
WorkBuddy 拿了八项满分,我又把 QoderWork 打开比了一遍,有个地方它赢了
我这店里最贵的东西,是那张存了三年订单的表格。
上周三晚上十一点多,我一边回客服一边让它把「待归档」那个文件夹按月份整理一下。第二天早上打开一看,少了一批文件。它把几个名字看着像重复的旧表直接删了。我当时手都是凉的,三年的进货价、退款记录,都在那几张表里。
后来是从 WorkBuddy 自己的回收站里捞回来的。它删东西默认进回收站,改之前还留了一份备份。我坐在那儿缓了两分钟,才想起来去翻它的操作记录,看它到底动了哪些文件、几点动的、动之前是什么状态,一条一条列得挺清楚。
这事之后我才认真去看它的安全说明。正好那几天刷到一条新闻,11 月 12 号,国家工业信息安全发展研究中心下面的赛昇实验室发了个《办公智能体产品应用安全测评研究报告》,拿国内主流的几款办公智能体做了横向实测,WorkBuddy 在十个安全维度里拿了八项满分,68 条测试用例过了 66 条。
报告里提到,过去三个月有超过 300 个问题技能与专家被拦在上架之前。
我看到这个数字的第一反应是,原来真有人往里塞坏东西。
我 Skill 用了两周,装了大概六七个,从来没想过装之前该不该看一眼它要什么权限。后来才知道 WorkBuddy 装第三方 Skill 之前会自动扫一遍,扫过才让启用。我这边测下来,装一个来源不明的表格处理 Skill 时,它弹了个提示说这个技能会读取剪贴板内容,问我确不确定。我当时点了取消。换成以前,我大概率直接点下一步了。
所以这篇我想干的事很简单,把 WorkBuddy 和我手上另一个 QoderWork 摆一起,逐条比。我要比的是,谁在我这种一个人干五个人的活的小店里,真能让人放心把活交出去。
安全这块 WorkBuddy 赢,而且赢得比较明显,这一条我放在最前面说。但 QoderWork 有一个地方是真赢了,赢在速度上,我后面讲。
第一条,越权。我让 WorkBuddy 改「11 月订单」这张表里的一列备注,它只动那一列。有一次我故意说得含糊,说把订单表里重复的都清一下,它没直接动手,先列了个清单问我是哪张表、重复按什么判断。QoderWork 那边我试过类似的说法,它直接开始跑,跑了大概二十秒,动了两张表。没出事,但我心里咯噔一下。这个差别属于设计取向上的差别,一个默认先问,一个默认先干。
第二条,Skill 的来源。WorkBuddy 每个技能上架前要过安检,代码和行为都扫,开发者身份也核,上架之后还在持续查。这个我没法从用户端验证,但至少它装的时候会给我提示。QoderWork 我这边装的时候,界面上没看到类似的安全扫描环节,也可能是我没找对地方,不敢下死结论。
第三条,脱敏。这条是我最在意的。我每天要导出客户名单发给快递,里面全是手机号和详细地址。WorkBuddy 导出的时候会把手机号中间四位打码,地址只留到区。一开始我还嫌麻烦,后来想想,这些表我要发到群里、发给代发,多一道手就多一分风险。它是在本地识别的,不上传,这一点报告里也写了,输入框、工具返回、数据外发三个口子都做了处理。QoderWork 那边我没找到对应的开关,导出就是原样导出。
第四条,留痕。WorkBuddy 干完活有记录,我翻过一次,能看到它调了哪个技能、读了哪些文件、生成了什么。这个功能平时用不上,出事的时候是救命的。就像我前面那批被删的文件,没有记录我只能干瞪眼。
说到这儿该说 QoderWork 赢的地方了,不然显得我在拉偏架。
我每天早上要处理一百二十条左右的客服消息,按退款、换货、催发货、问尺码四类分开。同样一批消息,QoderWork 跑完大概两分半,WorkBuddy 要四分钟左右。差一分半,听着不多,但我早上就那么点时间,一边烧水一边等,一分半够我把快递单贴完一叠。
不过准确率反过来。我这边测下来,WorkBuddy 一百二十条里分错七条,基本都是催发货和问尺码混在一起的那种,客户一句话问两件事。QoderWork 分错了二十多条,而且错得比较散,有几条直接进了其他。分错就得重来,重来一次四分钟,账一算,WorkBuddy 反而省时间。
这也是我这两个月最实在的一个体会,真正省时间的地方,在于不用返工那一下。
顺便说说我踩过的坑。Skill 的分类规则我一开始写得太粗,就写了退款、换货、催发货、尺码四个词,结果一百多条消息全挤进其他。后来改成每一类下面配三到五个真实例句,再标上优先级,比如一句话里既有退款又有尺码,优先按退款走。改完准确率明显上来了。还有一点,别贪心让它一次干好几件事,我之前试过让它一边分类一边生成汇总表,字段全错位了,重跑的成本比分开跑高得多。串行比并行靠谱,这是我交了学费换来的。
回到安全这件事上。我一开始觉得这些测评跟我一个开小店的关系不大,那是给企业看的。但仔细想想不是。我这种个人用户,没有 IT 部门,没有人帮我审技能,出了事也没人兜底。WorkBuddy 那四道防线,事前识别、事中拦截、事后恢复、全程留痕,等于把本来该由 IT 干的活,塞进产品里替我干了。回收站和备份这两样,我实打实用上了。沙箱和越权拦截这两样,我希望一辈子用不上,但它在我就踏实。
至于企业版那套东西,TC-AICC 可信计算、TLS 1.2+ 加密、通过腾讯 iOA 管影子 AI,我小店用不着,也不打算为这个多掏钱。我 11 月 9 号写过一篇从腾讯招聘岗位反推企业版的帖子,当时说企业版推动的稳定性提升可能让个人版跟着受益,现在看这个判断还算站得住,安全这块的投入最后是摊到整个产品上的。
最后给个预测吧,说错了明年这个时候你们回来骂我。
我觉得到 2027 年上半年,安全测评这类东西会从加分项变成入场券。现在榜单上还在比谁功能多、谁跑得快,等出了几起真事,采购的人第一句话就会问「过没过测评」。到那时候,头部这几家还能跟上,小厂基本没戏,因为持续安检是要人养的,三百多个问题技能拦在上架前,背后是团队在盯。对个人用户来说短期是好事,产品会更稳;但免费档我估计会缩,安全是有成本的,这钱总得有人出。我已经做好心理准备,明年要么涨价,要么功能分档。真到那天,我还是会续,毕竟三年的订单表只丢过一次,我不想有第二次。
物界前沿