盖 依赖人工记忆 → 101 字段自动填充，引用覆盖率 98% 证据溯源 事后翻材料 → 逐字段来源文件 + 行号 合规校验 人工逐项比对 → 生成阶段内置三张核心表自动校验
- 业务场景
- 专项债之外，投行大量文书同属"数百页材料 → 标准模板报告"形态：尽调报告、募集说明书章节、上市申报材料等。报告类型多、模板各异，每一类都意味着重新组织撰写、核对格式。
- 现状痛点
- 传统做法下，新增一类报告就等于新增一套开发——重写字段提取规则、重配格式模板、重新测试，每类至少额外投入 3–5 人天。投行条线常年面临模板更新速度快、规则维护成本高的问题。
- WorkBuddy 方案
- 上述专项债能力构建于通用框架之上，非一次性的定制开发：占位符引擎自动识别模板结构——章节标题、表格字段、合并单元格等层级关系自动解析；子代理池（8 章节并行处理）与证据溯源管道（来源文件 → 行号 → 字段）为框架级抽象，新模板只需配置字段映射关系即可继承。样式保留机制同样模板无关——仅操作占位符内容，模板原有格式、页眉页脚、签章位完整不动。一套框架可覆盖专项债、尽调报告、募集说明书等多类投行文书，无需为每种报告独立开发。
- 提升
-
新报告接入 重新开发 3–5 天 → 配置化接入 框架覆盖 专项债单一类型 → 多类投行文书通用
- 业务场景
- 投行与并购项目执行：工商登记、财务审计、诉讼风险、股权穿透、行业研报、访谈纪要等多源资料汇总，按标准章节结构形成尽调初稿。涉及章节多——财务分析、关联交易、法律风险、估值基础、行业竞争格局等，每章信息来源不同、口径不同。
- 现状痛点
- 多源资料手工拼接，信息来源分散在多平台；章节框架逐份重搭，一份尽调初稿至少 2 个工作日；不同数据源口径不一致，交叉核对耗费大量时间；非公开信息与公开信息混排，缺乏系统化的"数据真伪标注"，后续内审追溯困难。
- WorkBuddy 方案
- 企查查、Wind、审计报告、访谈纪要等多源喂入后，自动按 "财务分析 / 关联交易 / 风险提示 / 估值基础 / 行业竞争" 等章节模板分章填充、一键成稿。四级数据可信度标注内置（确认 / 引用 / 推测 / 待核查），行内敏感信息严格标注"待行内补充"不编造；公开数据一律附带来源 URL，非公开信息仅做占位标记不出内容框。访谈纪要中的关键矛盾信号（如"老板与财务口径不一致"）自动标红提示，附 5 维交叉核验建议（增值税申报表 / 银行流水 / 水电单 / 客户对账单 / 库存周转）。投行底稿涉及发行人非公开信息，严禁粘贴至公网大模型，所有处理须在行内部署的合规环境下执行。
- 提升
-
初稿产出 2 天 → 30 分钟 数据溯源 全靠事后翻材料 → 四级可信度标注 + 来源 URL 交叉核验 靠经验 → 5 维交叉校验自动触发 访谈准备 凭记忆 → 200+ 标准问题清单 + 客户答复初稿，准备量 -70%
- 业务场景
- 银行财富管理部每月定期产出《资产配置策略月报》，覆盖宏观经济、全球市场、A 股港股、债券、黄金、外汇、量化策略等 11 个固定章节 + 10 大类资产 战略×战术双维评分表，供分行策略会使用和理财经理展业参考。
- 现状痛点
- 传统月报依赖投研团队逐章撰写——从数据采集、图表制作到观点逻辑推导，一份月报至少 3–5 天；上期观点与本期数据割裂，缺乏系统复盘机制；不同执笔人水平参差，章节风格不统一、数据口径不一致。
- WorkBuddy 方案
- 以 资产配置月报 Skill 封装全自动采编评流水线：28 个 Python 脚本并行采集 15+ 宏观指标 + 全球市场行情 + 基金 / ETF 数据 → 三段式结构化写作（客观数据 → 推导逻辑 → 定性结论），11 章刚性框架全自动生成。每期产出的 baseline.json 强制落盘，下期 自动读取上期观点进行复盘。9 条合规红线内置：打破刚兑 / 投资者适当性硬匹配 / 禁止代客操作 / 数据虚构零容忍——所有引用数据附来源与 URL，无来源不引用。
- 提升
-
月报产出 3–5 天/期 → 分钟级自动生成 章节覆盖 靠人记忆 → 11 章刚性框架不遗漏 观点复盘 人工翻上期 → baseline.json 自动联动 合规校验 事后抽检 → 9 条红线生成阶段内置
- 业务场景
- 理财经理为客户选品和构建基金组合：需综合全球宏观研判、大类资产轮动、行业赛道景气度、基金微观量化指标，覆盖货币型 / 债券型 / 混合型 / 股票型 / 指数型 / QDII / FOF / REITs / 商品型 9 个品类，适配保守到激进各风险等级。
- 现状痛点
- 基金筛选信息分散在天数基金网、东方财富等多个平台，理财经理手动跨平台对比较为繁琐；选品标准因人而异——有的看短期业绩、有的追明星经理，缺乏统一的量化筛选标准；不同风险等级客户需不同组合，手工构建费时易出错。
- WorkBuddy 方案
- 以 基金推荐 Skill 封装 4 层级投研框架：Level 1 全球 & 国内宏观研判 → Level 2 大类资产配置轮动 → Level 3 行业赛道景气度筛选 → Level 4 微观基金 7 项刚性量化筛选（成立年限 / 业绩 / 夏普 / 回撤 / 经理任期 / 规模 / 份额适配）。支持 4 种意图智能路由（完整投研 / 行业快速推荐 / 基金对比 / 复合意图），筛选结果为零时 自动放宽条件重试（最多 2 次）。短期自动优选 C 类份额、长期优选 A 类份额。
- 提升
-
基金筛选 手工跨平台对比 → 全量化自动筛选 风险适配 经验为主 → 7 项指标刚性过滤 品类覆盖 几只产品 → 9 大品类全覆盖
- 业务场景
- 运营管理部与支付清算条线日常大量处理对账单：企业客户提供的 PDF 格式银行对账单、供应链上下游的月度对账表、跨境结算的多币种对账文件——需逐笔识别交易明细、计算借贷合计、核验期末余额。
- 现状痛点
- PDF 对账单逐笔人工抄录，单份处理耗时约 2 小时；不同银行、不同地区对账单格式各异（表格版、文本版、扫描件版），人工识别易错；多币种换算手动完成、多份对账单汇总合并为一份综合报表工序繁琐；月末/季末集中到账期，运营团队常年超负荷。
- WorkBuddy 方案
- 上传 PDF 对账单，AI 自动识别交易明细——日期、摘要、借方金额、贷方金额、余额五列结构化抽取；多币种自动识别（CNY/USD/HKD/EUR 等常见币种），按当日牌价自动换算为人民币汇总口径；借贷方小计与期末余额自动核验，不平衡自动红标告警。输出结构化 Excel / JSON 双格式，可直接入账或对接 RPA 后续节点（账务系统自动匹配科目并生成凭证）。异常金额交易超阈值自动标记（如单笔超过日均流水 5 倍），异常工单自动转人工复核——端到端处理 ≤3 分钟。
- 提升
-
单份处理 2 小时 → 2 分钟 多币种换算 手动逐一计算 → 自动识别 + 牌价换算 核对校验 人工肉眼比对 → 借贷平衡自动核验 + 异常红标 格式兼容 仅限标准模板 → 表格版/文本版/扫描件版通用
- 业务场景
- 运营条线的"最后一公里"——柜台与厅堂服务：几十页《柜面操作指引》与新结算规定让新员工"啃不动"，每次监管新规发布后一线对齐速度慢；客户投诉处理每次从头构想，口径不统一易升级。
- 现状痛点
- 传统柜面培训依赖老员工"传帮带"，新人独立上岗平均 2–3 个月；几十页手册与不断更新的结算新规难以消化，柜员日常遇到问题靠现场问主管，效率低且存在合规风险；客诉处理无标准化流程，话术水平因人而异——同一类型的投诉，有的人一句话化解、有的人激化升级；历史优秀案例和经验未形成组织记忆，优秀柜员离职即带走。
- WorkBuddy 方案
- 上传《柜面操作指引》和新版结算规定后，AI 自动提炼"对柜员日常影响最大的 5–10 个变化点"，按操作场景重组为"新员工枕边书"——不再按章节顺序平铺，而是按"开卡 / 转账限额 / 挂失 / 大额存取 / 外币兑换"等日常工作流重组，随查随用。客户投诉处理两条线并行：历史优秀客诉案例喂入后形成话术知识库，新客诉自动匹配相似场景给出处理建议与合规话术初稿；同步生成"可向客户出示的对账单截图说明"等辅助材料。关键红线内置——涉及利率、手续费、双录要求的表述，自动对照最新监管口径校验。AI 是查询助手，最终向客户解释由柜员负责，业务办理仍走柜面授权流程。
- 提升
-
新规消化 逐份通读 → 5–10 个变化点 + 场景重组 客诉处理 每次从头构思 → 历史案例匹配 + 话术初稿 合规红线 事后抽检 → 生成阶段校验利率/手续费/双录表述
5办公与研发场景实战Office Productivity & R&D
证据自包含办公场景：全行员工每天都能感受到的价值
无需培训、无需编程，员工用一句自然语言即可发起任务。以下是各岗位每天都会遇到的高频办公场景，WorkBuddy 均可端到端交付可验收的成果——附真实成品与任务回放可直接查看。
- 一句话下达："检索某行业最新情况并整理成简报"
- 自动多轮检索、跨来源交叉核实后形成结论
- 每条结论附引用出处，可回溯、可复核
- "把这个文件夹里的表格汇总成一张并按月排序"
- 直接读写本地文件，无需人工搬运复制
- 多表合并、清洗、排序批量完成
- 基层日常（拉存款、办卡、客诉）自动升级为"业绩+STAR亮点+不足+规划"
- 一并排出可直接上台的述职 PPT
- 两小时会议录音 → 结构化纪要（决议/责任人/截止）
- "每周一上午自动把上周数据汇总成周报"——一次设定、长期生效
- 每日行业简报（监管/同业/金融科技）晨会前自动就位
- 网点社媒内容运营：日更2 小时 → 5 分钟，合规预审前置
- 红头通知、请示、报告、客诉回复函等规范初稿一键生成
- 配套 11 个培训课件模块覆盖零售/信贷/对公/风险/运营/研发/测试/运维全条线
- 课件内嵌真实实测，让"能力"与"证据"一同下沉到岗位
- 简历 + JD 自动跑通筛选→排期→评价→定级闭环
- 发票图片自动识别归类，产出带"合规红绿灯"的报销预审单
- 重复票、连号票自动查重预警
研发场景：研发提效
银行软件研发具有高度规范化、强角色分工、多层评审、严格门禁的特点。WorkBuddy（含研发智能体 CodeBuddy）以工程化方式融入这一体系，而非简单"让 AI 写代码"：
- 业务场景
- 从业务需求、需求分析、整体设计、代码开发到 SIT / 性能测试 / UAT 的完整研发生命周期。
- 现状痛点
- 阶段不清易越权、角色混淆评审漏维度、模板五花八门、评审主观易遗漏。
- WorkBuddy 方案
- 商业银行团队将"瀑布式研发阶段 + 银行多角色协同 + 多方评审 + 需求追踪"沉淀为可复用的工程插件：7 个阶段、10 类角色各司其职；产物收敛为 BR/SR/DD 三份核心模板，角色化评审带反证机制防主观遗漏，需求全程可追溯。工程范式不止于文档、能落地到可运行系统——以「AI 原生银行 Demo」为例，从 PRD → 交互原型（客户端 4 屏 + RM 端 4 屏）→ 演示脚本 → 技术架构与 Mock 方案，直至产出一套 localhost 可运行的消费信贷审批原型，完整跑通"从需求到可演示 Demo"的证据链。
- 提升
- 研发流程 人盯流程 → 工程化门禁工程范式 止于文档 → 落地可运行系统
点击展开实战证据▼
- 业务场景
- 科技部门面对无人维护、缺乏文档的老旧系统：改造前的系统理解、文档补全与风险评估。
- 现状痛点
- 老旧系统无人维护、修改变更困难；技术文档资产缺失，改造风险大、评估难。
- WorkBuddy 方案
- 仅提供工程源码压缩包（无任何说明文档），逆向输出完整交付物：L1–L4 四层递进《系统逆向分析报告》（架构图 / 状态机 / 序列图）、《模块业务需求文档》、《模块改造分析报告》、《全量接口清单》、《全量软件需求文档》——五份 HTML 产物成套交付。
- 提升
- 无文档源码 → 五份成套交付物改造评估 靠人工通读 → 结构化还原已在银行实际生产项目「某开放银行平台」上落地，产出为辅助参考，正式改造决策以源码实际行为与业务验证为准。
6从"超级个体"到"超级团队"From Super Individuals to Super Teams
组织价值升维WorkBuddy 企业版的答案不是"多一个 AI 助手"，而是三个逐级放大的能力：领域 Agent 模板（专家）、7×24 数字员工（助理）、超级团队协同（团队）——专家把方法装进角色，助理把角色变成 7×24 的员工，团队把员工连成组织资产。
6.1 一张图看懂三级放大总览
6.2 专家：放大每一个角色能力 01
专家 = 领域 Agent 模板——把岗位角色和说明书打包，预装完备、一句调用。对个人，大幅降低使用 AI 的门槛；对企业，变成可复用、可分享的标准工作流入口：
裸 Agent 的问题是"不懂行"：专家模板把"怎么做、去哪做、依据什么做"连同运行环境一起打包，本质上是把岗位的"角色说明书"产品化——客户经理、风控专员、合规审查员，每个角色都有一份即取即用的领域方法。第一层放大让任何人立即拥有专业产出能力；第二层放大由专家团端到端闭环，角色不再受限于人的编制与精力。
6.3 助理：放大每一个个体能力 02
助理 = 云端 7×24 常驻的数字员工。把专家"雇佣"进云端办公室：同一身份、多端可达，按需唤起一个或一支——专业可配、一键调度、越用越懂：
| 维度 | 过去 · 工具 | 现在 · 助理 |
|---|---|---|
| 载体 | 办公电脑 | 云端常驻 |
| 时长 | 开机即用 | 7×24 自主在跑 |
| 执行 | 临时任务 | 自主长任务 |
| 协同 | 本地孤立 | 多端同身份 |
| 沉淀 | 单点留存 | 产物落云 · 记忆进化 |
唤起一个助理
轻量场景 · 一对一
- 配人格 · 配技能
- 绑知识库 · 选模型
- 自带记忆，越用越懂你
唤起一支助理团
复杂任务 · 一句话调度
- 一句话拆派 · 独立沙箱
- 异步并行 · 回流整合
专家解决了"懂行"，助理把专家变成不下班的员工：个体的边界从此不再是"8 小时 × 一双手"，而是"7×24 × 一支可调度的队伍"。轻事找 SINGLE，一个人就是一个岗位；难事派 SQUAD，一句话拆成多路并行再自动整合——个体被放大的不是工时，而是调度能力。
6.4 团队：放大整个组织能力 03
超级个体 ≠ 超级团队。让每个员工都变强，组织并不会自动变强——缺的不是工具，是上下文的共享 × 迭代：
团队资产飞轮每转一圈就厚一层：任何一个人调通的能力，立即变成全团队可复用的资产——组织的能力增长从"加法"变成"乘法"：一人调通、N 人复用，一次沉淀、无数次迭代。
当每个员工都拥有 AI 搭档、每一次成功都沉淀为组织能力，银行收获的不只是效率，而是一套可持续进化的生产力体系。
本白皮书核心观点7银行业落地建议Implementation Guide for Banks
安全合规是第一道关三年间，AI 正从"单一工具"走向"完整工作流"：工具时代单点提效、关闭窗口即归零；工作流时代一句话交代意图、AI 自主规划执行、流程固化可复用；今天，AI 进入组织级重建的新范式——人与智能体并行协作，工作流嵌入组织流程，统一管理与度量。对大型银行而言，答案不是采购一堆分散的 AI 工具，而是建设一个全场景的总控 AI 大脑：以 WorkBuddy 作为统一的 AI 工作台，让全体员工从一个入口发起、推进和完成工作；以三层安全防护管住 Agent 的执行风险；再以组织协同能力，让"超级个体"升级为"超级团队"。
三位一体安全：管住 Agent 的执行风险第一道关
在银行环境中，安全不是"附加项"，而是决定一项 AI 工具能否落地的第一道关。WorkBuddy 从机制层面提供行为、权限、网络三层纵深防护：
Tool Call 前置审计，执行前识别高危动作；运行时沙箱限制文件、进程、命令边界；误删文件、偏离任务、执行高危命令等行为可告警、可阻断、可留痕。
敏感路径隔离，凭据与系统目录默认不可写；最小权限边界，仅授权的工作区可写入；访问有边界，权限动作可审计。
代理出站管控，支持 Domain / IP / URL 级策略；默认网络隔离，Agent 不可自由访问外网；外连可控，异常访问可拦截。
过程可见、结果可控使用保障
- 过程可见：执行的关键步骤实时展示，随时可以看到它"正在做什么"；
- 变更可查：任务对文件做了哪些修改集中列出，接受结果前可先行检查；
- 随时可中断：任务执行中可随时停止，不存在"无法叫停"的失控状态；
- 本地处理：文件处理默认在本地完成，服务端不留存、不用于模型训练。
企业级治理：智能体与 AI 资产的统一管理治理能力
智能体创建、编辑、删除有归属、有维护人；版本管理与回退，变更可控、异常可回滚；效果可评估，能力可迭代。
组织权限管理——谁能用、在哪用、用什么；操作留痕、风险可查；订阅与用量管理，成本可见、用量可控。
企业内 Skill 生态——经验和方法可沉淀复用；自有系统和工具接入真实业务；企业知识持续建设与治理。
落地路径：四条原则 + 三阶段路线图实施节奏
从企业智能体落地中获益最多的组织，共性是在雄心与纪律之间取得平衡。四条部署原则（Anthropic《Building AI Agents for the Enterprise》部署框架）：
第一天就把你的标准、工具、机构上下文交给 AI——第一次交互只拿到通用产出的员工，很少给工具第二次机会。
员工看采用率与省时、流程看周期压缩与质量分、产品看收入影响——试点启动前就定义成功标准，结果才无可争议。
分享插件的边际成本为零、边际价值巨大——机构知识编码一次，每个安装的团队立即受益。
管理员控制、可审计性、组织专属市场是大规模推广的前置条件，不是采用起飞后再补的功能。
不急着推广：选 2–3 个痛点清晰、工作流可衡量的团队；成功标准具体到数字（如通话准备时间 −50%、合同审查 5 天 → 1 天）——模糊目标只会产出容易被否决的模糊结果。
P1 · 评估先行目标不是完美，而是价值证明：团队在生产工作流中真实使用（非沙盒实验）；每周测量采用率，定量指标与定性反馈并重；摸清规模化推广前必须改变什么。
P2 · 价值证明概念验证在手，转向规模化与治理：部署 Admin 市场管控与插件审核工作流；用试点打磨好的插件向更多团队推广——复利动态显现：第二波采用比第一波快，第三波更快。
P3 · 规模与治理这份路线图最值得银行借鉴的是节奏感：第一个月不碰推广、只做标准，第四个月才谈规模化；治理层（原则四）不是最后一环，而是从第一天就同步建设的底座。
结语 · Agentic Enterprise
组织在 AI 转型上最常犯的错误，是等到战略完美无缺才迈出第一步。最成功的组织恰恰相反：窄处起步、快速学习、带着信念扩张——选一个痛点明显、成功标准清晰的流程、团队或场景，给 AI 足够的上下文去做真实的工作，然后诚实地衡量结果。
现在就把 AI 集中化嵌入运营（而非当作外挂层）的团队，拥有复利式先发优势：训练有素的团队、验证过的工作流、编码进插件的机构知识、能支撑快速扩张的治理基础设施——每积累一个月，下一个月就更快、更准。
—— 引自 Anthropic《Building AI Agents for the Enterprise — Best practices from industry leaders》报告最后一章
如需就本白皮书内容、试点场景或 WorkBuddy 企业版能力进行深入交流，欢迎与腾讯 WorkBuddy 团队联系（对接入口以官方渠道为准）。
本白皮书，六条业务线案例卡原型已全部合并，证据文件自包含，请以最新版本为准。
数据来源与说明
- WorkBuddy 用户规模数据（月活跃用户、月访问量、增速与使用次数）：易观、QuestMobile 公开及授权口径；
- 产品能力与工作模式：WorkBuddy 官方资料及《WorkBuddy 商业银行使用指南》；
- 银行业实践案例：《商业银行 WorkBuddy 应用指南》（公开站点）与商业银行团队内部 WorkBuddy 技能实践整理，涉及具体银行均已脱敏；
- "超级个体 / 超级团队"论述与企业版能力：WorkBuddy 企业版发布材料（2026 年 6 月）。
免责声明：本白皮书仅供银行机构内部评估与参考，不构成任何投资或采购建议。文中案例为实践原型或阶段性成果，实际效果因机构基础与实施方式而异。产品功能以 WorkBuddy 官方实时说明为准。