头图来源：视觉中国
前段时间，Anthropic 发布了 Model Hardware Standard，尝试给 AI Agent 建立一套与硬件沟通的通用语言。接入这套标准后，显微镜、机械臂等不同厂商、不同接口的设备，可以被 Agent 发现、理解和调用。
这件事指向了 AI 行业正在发生的一次变化。过去一年，竞争主要围绕模型的推理、生成和多模态能力展开；如今，Agent 开始走出聊天窗口，进入实验室、工厂和企业现场。行业的问题随之向下移动：模型已经足够聪明之后，谁来连接工具、硬件、数据和任务？
9 月 2 日，腾讯 WorkBuddy 宣布面向更多伙伴开放合作。通达信、广发证券、北大法宝、腾讯 SSV 教师助手、微盟、北森、云帐房、帆软等应用与软件伙伴进入生态；Plaud、Rokid、影石、优篮子、科大讯飞、安克、猛玛、京造等硬件伙伴，也共同构成了 WorkBuddy 的生态版图。
一款 AI 产品为什么要同时连接专业软件、行业服务和多种硬件？这份名单勾勒出的，其实是 Agent 即将面对的完整工作现场：专业软件提供行业知识和业务动作，智能硬件提供声音、图像与移动中的现场信息，Agent 则要把它们组织成一条可以持续推进的任务链。
过去一年，AI 办公产品已经能写、能搜、能总结，也能处理越来越复杂的内容。但真实工作依然分散在不同软件、不同设备和不同账号体系里。用户获得 AI 的建议之后，往往还要自己完成信息搬运、工具切换和流程衔接。
所以，当 AI 开始参与复杂工作，竞争的其实是谁为 Agent 建立一套工作系统：让它记住上下文，理解任务状态，调度应用与设备，并在可控的权限边界内把用户意图推进成结果。
WorkBuddy 此次开放合作，试图给出的答案是，Agent OS。
会答题之后，AI 得学会把事办完以一名投资经理准备行业调研为例。他需要回看此前的研究笔记和会议纪要，调取市场数据、公司公告和行业信息；会议结束后，还要整理核心判断、列出待验证问题、分派后续任务，最终沉淀为一份研究报告。
其中每一步都有相应工具：会议内容可能留在录音设备里，市场信息来自专业金融服务，资料散落在本地文件和企业知识库中，协作又发生在文档、邮件和即时通信软件里。AI 可以帮助生成一份摘要，却未必知道用户此前研究过什么、这次讨论解决了哪些问题、哪些结论还需要继续验证。
这正是 Agent 从「回答问题」走向「完成工作」时遇到的主要障碍。腾讯 WorkBuddy 开放生态负责人林佐露在发布会上也谈到，」Agent『能做事 』这道坎已经跨过去了。真正的挑战是，让它在任何设备、任何系统、任何场景里都不中断。」
Agent 要承担复杂任务，需要拥有连续的上下文。它要记住用户已经做过什么，理解任务进行到哪一步，判断该调用哪项工具，也要清楚哪些数据可以读取、哪些操作需要确认。记忆、任务状态、工具连接、身份权限、数据和产物，构成了 Agent 工作所需的基本环境。
早期 PC 也经历过类似阶段。在操作系统和统一接口成熟之前，软件之间难以顺畅交换信息，用户自己充当不同工具之间的连接器。如今，应用、设备与 Agent 之间的割裂，让这种摩擦以新的形式出现。
所谓 Agent OS，解决的就是这层问题。传统操作系统管理文件、窗口和应用，Agent OS 还需要管理任务、记忆、工具和权限。模型提供理解与推理能力，这套系统决定模型能看到多少工作现场，又能把任务推进多远。
上线半年内，WorkBuddy 完成超 50 个版本迭代，落地政务、教育、零售、金融、传媒、出行等 50 多个行业。据腾讯 2026 年 Q1 财报披露，以日活跃账户数计，WorkBuddy 已成为中国最受欢迎的效率 AI 智能体服务；第三方机构易观的数据显示，6 月 PC 端单月访问量超 2000 万，保持市场第一。
当一些 AI 办公产品还在验证单一场景时，WorkBuddy 已经积累了足够多样的真实任务类型，这是它试图做 OS 的前提——OS 从来不是为单一应用设计的。
从 Buddy 应用到智能硬件，一条工作链如何接起来WorkBuddy 的开放生态，首先是在补齐 Agent 的「手」和「眼」。
通达信、广发证券、北大法宝、微盟、北森、云帐房、帆软等应用与软件伙伴，分别连接金融、法律、商家经营、人力资源、财税和数据分析等专业场景。它们带来的价值，除了应用入口，还有 Agent 完成专业任务时需要的行业知识、业务数据和可执行工具。
以金融投研为例。通达信把自身 30 年的专业投研能力封装进 WorkBuddy，用户一句话提问，分钟级就能输出结构化、可追溯的研报级内容。这套应用内置 26 个专家和 14 个 Skill，运行时通过 MCP 协议自主调度通达信的实时行情、财务数据和板块信息，调用过程中自动弹出标准化数据卡片。并且，当数据存在缺口时，系统会明确标注「待补」，而不是自行填充。
这正是专业场景对 AI 的硬约束。通用大模型可以生成一份看起来完整的分析，但在投研、法律、医疗这类领域，「看起来对」和「可追溯、可复核」是两回事。
Buddy 应用可以看作加载在 WorkBuddy 底座上的垂直工作模式。行业伙伴将自己的知识、工具、流程和品牌形态接入其中，用户得到的则是更贴近职业需求的工作台。投资经理、教师、律师、内容创作者和商家，都可能拥有不同的 Buddy。
图片来源：WorkBuddy
硬件伙伴的加入，则让工作流进一步走出屏幕。Plaud、Rokid、影石、科大讯飞、优篮子等设备，可以把语音、图像、空间交互和移动办公场景中的信息带给 Agent；安克、猛玛、京造等伙伴，则补齐办公与创作现场的终端入口。
硬件接入的逻辑，本质上是在给 Agent OS 写 "驱动程序"—— 硬件负责感知、唤起、显示和交互（相当于 I/O 设备），WorkBuddy 负责理解、规划和调度（相当于内核）。厂商无需自建 AI，也不必改变产品形态，一次接入即可打通硬件、App、PC、Web 多端，让账号、任务、记忆与产物在设备之间无缝流转。
比如，用户携带录音设备或智能眼镜进入会议室，现场发言成为任务输入；会议结束后，内容被转写和归档，待办事项被提取，相关资料被调用，后续邮件与协作任务被推送到对应系统。用户从硬件切换到手机或 PC 时，任务、记忆和产物仍然沿着同一条链路延续。
优篮子的联名款键盘麦提供了另一种入口形态。它把麦克风和小键盘做在一起，按键唤醒、开口说话就能给 WorkBuddy 派活，全程不需要切换到软件窗口。
图片来源：优篮子公众号
这个产品的经典场景是 Vibe Coding—— 开发者用语音描述需求，Agent 自动生成代码片段，手不用离开代码编辑器。对内容创作者和日常办公用户来说，它同样是一个 "always-on" 的语音入口：灵感来了直接说，临时任务随口下，碎片想法自动变成结构化的待办或草稿。
对硬件厂商而言，他们拥有了一条更现实的 AI 路径。从零搭建模型选择、记忆管理、任务规划、工具调用与权限控制，需要庞大的工程投入。如果硬件负责感知、唤起、显示和交互，Agent 平台承担理解、规划和调度，厂商可以把精力留在自身擅长的产品体验上。
WorkBuddy 想承担的，正是这个中间层角色。用户看到的是 Buddy 应用、专家、Skills、连接器和硬件，底层运行的是一套围绕任务组织上下文和能力的调度系统。
伙伴接入得越多，平台能看到的工作上下文就越完整——这既是生态的价值，也是 Agent OS 能否成立的关键变量。
一套工作系统，怎样从产品长成生态？任何一套 OS 的价值，都不只来自自身功能。它需要为开发者提供稳定的接口，为合作伙伴留出持续经营的空间，也需要让用户在不同应用和设备之间获得一致的体验。Agent OS 同样遵循这套逻辑。
金融、法律、财税、教育和内容创作有各自的知识、数据与工作流程，硬件也承担着不同的感知和交互任务。一家公司很难独自覆盖如此复杂的工作现场。WorkBuddy 此次开放的意义，在于尝试把记忆、任务、工具调用、身份权限和产物管理等公共能力交给平台，再由伙伴补充行业知识、专业软件与终端入口。
这也解释了 WorkBuddy 为什么要从一款产品走向生态。单一 Agent 能看到的上下文，通常受限于一个应用；接入的行业和工具越多，它才越有机会理解一项工作如何发生。
开放平台的技术架构也印证了这一点。除了硬件和 Buddy 应用，平台同步开放了 Skill（技能）、Expert（专家）、Connector（连接器）三大模块。开发者可以把一套行业方法或工作流写成 Skill，把领域知识与判断方式封装为 Expert，通过 Connector 把自有 API 或工具接入。
图片来源：WorkBuddy
这种接入是双向的：外部 AI 能力进入 Buddy 市场服务用户，硬件伙伴也能通过平台获取授权，把 WorkBuddy 的生态能力带进自己的设备。平台的支付能力与分发通路正在加速建设——OS 的历史反复证明，经济系统的设计比技术架构更能决定生态的长期走向。开发者能不能赚到钱、伙伴能不能获得持续回报，直接决定了这套开放体系是活的生态还是一次性的合作展示。
将视角再拉高一步，可以看到，在最新季度财报中，腾讯把 AI 布局概括为智能、应用和基础设施三个层面：混元构成模型能力，WorkBuddy、CodeBuddy 等产品承接真实任务，算力和云基础设施则支撑模型训练与应用推理。腾讯管理层同时将 WorkBuddy 描述为一个灵活的 Agent 工作空间，可以根据任务调度不同模型与 Skills。
这一定位意味着，WorkBuddy 在腾讯体系中的作用，并不止是把混元包装成一个办公产品。它更像模型、工具和用户任务之间的连接层：向下承接混元及其他模型的能力，向上连接具体的生产力场景，再通过真实任务检验模型和 Agent 工程是否可用。
最近发布的 Hy4 Preview，让这条链路变得更加具体。腾讯将其定位于代码、办公与科研等生产力任务，并同步接入 WorkBuddy、CodeBuddy、元宝和 ima。Hy4 Preview 还与 WorkBuddy 等产品进行协同设计，重点优化跨文件协作、数据分析，以及从信息处理到文档、表格和演示文稿交付的完整流程。
过去，大模型研发与产品落地经常是两条相对独立的链路：模型团队在基准测试中提升能力，产品团队再寻找适合的使用场景。WorkBuddy 与混元的关系，呈现出另一种路径。模型先进入真实生产力任务，产品侧的评估、工具调用结果和场景反馈再回到研发环节，帮助模型与 Agent 工程继续迭代。
这构成了腾讯想建立的数据飞轮。模型能力提升后，WorkBuddy 可以处理更复杂、更长链路的任务；任务类型增加，又会暴露模型在规划、工具调用和结果交付中的真实问题；应用、硬件、Skills 与专家继续接入，则进一步提高平台的上下文密度。产品、模型和生态在这一过程中相互推动。
数据飞轮也需要明确边界。对于企业用户来说，任务记忆如何保存、业务数据如何隔离、关键操作如何授权和留痕，都会决定平台能进入多深的工作流。WorkBuddy 获得更多上下文的同时，也要承担更重的治理责任。缺少这层可信基础，生态规模越大，潜在风险也会随之增加。
从这个角度看，开放生态本身就是 Agent OS 成立的条件。腾讯内部已经拥有混元、会议、文档、邮箱、企业微信和云服务，外部伙伴则带来专业知识、行业软件和硬件入口。如果这些能力能够围绕任务被统一调用，WorkBuddy 才可能从腾讯内部的 AI 办公产品，成长为面向更多行业与开发者的工作平台。
OS 无法依靠一次发布完成。开放生态能否让 Agent 在每个用户的工作流里积累出足够密度的上下文，让模型有真实信号可以优化，让伙伴有持续回报愿意留下来——这是比技术架构更根本的问题。
WorkBuddy 可以率先提出 Agent OS 的方向，但这套系统是否真正成立，最终仍取决于它能否把腾讯的模型、产品与连接能力转化为一种可持续的生态秩序。
天顺优配提示：文章来自网络，不代表本站观点。
