WorkBuddy 拿了双榜第一，但我盯着的是报告里那句 Harness

上周刷到沙利文那份《2026 年全球桌面 AI 智能体市场研究报告》，腾讯 WorkBuddy 在中国个人端和企业级桌面智能体两个榜单上都是第一。配图是那种很标准的榜单截图，评论区一片祝贺。在这之前，Omdia 和 IDC 也发过评估，WorkBuddy 的分数都不低，沙利文这份算是第三家。

我第一反应是想起上周三晚上卡住的那份文件。

先交代背景。我家朵朵二年级，这学期老师让家长准备一份成长记录，家长会上用。我手上散着三类东西。十几份 PDF，有学校发的通知，也有朵朵的阅读打卡记录；一张 Excel，是我自己记的错题和订正情况；还有手机里几十张截图，是朵朵拿 AI 聊天工具问作业的对话。我想让 WorkBuddy 把它们整成一份能打印的东西，顺手也能当我自媒体的素材。

我用 WorkBuddy 两个月了，之前主要拿它整理资讯、做 PPT，单个文件基本没出过岔子。这次我把三类东西一股脑丢进一个文件夹，写了一段挺长的指令，让它自己归类、提取、合并。结果卡在第二步。PDF 读完了，到了要跟 Excel 对齐的时候，它开始来回改，改了三轮，日期格式全乱了，截图的 OCR 又混进来一些不相干的内容。

我当时以为是文件太多。后来拆开重做，先只喂 PDF，跑完验收，命名统一成“日期加类型”；再单独处理 Excel；截图那部分我先自己裁掉无关的边，只留对话正文，再进。整个流程跑下来大约四十分钟，比我第一次折腾的两个小时短多了。

讲这件事，是因为报告里有一句话，我觉得比排名本身重要得多。报告说，Harness 是桌面 AI 智能体的胜负手，还把 WorkBuddy 的技能市场、企业系统的 API 和 Webhook 接入，当成 harness 支柱里执行接口的范例。

Harness 这个词，翻译过来大概是“约束装置”的意思。放在 AI 智能体里，我理解就是，模型再聪明，也得有一套东西管着它，任务怎么拆、工具怎么调、错了怎么恢复、权限给到哪、记忆存在哪。报告里“产品技术领先指数”那一栏，列的 Agentic 能力、Harness 工程、模型适配、扩展与开放能力，覆盖的正是这些。而“用户落地实效指数”那一栏，安装部署、UI 交互、多端协同、工作流模板、任务编排、定时调度、审计合规，也都是同一件事的不同侧面。

报告把“聪明”和“靠谱”拆成了两栏，然后说靠谱那栏才是分水岭。

这个判断我认。因为我上周三卡的那一下，卡的地方不在模型聪不聪明。

它读 PDF 读得很好，甚至能从朵朵潦草的打卡记录里认出日期。它卡的是流程没有分步验收的机制，是我把三个格式差异极大的东西混在一起，它没有强制我先拆。这是我的操作问题，但也是产品该替我想一步的地方。

前几天我写过一篇帖子，讲 WorkBuddy 处理 PDF、Excel、截图混在一起会卡住。当时有朋友回我，说可能是文件命名和路径的问题。现在回头想，那篇帖子的结论只对了一半。命名和路径确实有影响，不过主要问题是我当时没有把每个步骤单独跑一遍验收。这个思路，和报告说的 harness，是一回事。

WorkBuddy 在这一点上做得不算差。它的技能市场是开放的，PDF 读取、表格整理、文档摘要这些技能可以单独装、单独跑，我后来就是这么拆的。它还有定时调度和工作流模板，理论上可以把“每周整理一次”这种活固定下来。企业版那边据说做了团队记忆、AI 资产管理和审计合规，这部分我没用过，不瞎评价。

但也有我不喜欢的地方，说清楚。它对文件命名和路径的敏感度比我预期高。同一个 PDF，放在桌面和放在一个中文命名的子文件夹里，识别结果会有差异。这个体验对普通用户不太友好，尤其是我们这种文件随手丢的人。多步骤任务里它偶尔会自作聪明。我明确说了先做 A 再做 B，它有时候会把 B 的中间结果带进 A，出来的东西看着完整，实际上一对就错。我现在的应对办法是一步一停，验收完再往下走。慢，但稳。

还有一点，是我这次最大的收获。报告里提到自定义模型零成本接入，被列为它的“独有护城河”。这个能力对我这种个人用户的意义，可能和企业用户不太一样。我不太会去换模型，但我知道模型可以换，我不用被绑死在一个上面，选工具的时候这是个加分项。不过说实话，普通家长不会关心这个，他们关心的是能不能一次把事办成。

所以我的判断是分人的。如果你手上是单一类型的文件，一份 PDF、一张表，WorkBuddy 基本可以开箱用，个人端能拿第一不奇怪。如果你是像我这样，要把好几种格式混着处理，那它现在更像一个能力很强但需要你自己当工头的手下，你得会拆任务、会验收、会命名，它才发挥得出来。企业用户那边，报告说的团队治理、审计合规这些，才是拉开差距的地方，但那已经超出我的使用范围了。

我现在给自己定了个规矩，一次只喂一类文件，命名统一成日期加类型，每一步跑完自己过一遍，确认了再进下一步。这套规矩用了大概一周，目前没再翻车过。朵朵的成长记录最后是打印出来了，一共八页，老师还问我在哪做的。

往后一年，harness 这个词大概会从行业报告里走到普通用户的嘴边。榜单会越来越像，模型能力也会越来越接近，剩下的差别在于谁能把每步验收、每步可回退做成产品的默认动作，不用用户自己去摸。我现在这套规矩，就是这么逼出来的。