8 月各路测评里，WorkBuddy 的月访问量已经冲到 2097 万、断层第一。但比”第一”更值得企业决策者玩味的，是它那条”越用越强”的曲线——据腾讯 Q2 财报披露，WorkBuddy 的任务解决率从 72% 提升到了 90%。这不是模型某天突然变神，而是一条被验证跑通的”真实任务飞轮”。读懂这条飞轮，你才真正读懂腾讯在 AI 办公这场仗里凭什么领先。

一、竞争题目变了：从”聊天”到”把事干完”

最早用大模型，无非聊天、搜信息、生成文字；如今用户要的是 AI 直接把活干完——读完几十份材料整理成报告、打开表格分析数据再出图表、按批注意见反复改文档、甚至调用多个软件跑完一整套工作。模型、产品、工程、场景必须一起转动。

这恰好撞进腾讯最熟悉的竞争区。回顾腾讯二十年，它擅长的从来是”找到高频入口，再把更多服务连进来”：QQ、微信连人，小程序和支付连交易，企微和腾讯会议连工作。WorkBuddy 延续的正是这套思路——不止帮你看文件，而是把文档、会议、知识库和企业工具连起来，让一个入口完成更多工作。

二、飞轮怎么转：真实任务打磨 Agent，Agent 反哺模型

腾讯一端是已经进入真实工作环境的 Agent（WorkBuddy），另一端是连续迭代的自研混元。两者之间，出现了一条此前并不明显的双向反馈通道，业内称之为 Co-design Loop（协同设计飞轮）。

真实任务先打磨 Agent。一项工作拆解得是否合理、上下文是否充分、工具调没调对、哪一步失败了、用户最终接不接受——这些 Benchmark 测不出的问题，都会在真实执行里暴露，并推动 Agent 在任务编排、上下文管理、工具调用、失败恢复上持续优化。

Agent 再反哺模型。在合规与授权前提下，真实任务沉淀下来的有效反馈，持续喂给混元做迭代。任务解决率 72%→90%，正是这条飞轮跑出来的结果。模型变强后，又把 WorkBuddy 推向更复杂的任务边界，新的任务又会带来下一轮反馈——飞轮就此自驱。

三、飞轮的燃料：被忽视的”任务轨迹”

飞轮转起来，靠的是一种比训练语料更稀缺的新型资产——”任务轨迹”（Agentic Trajectory）。它记录的不只是答案，而是状态观察、中间推理、工具调用、环境反馈、错误修正的全过程，告诉我们一项工作”究竟是怎么完成的”。

行业正在形成共识：能持续产生高质量过程反馈的真实工作流，正成为比语料更贵的数据资产。一个鲜活的旁证是，今年 6 月 SpaceX 宣布以 600 亿美元收购 Cursor 母公司 Anysphere——买的不只是编辑器，更是海量开发者真实的编码轨迹。

WorkBuddy 背后两千万级的月访问量，既是规模，也是一套持续暴露 Agent 短板的反馈机制。这正是它相对”只做模型”玩家的深层护城河：模型可以买、可以追，但真实任务喂出来的飞轮，需要时间积累，无法速成。

四、短板也是燃料：别神话，也别低估

8 月红黑榜与广州日报实测，也诚实指出了 WorkBuddy 的短板：生成图表时视觉表现力偏弱；一旦修改本地文件名或存储路径，产品会丢失上下文记忆，需要重新下达指令。但这恰恰是飞轮进一步转动的燃料——每一次失败，都在优化 Agent 的失败恢复与上下文管理。看一款 AI 产品，短期看亮点，长期看它有没有把失败变成养分的机制。

五、飞轮要转快，缺的是”行业真实任务”

飞轮转得越快，越需要持续、高质量、且足够垂直的”真实任务”。但通用平台有一个绕不开的短板：它听不懂行业的”行话”。

以零售为例，订单路由策略、库存调度逻辑、B2B 授信返利规则、全渠道对账口径，这些”只可意会”的经验，在通用平台上无法沉淀成可迭代的任务轨迹。这正是商派 ShopeX 的落点：把这些零售 know-how，封装成可复用、可分发、可迭代的标准 Skill——既让零售企业真正把 WorkBuddy 用起来，也为飞轮补上最稀缺的”行业真实任务层”。

当阿里整合出”千问办公”、字节把 TRAE 升级为 TRAE Work、腾讯将 QClaw 归入 WorkBuddy，办公 AI 的统一入口之争已经收敛。接下来的胜负，不再是谁的入口大，而是谁能把行业里的真实任务真正跑通。腾讯 WorkBuddy 提供”懂 AI 但不懂零售”的通用底座，商派补上”听得懂零售行话”的那一层——底座越强，这层封装的价值越高。