-
桌面 Agent 不是更聪明的聊天框,而是把电脑的操作权交出去。2026 年这个赛道的胜负手,已经从「谁的模型更强」变成三件更朴素的事——任务一次成功率高不高、单位成本低不低、谁占住了用户开机后的第一屏。来源与口径市场数据:易观分析《中国办公智能体平台市场研究报告 2026》《2026 年二季度中国办公智能体平台市场洞察》产品信息:各厂商官方发布与官方文档(OpenAI、Anthropic、Microsoft Learn、阿里云、火山引擎、DeepSeek 社区、腾讯官方)海外采纳数据:Cyberhaven Labs 面向企业客户端的实测观测(2025.12–2026.06)界面核验时间:2026-09-14。产品迭代极快,具体功能以官方最新版本为准。 一年时间,从开源爆火到全员入场这一轮浪潮的起点不在大厂,而在一个开源项目。2025 年 11 月,奥地利开发者 Peter Steinberger 开源了 Clawdbot(后更名 OpenClaw)。它的特别之处是「不只会说」——读本地文件、跑 shell 命令、开浏览器、调 API,甚至能拆解多步任务自己跑完。配上那只红色龙虾图标,「养虾」迅速从开发者圈子蔓延成一场大众装机热。真正的引爆点在 2026 年 1 月:Anthropic 发布 Claude Cowork,把「让 AI 操作你的电脑」做成了正规军产品。它选择了一条克制路线——先给最高档订阅(Claude Max)的 macOS 用户做研究预览,用一个多月压力测试后才全面铺开。几乎同步,国内厂商集体入场:阿里 QoderWork 开启邀测(1 月 30 日)、MiniMax Agent 2.0 上线(1 月 20 日)、阶跃 AI 桌面伙伴推出 Windows 版(1 月 19 日)。到 3 月,赛道进入「全员参战」。腾讯 WorkBuddy 于 3 月 9 日正式上线(距离对外内测仅一个月),QoderWork 在 3 月 3 日全面开放。也是从这个月开始,桌面端 AI 原生办公智能体的头部产品合计月访问量突破 2000 万次,增速前五的产品月环比增速普遍超过 100%。真正的分水岭在 6 月——竞争重心从「能不能做」转向「企业愿不愿意买单」:WorkBuddy 发布企业版与 Agent Suite 办公智能体套件(6 月 5 日),Claude Cowork 一口气推出 10 款面向金融、人力、法律的行业插件,微软在 Build 2026 上放出个人助理型 Agent Microsoft Scout(6 月 3 日)。同月,17 款桌面上主流办公 Agent 合计访问量突破 6000 万次。8 月又起了第二波:DeepSeek 在 8 月 13 日晚开源 DeepSeek Harness(dsh),主打「一切皆插件」,3 小时 3 万 Star;6 天后社区推出的桌面封装版 deepseek-harness-desktop 冲到 14.5k Star,卖点只有一句——「不用装 Node.js,不用敲命令,双击即用」。字节也在 8 月 25 日发布「豆包工作」品牌,与飞书深度打通。 为什么偏偏是 2026 年? 三个条件同时到位:模型终于「看得懂屏幕」。GUI Agent 路线走向成熟,基准数据已接近实用门槛:GAIA(通用助手任务)准确率 74.5%(人类基线 92%)、OSWorld(操作系统任务)66.3%、WebArena(网页任务)74.3%。工具协议收敛。MCP 成为事实标准,技能(Skill)范式被广泛接受,工具接入从「每家写一套适配器」变成「一次开发到处运行」。成本结构变了。推理成本进入精细化定价阶段,分级档位(标准档 / 旗舰档、峰谷 Token)出现,让「高频用 AI 干活」第一次在经济上算得过来。
-
衡镜:劳动问答与仲裁助手项目是什么。 面向普通劳动者的劳动问题导航,两条通道:问一句规则,流式给结论、依据、下一步,不追问不算钱;讲一段案情,多轮构案,给举证清单、分项金额与文书草稿。覆盖工资、社保、合同、离职、休假、工伤、三期、维权八域,两边共用同一套检索、计算与引用校验。技术大概。 基于华为云 AgentArts,15 节点 16 边、四个模型角色、两级分岔,法条库经 MCP 接入。分工只按一条判据:一行代码能判对错的交给代码(金额、时效、缺项、引文逐字、承诺词),不能的交给模型(理解问什么、组织语言、拿什么措辞去检索)。所有回复从同一个代码出口出去,问答走 SSE 逐字输出。法条怎么被严格管住。 库里 39 部 / 1,719 条按来源分级,可逐字引用 1,671 条;出版物 48 条 citation_allowed=false,只作线索。引用过五道硬闸:法名存在、条号存在、施行日期、引文与原文字字一致、条号必须来自本轮检索池,核不上整句删。金额须在计算回执里找得到,缺参数写「待算」,过度承诺一律拦下;每整句先过闸再吐字。输出不构成法律意见,递交前须人工复核。
-
最近参加了一些行业交流会,围绕 Data Agent 落地,和业内专家、客户做了不少交流。一个感受是,大家对问数这个任务的判断,分歧还挺大。有些人认为问数(ChatBI)已经被解决了,有些人认为问数无法被解决,还有些人认为问数是一个伪命题,根本没有需求。今天,我们想从自己的经验和视角出发,聊聊这个事情。01 在谈更复杂的任务之前,先把问数做好在我看来,现在行业里有一个倾向:还没有学会走路,已经在考虑跑步的事情了。关于 Data Agent 类产品,核心任务主要包含:问数、归因、报告/报表/看板制作、预警推送、预测等任务,权限控制贯穿其中。归因、报告、预警、预测等上层任务,都建立在可靠的数据获取之上。准确性会沿着依赖关系逐层传导,只要其中每一环都存在一定误差,链路越长,最终结果偏离真实业务的风险就越高。另外,有些人会觉得问数是一个伪命题,直接看 BI 不就行了吗?其实不是。到了今天,问数已经不只服务于“人类”。在我们看来,未来最大的增量场景,是被各类 AI Agent 调用。当一个系统成为另一个系统的底层依赖时,调用频次和任务链长度都会放大准确率、延迟和成本的影响。目前行业里关于 Data Agent 的讨论,更多集中在“如何用本体解决业务问题、推动业务动作”。而作为这些任务基础的问数,却常常被一笔带过,或者只用一个“95%以上的准确率”来概括。问题在于,有些准确率并没有同时交代完整的评价指标和测试条件。实验室里能通过的测试,放到复杂生产环境中,是否依然成立?以我们目前接触到的方案来看,复杂生产环境中的问数问题,还远没有被普遍解决。我们从 2019 年开始做 ChatBI,一路走到今天的 Data Agent,累计参与了上百个项目,其中正式落地项目几十个,截至目前项目验收率接近 100%。在问数、归因、看板制作及预警推送等全场景实践中,沉淀了大量的一线认知。今天,我们聚焦‘问数’这个核心场景展开拆解。02 问数任务需要评估的性能参数对于问数任务,我们认为,一个合格的生产级产品,应该评估以下几个性能参数: 以下是亿问 Data Agent 在这些参数上的表现。 03 亿问 Data Agent 算法架构问数属于 NL2SQL 的一个子集,只涉及查询,不会修改表结构或者更新数据。我们的解决方案,说得精确一点,是"NL2NL2LF2SQL"。大家可以看到,这里出现了两次 NL。这不是写错,而是我们架构的精髓所在。核心流程分为三部分。NL2NL:把泛化的查数需求转化为精准的查数需求这部分由大模型完成。比如,用户输入:【你好呀,给我看下近四年的整体营业收入是多少呀,我说的近四年是22年-25年哦,不到26年】。输出可能是【2022年~2025年整体营业收入】,也可能是【2022年~2025年营业收入】。具体措辞不会100%不变,但整体比较稳定。这一部分的提示词不需要包含任何业务信息,只约束如何把需求转化为精准的查数表达。加上制作看板和报告的 Skill 提示词、Agent 基础提示词,也只需3万 Token,并且不会随着业务信息增多而增加,所以行为非常稳定。NL2LF:把精准查数需求转化为 LogicformLF 全称 Logicform,是我们针对查数场景自定义的一种 DSL 语言。它以JSON 为表达载体,方便二次处理和加工,因此可以植入特殊业务逻辑、权限、自定义算法等等。这一部分由我们纯自研的算法 Alisa 完成,是整套架构的两个核心之一。Alisa 仅需要 CPU 推理,不限制表数量,平均能在500ms内给出结果。同样的输入,问一万次,结果一定一模一样。另外,Alisa 并不是简单的“维度+指标”映射 NLP 算法。比如:【2025年销售额前三的门店,在2026年的销售额、销售额同比分别是多少?】这样精确但相对复杂的问题,它可以直接支持。LF2SQL:把 Logicform 转化为 SQL另一个核心,是我们自研的数据库语义层 SemanticDB。它通过“Schema+指标”来表达企业业务。我们定义了 Logicform 的语法,并开发了执行器,将 Logicform 转化为客户侧的 SQL 语句。Logicform 封装了具体的业务算法,能够支持财年、缓慢变化维等多种特殊场景。这部分也没有大模型参与。关于 Alisa,我们之前专门写过一篇文章亿问 Data Agent 与其他 Data Agent 到底有什么区别?这里简单展开一下。它是基于知识图谱语义建模的自研算法,并不采用 DeepLearning 架构。处理一个问题时,需要先把用户说的业务词,映射到企业实际定义的指标、对象和关系上,再处理时间和查询条件。这里用到的业务知识,需要事先在语义模型中定义清楚。 但真实的业务问题,并不总能直接解析。比如,用户只说【上周那个情况怎么样】,连要查什么都没有说清楚。或者,一个业务词可能对应几个不同的指标。这个时候,系统就需要先把问题搞清楚。我们的处理方式是:如果有多个可能的业务含义,就通过语义召回找到相关候选,再交给大模型和用户进行澄清。如果无法解析,Alisa 会返回这个状态,由大模型改写问题、拆解需求,或者让用户补充信息,然后再查。所以,在我们的系统里面,无法解析也是一个明确的结果,可以继续处理。我们认为,这比需求还没有搞清楚,就先生成一个 SQL 执行,要好得多。04 未来的问数,可能更多地是给 AI 用未来,企业内部会出现越来越多的 Agent,其中相当一部分都需要持续查询企业数据。随着调用主体从“人类”扩展到“AI”,权限如何控制、身份如何传递、业务定义如何复用,都会成为必须解决的问题。我们产品的每一层,都可以单独对外开放。比如 SemanticDB 层、Alisa 层、AI 员工层、权限层等等。不同企业可以根据自身已有的技术能力,选择从不同层级接入。先说权限。一个 Agent 代表谁在查询,应该继承谁的权限;如果任务被继续转交给其他 Agent,权限是否能够正确传递,这些都需要有明确的定义。比如,门店负责人让一个 Agent 分析自己门店的经营情况,这个 Agent 就只能在相应的授权范围内查询数据。即使任务被进一步转交给其他 Agent,也不能因此扩大数据访问范围。所以,权限必须在实际查询链路中生效。仅仅在提示词里告诉大模型“哪些数据不能查”,我们认为是不够的。在接入方式上,也可以根据调用方自身的能力来选择:如果调用方已经能够生成符合语法要求的 Logicform,可以直接接入 SemanticDB;如果提供的是精准的查数需求,可以接入 Alisa;如果需要完整的自然语言交互和数据任务能力,可以使用 AI 员工层。无论采用哪种接入方式,调用身份和对应权限都需要贯穿整个查询过程。还有一个很重要的问题,是业务定义的复用。未来企业里可能同时存在销售 Agent、财务 Agent、经营分析 Agent,它们承担的任务可以不同,但如果查询的是同一个口径的营业收入,就应该使用同一套业务定义,而不是由每个 Agent 各自理解一遍。否则,每个 Agent 都维护一套业务知识,一旦指标定义发生变化,就需要逐个同步,最终很容易造成不同 Agent 之间的口径不一致。我们的想法是,把业务定义和查询能力统一维护,让不同的 Agent 按自己的任务需要来调用。 上层 Agent 可以持续增加和变化,底层已经沉淀好的指标口径、对象关系和查询规则则可以稳定复用。这样,企业前面做过的语义建模工作,才不会只服务于某一个 Agent,而能够真正成为整个 AI 应用体系共同使用的基础能力。05 写在最后:先把基础能力做扎实回到开头的分歧,问数不能简单地说“已经被解决”,也不能说“无法解决”,更不是一个“伪命题”。它本质上是一项必须长期做扎实的基础能力。归因、报告、预警、预测等上层任务,都建立在可靠的数据获取之上。未来,当越来越多 Agent 开始持续调用企业数据,底层一次查询中的误差、延迟和不稳定,也可能沿着后续任务链被持续放大。所以,在讨论更复杂的 Data Agent 能力之前,更重要的是先把问数这项基础能力做扎实。
-
【摘要】SuperCLUE最新一轮办公智能体评测结果出炉,8款国产AI办公产品同台比拼。本文跳出简单的排名之争,从文档处理、数据分析、材料撰写三个核心办公维度拆解评测数据,提炼关键结论,给出面向企业办公、数据运营、文稿撰写等场景的选型参考框架,帮助开发者、业务同学找到适配自身工作流的AI办公工具。说明:本文数据基于SuperCLUE公开评测结果,评测结论仅代表评测时点产品能力,AI产品迭代速度快,不同评测集结论存在差异,选型建议以自身业务实测为准。一、整体榜单:梯队分化明显,头部差距极小本次SuperCLUE一共纳入8款国产办公智能体进行统一评测,我们先看总分梯队划分:第一梯队(80分以上):豆包工作 85.33、Kimi Work 84.57、WorkBuddy 83.99、百度搭子 82.68第二梯队(70~80分):千问办公 78.38第三梯队(60~70分):商汤小浣熊 69.20、讯飞星火工作 69.12第四梯队(50分档):纳米Work 53.13从分数上可以看出一个很有意思的现象:第一梯队内部竞争非常激烈,第一名豆包工作和第四名百度搭子之间仅相差2.65分,综合能力层面头部产品的差距并没有名次看上去那么悬殊。真正的分水岭在第四名之后。千问办公和第四名拉开4.3分差距;商汤小浣熊、讯飞星火工作分数接近,处于同一水平;而纳米Work大幅落后,仅53.13分,并且不是均衡偏弱,而是存在单项能力的结构性短板,数据分析维度仅16分,基础办公能力缺失明显。参评产品底层模型:豆包工作(字节跳动/Doubao 2.1 Pro)、Kimi Work(Moonshot AI/Kimi-K3)、WorkBuddy(腾讯/Hy4-Preview)、百度搭子(百度)、千问办公(阿里/Qwen3.8-Max)、商汤小浣熊(商汤)、讯飞星火工作(科大讯飞)、纳米Work(360/360GPT-Pro)二、分项维度拆解:三大核心办公能力,各产品能力侧重差异显著总分只能反映综合水平,企业和开发者在落地AI办公工具时,更关心专项能力是否匹配业务流程。本次评测把办公智能体能力拆分为文档处理、数据分析、材料撰写三个核心维度,分项表现差异巨大。2.1 文档处理:长文档理解、摘要、格式整理文档处理主要考核大模型长文本上下文理解、信息提炼、文档结构化、格式整理能力,适合合同、调研报告、会议纪要、海量资料阅读场景。豆包工作 87.12分,该项领跑;百度搭子82.93分、WorkBuddy82.45分紧随其后;千问办公该项仅73.46分,文档处理短板,是拖累总分的主要因素。如果日常工作以研读海量文档、梳理资料、输出结构化文档为主,文档处理维度的得分权重应该优先拉高。2.2 数据分析:表格解析、数据运算、结论输出数据分析是数字化办公的核心能力,覆盖Excel解析、数据透视、指标计算、数据结论生成,这个维度的分数分化最为剧烈。Kimi Work 88.00分排名第一;WorkBuddy 86.13分紧随其后;总分第一的豆包工作该项81.50分,相比Kimi Work低6.5分;纳米Work仅16分,该项基本不具备可用能力,数据类工作场景可以直接排除。对于数据运营、财务、业务分析岗,数据分析能力优先级高于综合总分。2.3 材料撰写:方案、汇报、结构化文稿生成材料撰写重点考察基于素材信息,生成逻辑通顺、结构规范的报告、方案、汇报材料的能力,是行政、市场、项目岗高频需求。Kimi Work 88.33分、千问办公88.08分,两项接近全场最高分;百度搭子87.60分同样表现优秀;千问办公虽然总分排在第五,但文稿生成能力属于第一梯队,属于典型的偏科型选手,很容易被总分排名低估。三、三大核心洞察:总分有迷惑性,专项能力决定落地价值梳理完分项数据,可以得到三个对选型非常有指导意义的判断:总分第一 ≠ 全场景最优豆包工作总分第一,但优势集中在文档处理;数据分析、文稿撰写弱于Kimi Work。如果岗位以数据报表、数据分析为主,Kimi Work的实际落地体验会更好。WorkBuddy属于均衡型选手,数据分析、文稿撰写都处于上游水平,通用办公场景稳定性强。偏科产品,在垂直场景具备高价值千问办公就是典型代表:总分一般,但文稿撰写能力顶尖。如果团队核心诉求是批量产出汇报、方案、材料,它的价值会高于很多总分更高的产品。商汤小浣熊同样偏科,数据分析能力显著强于文稿撰写,适合轻量数据分析场景。低分产品要区分“能力偏弱”和“能力缺失”商汤小浣熊、讯飞星火工作分数不高,但三个维度都接近及格线,属于完整可用的办公智能体,只是能力上限有限;纳米Work属于结构性短板,核心数据分析能力基本失效,不属于成熟可用的办公工具。四、场景化选型框架:从业务痛点出发,而不是盯着排名选型的核心原则:优先匹配高频业务场景,而不是盲目选择总分第一。这里整理一份可直接落地的选型参考:✅ 高频阅读长文档、资料整理、纪要梳理:优先豆包工作✅ 表格处理、数据统计、数据分析、数据报告:优先Kimi Work、WorkBuddy✅ 方案撰写、汇报材料、项目文稿生成:优先Kimi Work、千问办公✅ 通用综合办公,文档、数据、写材料需求均衡:优先WorkBuddy,无明显短板✅ 入门试用、均衡基础能力:百度搭子,三项能力稳定,波动小五、总结与落地建议评测数据是重要参考,但不能直接作为选型最终结论,在企业落地AI办公智能体时,有三点建议:标准评测任务 ≠ 真实业务任务:评测是标准化考题,企业内部往往有固定模板、业务术语、内部规范,标准化高分产品不一定适配内部格式和业务语境,必须小范围试点验证。AI产品迭代周期短:当前版本的能力排名,会随模型版本快速变动,选型时除了当前能力,也要关注产品持续迭代节奏、生态开放能力。提示词工程放大工具价值:同样一款AI办公智能体,提示词质量、工作流编排,对最终产出效果影响很大。与其反复对比多款产品,不如选定2-3款候选,在真实工作流里试用一周。一句话总结:AI办公工具选型,先锁定高频业务痛点,再看对应专项维度分数,远比单纯对比总分更加靠谱。说明:文中两张数据图表来源于原始评测文档,为SuperCLUE官方评测结果截图。本文分析基于SuperCLUE公开评测数据,不同评测机构、不同任务集的评测结果存在差异。产品能力随版本迭代快速变化,本文结论仅反映评测时点的状态,建议结合自身实际工作场景试用后再做选择。
-
【第十一届华为 ICT 大赛・创新赛・赛题 2】信贷抗辩审议智能体 多角色对抗式审议系统
-
kimi k3和opus5.5选谁
-
.gitignore 里明明写了,文件还是被 git 跟踪,为什么?
-
大家用的哪个软件token套餐怎么搞最划算。花了几百了用的ds的。
-
Token有免费的吗?求!
-
Token有免费的吗?求!
-
有什么免费的agent吗?买不起token了!
-
现在大家都用什么agent?
-
一、如果你要的是“统一纳管所有智能体的企业门户”这类需求核心是解决员工找不到入口、跨平台无法协同、Token成本和效果不透明的问题。华为开发者联盟走的是“系统级入口”路线,智能体上线后可以被系统级智慧大脑调度,提供LLM模式、云工作流模式、云A2A、端A2A多种开发方式,还有Vibe Coding自然语言生成代码框架、生成式A2UI等降低门槛的能力。如果你看重分发触达和端侧能力,可以重点看。二、如果你要的是“开发智能体的平台入口”按角色快速对号入座:个人、小团队快速验证:Coze扣子,零代码、插件生态丰富、可一键发布到微信飞书抖音等渠道。但要注意它不支持私有化部署,数据需要过字节云,不适合数据敏感的核心业务。有技术团队、要数据主权:Dify,Apache 2.0开源,可Docker部署到自有VPC或内网,支持75+模型,RAG体验均衡,短板是团队治理能力偏弱。阿里云用户、要全链路MaaS+Agent:阿里云百炼,覆盖开发测试发布观测全流程,有Agent Store模板,能和阿里云账号安全体系打通并延伸到钉钉。腾讯云、企微生态:腾讯云ADP,提供Claw、标准、工作流、多智能体四种模式,可接入企微、钉钉、微信公众号、小程序、飞书等渠道,也提供API接入自建系统。国企政务、强合规:百度千帆中文理解和知识管理较强,偏政务国企场景;360智语主打全栈私有化交付、内容审核和数据脱敏,适合金融政务等强监管行业。大量无API老旧系统:实在Agent,通过屏幕语义理解直接操作软件界面,不需要API,在制造业有较多自动化落地案例。想开源可商用、要语音虚拟人能力:讯飞星辰Agent,支持0代码低代码,兼容主流开源模型和自有微调模型,平台已全面开源采用Apache 2.0,覆盖开发调优部署运营全流程。
-
最近在使用华为云 CodeArts Agent 辅助 Java 项目开发,发现它能够根据需求自动生成业务代码、SQL 和单元测试,确实提高了开发效率。想请教一下,大家在实际项目中会直接使用 AI 生成的代码吗?有哪些需要特别注意的地方?
-
做 RAG 或者 AI 智能体的,模型知识是旧的,得接实时网页数据。亮数据的结构化数据源能直接接进数据管线、AI 智能体、机器学习工作流和 RAG 系统。输出可以是适配 LLM 的 Markdown,也可以是 JSON。它还能跟 LangChain、CrewAI、Dify、LlamaIndex 这些集成。你要是自己搭智能体,接起来不难。我用下来觉得关键不在于"能不能抓",而在于"抓回来是什么格式"。直接给模型 Markdown,比给它一堆 HTML 标签省太多事
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家;李炎-华为云码道产品专家;彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战,从0到1打通消息通道;码道鸿蒙端云一体化实战,快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人;蒋春阳-华为云AI开发者案例开发专家
本期直播内容: AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了:看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签