WorkBuddy 拿了 8.60 分第一，但榜单第一和你能用好是两回事

那份 2026 AI 办公智能体横评我看了，WorkBuddy 8.60 分排TRAE Work 7.92，千问办公 7.87，这个结果我认。但这两个月用下来，我最大的感受是，分数和你能不能把它用好，中间隔着一整套用法。我踩的坑基本跟能力无关，全在用法上。

九月底那场展回来，我桌上堆了两摞东西。一摞是名片，六十来张，一半是客户自己手写的，字迹我认不出来。另一摞是供应商塞的报价资料，两份 Excel 三份 PDF，中英文混着，货币单位有 USD 有 EUR 还有越南盾。搁以前，接下来两个下午别想干别的。

这次我换了个干法。

我先在 D 盘建了个文件夹叫 leads_0930，下面开三个子目录，raw、mid、out。raw 放原始名片照片和 PDF，mid 放中间产物，out 放最终能导进 CRM 的表。这个目录隔离的习惯我养了有一阵了，一是防止它把原始文件改坏，二是出了问题我能一眼看出来是哪一步出的错。

然后我做了三件事，每件事单独开一个对话。

第一件，只做 OCR。六十张照片一次性丢进 raw，指令写死：逐张提取，输出一个 CSV，字段固定为公司名、联系人、职位、国家、邮箱、WhatsApp、备注。手写的识别率大概七成到八成，打印体基本没问题。这一步花了大概二十分钟，中间有两张拍歪的它标了无法识别，我自己补的。

第二件，去重。同一个客户在不同场合给过两张名片，还有的公司中英文两种写法，比如一个深圳的供应商，一张写「Shenzhen XX Tech」，一张写「深圳某某科技」。我把第一步的 CSV 丢进去，让它按邮箱和电话做主键合并。这一步最省事，十来分钟出结果，六十条压到四十七条。

第三件，匹配。把名片里的公司名跟报价资料里的抬头对上，输出一张表，左边客户右边报价。这一步我返工了两次，第一次它把两家名字里都带科技的公司搞混了。

三个步骤走完，大概一个半小时，出了初稿。我自己又过了一遍，改了二十来处。这个活以前我要两个下午，现在一个上午能收工。这是我这两个月里，WorkBuddy 帮我省得最实的一次。

但我要说的是它的坑。

那份横评里 WorkBuddy 成本透明只给了 6.0 分，我觉得这个分还给高了。它的计费是按输入输出双向算的，每一轮追问会把历史对话重新算一遍 token。我做过一次实验，一个中等复杂度的表格清洗任务，单轮大概花 15 到 25 积分。但你要是同一个对话里连着追问七八轮，第六轮的时候你会发现前面的对话还在被重复计费，最后总额能翻两倍多。社区里管它叫「积分刺客」，不冤。

还有一个更隐蔽的，默认的 Auto 模式经常给简单任务调最贵的推理模型。不同模型的倍率最高差二十几倍，差距是断崖式的。

我后来摸出三条做法，照做之后同样一批活，消耗大概降了四成。查资料切 Ask 模式，只有要产物才开 Craft。一个任务做完就新建对话，别在旧对话里接着聊。简单任务手动选 Hy3 或者 DeepSeek-V4-Flash 这类低倍率模型，别用 Auto。这三条听着简单，但第二条我以前老忘，总觉得接着上下文聊更聪明，其实是又贵又容易跑偏。

再说说它跟另外两家的区别，这也是我看那份榜单时最有共鸣的地方。

TRAE Work 排工程能力 9.5 是全场最高。我试过拿它做同一批名片整理，出来的东西结构特别漂亮，一个带完整目录的项目文件夹，JSON 加 Markdown 加日志，工程上挑不出毛病。问题是我要的只是一张能直接跟进客户的表。它交付的东西正确，但不好用，我得自己再转一道手。

千问办公 7.87，办公交付 9.0 是全场最高，成品质量确实最好。但它模型不能换，这个对我是硬伤。外贸这边的活差异很大，整理一份长合同时需要长上下文的模型，跑一批短邮件草稿时需要便宜快速的模型，一刀切我接受不了。

WorkBuddy 是那个什么都能干、什么都不算最尖的。自主执行 9.0，生态连接 9.5，模型自由 9.5，三项都在线，但 3D 和复杂视觉那块它确实弱，PPT 也出过图表没显示的情况。这就是典型的加权制冠军，没有短板，但没有一项是绝对碾压。

对外贸这种一个人要干十件事的场景，全能比最尖更值钱。

不过我这话有个前提，就是你的活得是那种什么都有点的活。你要是专做一件事，比如只写代码，那 TRAE 或者 Cursor 更对口，不用非凑这个热闹。

还有两条边界我得说清楚。

WorkBuddy 不是 CRM。这个我三周前专门写过一篇。它把脏线索洗成干净的表，但跟进、记录、提醒、成交阶段这些还是得进 CRM。我现在的流程是，WorkBuddy 洗完出表，导进 CRM，后面的动作在 CRM 里做。两个工具各管一段，硬要合在一起用，两头都不舒服。

它也不适合做实时回话。客户在 WhatsApp 上甩一句「上次那款还有货吗」，你不可能等它跑两分钟再回。这种活我交给别的工具，贸译 AI 我这几天刚上手，还在试，用了一周不到，暂时不下判断。

最后说说适合谁。

手上有一堆非结构化资料、一个人当三个人用、愿意花点时间把指令写清楚的人，它值。想开箱即用、指望它自己猜你在想什么、或者一天就跑两三个小任务的人，积分这块先算清楚，不一定划算。

你们在积分这块是怎么控制的？我上面那三条是笨办法，靠纪律省，有没有人是靠工具本身或者外部脚本去管的。