WorkBuddy 用一个月后，我拿它接了 AI 视频模型横评，它救了我半天但没救我的审美

我最烦“选型横评”。不是烦模型，是烦一堆参数、截图、群聊、PDF 在桌面上叠成隔夜拿铁。九月初我这边要做内部视频生成工具评估，需求很典型：运营想看哪个开源模型能本地跑，法务只看协议，开发看显存，我自己看输出能不能看。刷到一篇 AI 视频模型横评，五个可本地部署模型排得挺满，分辨率、时长、音频、参数、架构，一眼过去像体检报告。我第一反应不是“真全”，而是“这要是让我自己拼，我得把命拼进去”。于是我把那篇横评、几个模型卡、同事发的录屏、邮件里的限制条件，全丢进 WorkBuddy，想让它先做一轮脏活。

WorkBuddy 这一个月我主要用来处理文档归档、表格合并、邮件摘要和会议纪要。前几天我还写过它混合输入把字段映射搞乱，这次又踩了一遍。它一开始很积极，像刚睡醒的 Bug，把桌上东西全扫到地上。LTX 2.5 的 4K 被它塞到 MiniMax H3 旁边，HappyHorse 的 API 属性被它写成可本地部署，协议那一列直接没了。最离谱的是，它把“最长时长”统一成“时长”，于是 5 秒和 15 秒看起来像同一类东西。那一刻我几乎想关软件。界面我也挑，导出表默认字号像隔夜的拿铁，灰底白字糊成一片。但丑归丑，它确实把二十多个文件拆成了行。

我后来学乖了，不指望它一步生成“正确横评”。我给它一个字段契约，让它先别急着结论，先做证据表：模型名、来源、原话、抽取字段、置信度、待确认项。这个操作很 WorkBuddy，它不像模型跑分那样直接给答案，而是能把一堆散东西搬进同一个筐里。我让它把每份资料单独处理，不许跨源合并；等它把来源拆干净，再让它按字段映射。第二遍准确率就高很多，我这边测下来，第一遍大概七成能用，第二遍接近九成，剩下那一成全是语义坑：开源权重、可本地部署、API 可用、商用许可、默认分辨率、最高分辨率，这几个词在文档里经常互相冒充。

这里就能看出 WorkBuddy 的位置。它不是替我做选型，它是替我把选型前的垃圾分拣干净。AI 视频模型横评看着是技术比较，实际是信息治理。参数表越漂亮，越容易骗人。一个模型写“支持 4K”，另一个写“最高分辨率 4K（需特定配置）”，再一个写“社区版可本地部署，官方 API 更稳”，这些句子放进同一张表，不加来源就是耍流氓。WorkBuddy 的好处是它能把来源列带上，坏处是它没有审美也没有责任，不会替你判断哪个说法值得信。WorkBuddy 真正的价值不是替我做选型，而是替我把选型前的垃圾分拣干净。 这句话我之前写它“不该和三秒海报比美”时就想说，这次更确定了。

我把整理后的字段表导成 PPT 大纲时，WorkBuddy 给了三页：能力矩阵、风险清单、试点建议。内容能用，版式难看。标题间距像没对齐，表格边框像用尺子随手画的，我看了两秒就把配色删了。但我承认，它帮我省掉的不是“做表”的十分钟，而是“找证据”的四十分钟。以前这种活最碎，横评文章里一个表，README 里一段，群聊里一句“这个能跑”，邮件里又加一个“法务说协议不行”。WorkBuddy 把这些脏活接过去以后，我才能把时间花在真正需要人的地方：判断哪个字段该高亮，哪个模型对团队有意义，哪张图不该为了好看而误导。

这也让我想到最近那些视频模型榜单。Top 10 里能本地部署的不多，开源赛道又分参数、显存、时长、音频、协议，每个维度都在卷。可办公工具这边卷的不一样。WorkBuddy 不生成 4K 视频，也不替你训练模型，它卷的是你桌面上那堆乱七八糟的输入。一个模型参数错了，可能只是跑分不严谨；一个字段映射错了，会直接变成会议纪要里的承诺、PPT 里的结论、邮件里的甩锅。所以我现在看 AI 办公工具，不太看它能不能“生成惊艳报告”，更看它能不能把错的东西拦住。比如字段契约，比如来源追溯，比如回滚权限。我甚至觉得，把回滚权限硬编码进流程比写文档更有效，这次 WorkBuddy 第一遍错后，我能退回上一版证据表，而不是重新从文件堆里捞，这比它给我一段漂亮话更有用。

不过 WorkBuddy 也有不适合的地方。它不适合直接做最终选型报告。它能把资料整理成结构化草稿，但不会替你承担判断。尤其涉及协议、本地部署、商用限制，它偶尔会把相近概念搅在一起，像把两种灰混成一种脏。它也不适合纯视觉物料，你让它排版横评图表，它会给你一个逻辑正确、审美崩溃的结果。UI 设计师最怕的不是丑，是丑得很有理，表格里每个格子都对，整体却像没做过设计评审。WorkBuddy 的界面和功能也有一点这种味道，功能路径清楚，视觉细节毛糙，按钮间距像被谁拖过，导出模板也懒得做。我嫌弃它，但工作里又离不开它，这大概就是成年人和工具的关系。

往后看，我反而觉得这类横评会倒逼 WorkBuddy 这种工具变得更“有边界”。现在 AI 视频模型卷参数，办公工具卷流程。谁能把多源输入拆成证据链，谁能把字段映射做成可校验，谁就能从“生成器”变成“执行器”。我不希望 WorkBuddy 以后变成一个更会写漂亮结论的 AI，我希望它更像一个有洁癖的档案员。每个字段必须有来源，每个合并必须有冲突提示，每个导出必须保留上一版，每个错误必须能回滚。界面当然也要改，别再用那种灰底糊字模板，至少把表格对齐、字号层级、来源列宽度做干净。丑的我用不下去，这是真话。

如果你也要用 WorkBuddy 处理类似横评、选型、多文档合并，我的建议很直接：别把它当报告生成器，把它当分拣员。先给它一个字段契约，再让它做证据表，最后人工校验关键字段。把“本地部署”和“开源权重”分开，把“最高分辨率”和“默认输出”分开，把“协议”和“许可范围”分开。让它每行都带来源，让它先别总结。你可以接受它第一遍乱，但要给它第二遍的纠错路径。工具负责把下限锁住，人负责把不完美补上。Bug 刚才跳上键盘，把我导出表删了，我懒得骂，正好重新跑一遍回滚。