看完 Top 10 AI 编程工具，我反而想把 WorkBuddy 吹一吹

刷 Instagram 看到一条盘点 2026 年十大 AI 编程工具的内容，从自动补全到调试再到全栈生成，基本把我平时用的那些都列全了。评论区都在讨论哪家模型的上下文窗口更大，代码生成质量更好。这话题对我们后端来说确实有得聊，但看着看着我想起另一件事，真正让我每天省下时间的是 WorkBuddy，那个没人会拿去发帖炫耀的办公工具。

可能是我这个场景比较无聊。我日常大量时间耗在跟 Excel 表格搏斗上，每周要汇总各个渠道的数据，整理成固定格式丢给业务方。以前是手动复制粘贴，忙的时候一上午就没了，而且人肉操作必然出错。上周我发过一篇帖子说 WorkBuddy 合并表格还是报错，当时以为是工具的问题，觉得它连中文列名都认不利索。后来试了几天，我发现真正的原因是我的指令写得不细。它会按自己的理解去执行，你说「合并表格」，它照自己那套理解合并，结果跟你脑子里的预期对不上，就报错了。

这个事细想挺有意思。编程 AI 和办公 AI 看着都在做理解指令然后执行这件事，但两者的本质完全不同。编程 AI 的输出对象是人，写出来的代码最终要给人读，要进代码库，要过 review，判断标准是代码对不对、好不好维护。WorkBuddy 的输出对象是流程，处理的是你手头那些本来就不该靠人来做的重复劳动。这个区别决定了两个工具的设计哲学完全不同。

拿我自己的场景说。我上个月底用 WorkBuddy 处理了第一笔真实的大任务，合并当月所有报销单。以前这套流程我大概要花四十分钟到一个小时，先把几十张单子按部门归类，再逐项核对金额，最后做成汇总表。那次我学乖了，没有上来就丢一句「合并一下」，而是先建了个文件夹，里面放了三十几张 .xlsx，列名都是同一个模板，然后把指令拆成三步：先按报销单号排序，再把备注列里有「待补」字样的行单独拎出来，最后汇总金额。结果就是，它跑了大概七分钟左右，格式完全正确，比我预想的顺利。唯一的问题是备注栏里有两张拍歪的发票它没识别出来，我手动补了一下。这个结果已经超出我的预期了，毕竟同样的活我手动干要四十分钟，还不敢保证不出错。

但我也要说清楚，它不是什么都能干。我后来试过让它处理一个跨工作簿的关联查询，涉及四个文件、两个 sheet 之间的 vlookup 逻辑，它直接报错。我又试了一次，把指令喂得更细，结果还是不行。最后我自己写了几行 Python 脚本搞定。所以我的判断是，它处理单个文件内的结构化操作相当好，跨文件的复杂逻辑还有明显局限。

说到这儿我得提一句我上周刷到的那篇 AI 工具开销实测，里面说「工具拼的不光是模型，还有对任务的拆解能力」。我当时觉得这是句废话，现在想法变了。我拿 WorkBuddy 和 Cursor 对比了下，Cursor 给你的是延续性，它了解你整个项目的上下文，改起代码来是连续的思维流。WorkBuddy 的场景是原子的，你丢一个活进去，它给你一个结果，交互是即用即走的。这俩不冲突，但 WorkBuddy 这种设计反而让我觉得更踏实，因为我不用维护对话上下文，不用反复给它解释需求，丢进去就是干。

有一点让我意外的是它对表格数据的敏感度。我一度怀疑它对中文列名识别有问题，后来发现它把列名当语义处理，不做字符串匹配。所以只要我的列名写得稍微口语化一点，比如「金额（含税）」和「不含税金额」，它就会按自己的理解去判断哪个是哪个。这个设计有利有弊，好处是你不必精确到字，坏处是它会自作聪明。用久了你就知道，关键字段必须写清楚，最好在指令里把含义也带上。它适合那种你知道自己在干嘛的人，不适合完全甩手掌柜。

还有一点让我没想到。它把这件我过去最烦、最不想碰的事，变成了丢进去等七分钟。七分钟不是零时间，但至少我可以去泡杯咖啡或者回几条消息。我算过一笔账，每周省下来大约两小时，按我平时接外包的时薪折算，一个月差不多能把这工具的订阅费赚回来。当然，这账是给老板算的，我自己只是为了少干点活。

编程 AI 的时代确实来了，这没错。但对我这种后端来说，最花时间的往往是那些磨人的、不断重复的、没有任何技术含量的小事。WorkBuddy 解决的就是这个。它不会在技术大会上被拿出来演示，但它能让你六点准时下班，不用在公司贴报销单贴到八点。就冲这一点，我愿意给它写篇长文。毕竟代码写得好是一回事，少写两行代码是另一回事。