騰訊如何把 WorkBuddy 推向「智能體時代作業系統」

騰訊在 2026 年 9 月 2 日推出 WorkBuddy 開放平台，重點並不只是替既有辦公助理多加幾項 AI 功能，而是嘗試把它擴展成一個可供多方共用的「智能體底座」。平台首批引入逾 100 家夥伴，並有 9 款聯名智慧硬體與 30 多個產業應用同步接入，涵蓋逾 20 個領域。27

所謂「智能體時代作業系統」，較適合視為騰訊的策略方向，而非已被確認的一種獨立產品類別：由 WorkBuddy 提供共通的智能體能力、互動與協作基礎，再交由裝置商、產業服務商和開發者帶入各自的資料、工具與專業工作流程。

核心思路：同一個 Buddy，跨越裝置與工作場景

騰訊先從生態規模切入。首批夥伴橫跨軟硬體供應商，應用觸及金融、法律、醫療、教育與公益等範疇。27

在硬體端，WorkBuddy 主打「不同硬體，同一個 Buddy」：使用者不應把每件裝置當成彼此孤立的 AI 產品，而是透過同一帳號在不同接觸點延續工作。平台將互動整理為「聽、看、記、聊、協」五類觸點，已連接智慧眼鏡、錄音卡、麥克風、耳機等裝置類別。56

這個設計的意義在於，硬體可成為智能體的輸入與輸出介面：錄音裝置負責擷取資訊，眼鏡可提供視覺化互動，手機或電腦則接續處理任務。目標不是讓每一件小工具各自「加上 AI」，而是讓工作脈絡能在裝置間不中斷地延續。

Buddy 應用：把通用 AI 變成產業工作台

在應用層，騰訊推出 Buddy 應用。這類產品由合作夥伴基於 WorkBuddy 的智能體底座打造，並可帶入自身品牌、資料、服務與工作方式，形成面向特定職務或產業的 AI 工作台。511

換句話說，使用者不必從一個空白的通用聊天助理開始提問。合作夥伴可以將智能體、介面、上下文、資料、服務與人機協作安排成一個可直接上手的工作場景。共通底座或許處理任務編排與互動，但真正讓工具適用於實際工作的產業脈絡，往往仍掌握在各領域夥伴手中。

公益 Buddy 是一個具體範例

以公益 Buddy 為例，相關報導指出，它整合騰訊公益平台資料，按照公益機構的實際工作方式，整理出 11 個場景膠囊與 42 項場景能力，並由 15 個智能體協同支援。其列出的使用情境包括資助申請、票據處理、盡職調查分析及慈善法解讀等。21

騰訊也搭配了導入誘因：已入駐騰訊公益平台或數位工具箱且完成認證的機構，可在 2026 年內每月申領 5,000 點 WorkBuddy 積分，發放至機構指定工作人員帳號。21

重點不僅在積分本身，而是騰訊試圖降低機構在既有工作環境中試用垂直智能體的門檻。

開發者補上長尾專業能力

第三層是開發者平台。WorkBuddy 開放三項主要能力：

• Skill（技能）：將可重複使用的工作程序與標準作業流程（SOP）封裝為能力。
• Expert（專家）：提供具領域知識的智能體體驗，包括單一智能體及團隊型態。
• Connector（連接器）：把外部服務、工具與企業系統接入 WorkBuddy。1021

在 Connector 的技術路徑上，官方文件列出兩種選擇：若已有 API 服務，或能提供 MCP 伺服器，建議採用 MCP + Skill；若已有成熟且跨平台的命令列工具，則可採用 CLI + Skill。單一 Connector 只能二選一，不能混用兩種方案。17

這套擴充架構正是平台策略的關鍵。騰訊不必自行完成每一種企業系統整合與產業流程；夥伴可透過共通的擴充節點，將專業工具、資料與 know-how 交給 WorkBuddy 調用。

付費與分發，仍是尚待完成的商業層

一個平台不只需要能接入，也需要讓使用者找得到、開發者有機會獲得回報。騰訊表示，支付能力與分發通路正在加速建設，希望讓提供專業經驗的開發者與企業取得更好的回報。21

不過，這些通路在上線時仍在建置中，因此現在還不宜把 WorkBuddy 視為已獲驗證的完整市集。儘管如此，這項規劃已勾勒出其預期的循環：更多開發者與夥伴帶來更多實用能力；更好的分發讓能力觸及更多使用者；使用需求再反過來支持更專門的開發。

騰訊真正想建立的是什麼？

WorkBuddy 的布局，結合了 AI 產品中常被拆開處理的四種角色：

1. 共通的智能體層：負責帳號身分、互動與任務編排。
2. 裝置生態：把智能體放進日常工作的多個接觸點。
3. 垂直產業應用：結合特定領域資料與流程。
4. 開發者擴充模式：提供可重用程序、專家型體驗與外部工具接入。51011

逾 100 家夥伴、9 款聯名硬體與 30 多個產業應用，顯示騰訊起步時已具備一定的生態廣度。27 但廣度不等於長期實用性。真正的考驗在於：跨裝置的工作延續、可信賴的產業資料，以及第三方擴充能力，能否確實減少人們完成真實工作的摩擦。

如果答案是肯定的，WorkBuddy 有機會成為多種專業智能體體驗之下的共通層；若做不到，平台也可能只是許多彼此鬆散的 AI 整合。這正是其「智能體時代作業系統」企圖背後最實際的意義與挑戰。