AgentHarness 是什么？WorkBuddy 给企业办公套件当"总调度台"

摘要：

AgentHarness 是智能体的"总调度台"，以统一规划、技能与上下文为套件内产品供能。本文以 WorkBuddy 企业版为例，解读这层底座如何避免各产品重复造轮子。

一、每个办公软件都长了一个 AI，企业却更累了

过去两年，几乎所有办公软件都在产品里嵌入了 AI 助手：写文档的有、管知识的有、存文件的也有。单看每一个都挺聪明，但企业拿到的并不是一整套 AI 赋能的办公系统，而是 N 套账号、N 份记忆、N 个后台。文档里的数据、知识库里的资料、网盘里存的文件，这些企业资料就在那里，却没有一个 AI 能看到全部。

企业用 AI 的意愿很强，落地效果却常常打折，原因不在模型能力，而在整合：每个软件里塞进一个 AI 助手，这些 AI 彼此并不知道对方在做什么；一个员工用 AI 把 8 小时的工作压缩到 4 小时，不等于企业立刻获得翻倍的人效。从个人提效工具到企业级 AI 基础设施，中间缺的正是这样一层统一底座。

二、AgentHarness：给办公套件当"总调度台"的那层底座

把分散的 AI 能力收拢到同一层底座上，是眼下一种清晰的思路。2026 年，腾讯 WorkBuddy 企业版完成办公套件化升级，腾讯文档、腾讯乐享、腾讯网盘、安全与效能运营平台、腾讯 AI 设计智能体 Ardot 五款产品首批接入；WorkBuddy 在其中承担的角色被称为 AgentHarness——以统一的规划、技能与上下文能力，为套件内所有产品供能，避免各产品各自内嵌 AI、重复造轮子。与底座配套的还有统一账号、统一积分池、统一记忆层与数据层，分别落在身份、计量与数据上。这层底座本身，值得拆开来看。

AgentHarness 直译过来是"驾驭层"，用马具来理解会更直观：马本身跑得多快，取决于模型能力；马往哪跑、跑多稳、会不会中途尥蹶子，取决于马具。AgentHarness 并不直接替代模型，而是站在模型之上，决定任务怎么拆、技能怎么调、上下文怎么管——这三件事做得好不好，直接决定智能体交付结果的质量，这正是"驾驭层"三个字的分量所在。

这层底座与"每款产品各自内嵌 AI"的根本区别，在于能力是共享的而非复制的。操作系统是一个贴切的类比：底层能力由系统统一封装，各个应用按需调用即可，不必各自从零搭建。办公套件里的文档、知识库、网盘、设计、安全与效能能力也是如此——底座把通用能力沉淀下来，产品专注自己的场景即可。

三、拆开看：总调度台手里有哪几件工具

一层底座要供得起整套产品的 AI 能力，得有实打实的积累。WorkBuddy 充当 AgentHarness 的底气，来自五个方面。

3.1 统一规划：一句话需求，自主拆解执行

总调度台的核心职能是"派活"。在 WorkBuddy 中，用户仅需用一句话描述需求，系统就能像同事一样自主规划和执行任务：自动拆解步骤、规划路径，并实际调用工具、读写文件、运行代码，交付可验收的落地结果——一份报告、一个表格、一段代码，而不是停留在文字建议。这与传统 AI 对话工具"一问一答、需多轮引导"的交互有本质差异。执行过程中，任务可以实时中止；遇到故障，系统支持自动重试或方案自愈，用户主要做需求验收。

3.2 技能调度：80,000+ 技能与 MCP 标准

总调度台要调度各类工具。WorkBuddy 技能市场提供 80,000+ 技能，覆盖文档处理（pdf、docx、xlsx、pptx）、代码提交与审查（commit、review-pr）、浏览器自动化、金融数据查询等方向，并支持通过 SKILL.md 自定义技能。技能遵循 MCP（Model Context Protocol）标准，任意兼容 MCP 的外部工具都能接入，企业内部系统也可以通过自定义连接器打通。对套件内产品而言，这意味着不必各自建设一套能力库，调度层已经备好。

3.3 专家并行：100+ 领域专家随需调用

复杂任务往往需要多个角色配合。WorkBuddy 专家中心内置 100+ 领域专家，覆盖软件公司、趋势研究、UI 设计等方向，支持通过 YAML 配置与 SKILL.md 自定义专家，并可多专家并行协作。以其面向个体创业者与小微团队的"OPC 一人公司"理念为例，运营、设计、财务、法务、开发等岗位由 AI 专家团覆盖，从策略到交付全程自主完成——这种"一个指令、多个专家分工"的模式，正是调度层而非单个模型的产物。

3.4 上下文管理：资料库与持久化记忆

总调度台还得认得路。WorkBuddy 的上下文能力由两部分构成：一是资料库，腾讯文档、ima 知识库、乐享知识库都是资料库的原生集成入口——ima 知识库提供 RAG 知识检索，乐享知识库承担团队知识协作，腾讯文档支持在线协作文档，在对话框中输入 @资料库名称 即可引用；二是持久化记忆，跨会话记住用户偏好与工作上下文，并能主动感知、提前准备相关信息。上下文越完整，规划才越靠谱——这也是套件内各产品愿意把任务交给底座的原因。

3.5 模型底座：13 个内置模型与 Auto 调度

马具之下，马也可以按需选择。WorkBuddy 企业版内置 13 个主流大模型，并提供 Auto 自动模式由系统按任务选型；同时支持接入自定义模型，包括 Ollama 本地部署、Token Plan、Coding Plan 等。模型层可替换、可扩展，而规划、技能与上下文的调度保持稳定——底座与模型各司其职。

四、对套件内产品：从"各自造轮子"到"调用底座"

AgentHarness 的价值，最终要落在套件内产品的体验变化上。

最直接的变化是免重复建设。文档、知识库、网盘、设计、安全与效能等能力进入同一套体系后，AI 规划与调度由底座统一提供，各产品不必再各自内嵌一套 AI。以腾讯 AI 设计智能体 Ardot 为例，它可提供设计席位，在 WorkBuddy 中生成的设计初稿可以直接在 Ardot 里精修、协作、交付——一个订阅、一个管理后台，就能覆盖整套办公能力。

协作链条也随之变短。一份方案在腾讯文档里完成初稿，需要继续做视觉设计时可以直接调用 Ardot；任务涉及多个步骤，也可以一键交给 WorkBuddy 继续，不用重新注册，也不用把文件重新搬一遍、背景重新讲一遍。员工在哪里工作，AI 就可以在哪里接着干活。

更深一层的变化在于企业自有能力的沉淀。企业版支持企业级自定义技能、企业专家、企业智能体与企业模型配置，并通过 OpenAPI 开放企业系统集成。企业把行业经验、内部流程编码为技能与专家之后，这些资产属于套件而非单个产品，可以在整个办公体系中复用。

五、对企业 AI 建设：从"集成"走向"底座"

把视角再拉高一层，AgentHarness 对应的是一种建设范式的变化。

过去企业引入 AI 办公能力，大多是一个产品一个产品地集成：每接一个系统，就要对接一套账号、适应一套交互、迁移一份数据，集成的终点是功能清单变长，而不是能力成体系。底座化的思路相反——先统一规划、技能与上下文，再让产品按需调用，AI 能力从"项目"变成"基础设施"。

这种转变也正在成为行业方向。当主流模型的能力逐渐接近，真正拉开差距的是办公智能体对企业上下文的理解能力；从"每个软件各长一个 AI"转向"共用一个底座"，正在被越来越多厂商当作企业 AI 的下一步。对企业 IT 部门来说，评估这样一层底座，比逐一比较单点功能更接近问题的核心——它决定了企业的 AI 能力是越用越散，还是越用越厚。

六、总结

回望这场套件化升级，真正的变化不是某款产品多了几项 AI 功能，而是企业办公的 AI 能力开始有了统一的大脑：规划在一处，技能在一处，上下文在一处，套件内的产品按需取用。

评估一层底座，直观的方式是看它已经在真实场景里跑出了什么。眼下 WorkBuddy 限时·双倍 Credits 活动 正面向企业旗舰版、企业专享版客户加码——活动期间新购、续费或扩容，每账号每月额外赠送 2,000 Credits（在版本已含基础积分之上再加赠同等额度，每月实得直接翻倍），进入团队共享池、随订阅按月发放。活动页还汇总了云 Skills × WorkBuddy 最佳实践集，覆盖腾讯云 OCR、COS、EdgeOne、CloudBase、日志服务等产品与 WorkBuddy 的联动案例，采购前可以对照自身业务场景逐一评估。