對話 WorkBuddy 李超：快，是唯一正確的事

• ? 當 AI 一天產出上萬行代碼，沒有人能一行行看，你要學會的：是當老板

• ? 在編程的時候，模型已經不主動寫注釋了

• ?你不知道未來的競爭對手是什么，OpenClaw 從來沒說自己是編程工具

以上內容來自我和 WorkBuddy 負責人李超的一次對話
我們可能完全都錯了

本篇歸屬「賽博史記 · 逮蝦戶列傳」
記錄這波浪潮里最前沿的一批人在想什么、在做什么

騰訊在深圳總部廣場搞了一場線下活動幫大家免費裝龍蝦，來了上千人，Peter（OpenClaw 創始人）在 X 上轉了。與此同時，騰訊云、企業微信和 Claude 也都開始了龍蝦的相關服務

WorkBuddy 產品界面

昨天，也就是 3 月 9 日的時候，騰訊發布了 WorkBuddy，被叫做「騰訊版龍蝦」。完全兼容 OpenClaw 的 skill，但不需要自己買服務器部署，不需要自己買 token，安裝即用，1 分鐘連上企微

WorkBuddy 1 分鐘連接企業微信

李超是 WorkBuddy 的負責人。WorkBuddy 從騰訊云的 AI 編程工具 CodeBuddy 長出來，騰訊內部超 90% 工程師在用 CodeBuddy，AI 生成代碼占比超 50%

趁著 WorkBuddy 上線，我去找他他聊了一個多小時，聊產品路徑，聊人和 agent 的關系演變，聊信任機制，聊一些他自己也說「不知道答案」的問題

上周才開始做的

我問李超，Work Buddy 這個東西是不是年前立項的，過年大家加班搞的？

他說不是，年前主要在做 WorkBuddy IDE 的升級。Claw 模式是年后返工才做的。團隊內部的人在旁邊補了一句：「這個確實都不能說是年后，應該就是上周才開始」

一個 AI 團隊用 AI 做 AI 工具，從動手到發布，一周

李超自己的解釋很直接：因為是 AI 團隊，你自己本身對 AI 的使用要求就很高，所以出產品就是要這么快

這個速度放在以前完全不可想象。但現在的語境下，GPT-5.4 前天發布，用戶三個小時就開始罵「怎么還沒接上」。以前一個技術上了兩天就接上，大家覺得真快?，F在新模型發了三小時沒接上，評論區已經炸了

忍耐度在指數級下降。對應的，出手速度必須指數級上升

李超說了一句我記下來了：
你得代表最先進生產力，別人才相信用你的工具也有最好的生產力

CodeBuddy 比 Cursor 更早 Skill，其 Claw 模式在國內 coding 類產品里目前沒有看到第二家發布的。GPT-5.4 出來第二天就接上了

快，就是這個時代最對的事情

編碼往下沉了

在過去，編程是程序員的專屬，即便是 AI 編程也是。

CodeBuddy 最早便是幫開發者寫代碼提效的
所提供的補全、Chat、Craft 模式，都是圍繞著編程這個實際場景

但，李超并不想和我聊這些

他說了一個發現：當 coding agent 被馴化得足夠強之后，它能干的遠超 coding 本身
它能操作你的日常辦公文檔，能幫你做數據報表，能幫你處理各種知識工作。編碼能力變成了一個底層工具，用戶甚至不需要知道它的存在

對程序員來說，寫代碼是目的
對 WorkBuddy 的用戶來說，編碼只是手段。手段會往下沉

他舉了一個自己的例子。最近要出 DAU 數據報表，只給 agent 一條最基礎的 SQL，讓它自己衍生。agent 自己知道要算用戶重疊度、按時間和人群拆維度，最后產出了一整套用戶增長邏輯的報表。以前這個事要好幾個人花好幾天

還有一件小事：他現在給自己寫小工具的時候，甚至愿意讓 agent 寫測試用例。單測、端到端測試，全寫。以前正式代碼的測試都要花很大勁才愿意做，更何況小工具。但現在，也就一句話的事情

這個變化，有個底層邏輯：以前人做不做一件事，會考慮腦細胞的消耗量
對 AI 來講，可做可不做的事，就做吧，反正又耗不了多少電

騰訊內部已經有超過 2000 名 HR、行政、運營等非技術崗位在用 WorkBuddy 做數據分析和自動化辦公。這些人不關心代碼寫得怎么樣，只關心結果交付

李超說了一個推論，關于框架的：未來很多框架不會有太大發展，因為模型花算力理解新框架，不一定是高效的。前后端一體化，減少上下文摩擦，讓 agent 在更短的信息里知道更多東西，這才是方向

從協作到委托

人和 AI 的關系，正在經歷三次遞減，每一種背后是完全不同的人機關系

第一種：IDE 里的深度協作
人看代碼，人改代碼，agent 也改代碼，人做補全。三者在同一個界面里共同操作。這是目前大多數程序員的狀態。李超笑著管這叫「傳統程序員」。美國已經有大學在開「現代編程」課，教的就是怎么用 AI 編程

第二種：評論式交互
人不再親自改代碼了，而是選中一段代碼，寫個評論給 agent，讓它改。就像 leader 審員工的代碼，你不會說「我們一起編程吧」，你會在代碼上批注

第三種：IM 委托
人在手機上給 agent 發一條消息，agent 自己接活、干活、交付

從一到二到三，人在循環中的介入一直在遞減。到第三種的時候，人甚至不在電腦前

但李超加了一個關鍵的前提
只有你能把任務完全委托給 agent 的時候，你才會用 IM 去發消息

你不會用手機指揮 agent 做一件需要不停調細節的復雜工作。那你就開電腦好了。你會委托的，是那些你確信它能做好的事。比如每天整理周報。比如每天早上整理一下今天要干什么

「我會期待它立刻給我返回嗎？不會。因為我知道它每天一定會返回。到辦公室十點鐘坐下來看到結果就好了，或者在地鐵上九點鐘看到它發給我就好了。我有這個心理預期」

他又說了一個自己的場景。以前經常想下班前發一個很長的 prompt 給 agent 執行，不然覺得這個班白下了。但經常被卡住，agent 有時候要他確認一個 plan，他得等它 plan 完再走

而現在，有了 Claw 模式，確認需求在手機上就能做。你走你的，它干它的
IM 延長了辦公周期。你不需要在電腦前，agent 也不需要你在電腦前

使用WorkBuddy自動編發運營文案 信任先觸頂，然后是管理

信任是有天花板的，而這個天花板之上的東西，才是真正的瓶頸

我問：一個人同時操控多個 agent，產品上會要有怎樣不同的思考

他說：核心變化在信息密度
你不可能打開手機五個龍蝦每個跟你說 2000 字。未來 IM 里 agent 給你的消息會極度濃縮，你甚至不知道它用了什么 skill、寫了什么代碼，全部縮掉

「你只關注兩件事：AI 告訴你做完了，做的怎么樣。然后看一個制品。一個文檔，一個 PPT，一個表格。你是開公司的，你員工給你匯報，你不會希望他把所有過程匯報給你的」

那么這里面，那信任的天花板，在哪里？

第一層是信任本身。通過模型能力提升，通過 rule 和 skill 的引導，通過社區的傳導（比如你看到別人說「這個工程全都是 AI 寫的」），信任會快速建立。這一層會先觸頂

觸頂之后，瓶頸變成人的認知怎么管理多個 agent？怎么配套工具？怎么編排工作？

對此，李超反復用管理來舉例，他說這和人管人是一樣的，因為 agent 會越來越像一個人

我想到了雨森的一個觀點：用 AI 和當老板是一樣的，要把一個抽象的事情變成一個盡可能能執行的活，然后校驗最后的結果

李超接了一句：如果這步你做不好，你也管不了那么多 agent。它反而會變成信息轟炸

當然，我自己現在的做法很粗暴，只給 agent 劃兩個邊界
一、硬性的接口和權限，你干的活就在這個地方，別瞎搞
二，大的約定，要提前約好

而對于具體細節？已經超出我的人力范圍了
當 AI 一天產出上千上萬行代碼，沒有人能一行行看

模型已經不寫注釋了

聊到后面，李超說了一個讓我停下來想了很久的事情

早期的模型，比如 GPT-3.5，特別喜歡寫注釋
恨不得每一行代碼下面都來一句話。甚至注釋里還會夾一些特殊字符，你還得自己刪，不小心漏一個出去，別人覺得你不專業

現在的模型不太寫注釋了。甚至不太主動寫文檔

他問我：「你發現了嗎？」

我說：你不提我還真沒意識到，回想一下確實如此，好久沒看到模型主動寫注釋了
人不看代碼了，所以不需要注釋了。模型感知到了這個變化，自己調整了輸出

這件事可能比聽起來更值得注意。模型的行為不全是人工調出來的，它在進化&訓練過程中也在根據用戶的反饋模式做調整。你不看的東西，它就不給你了

人和模型在互相觀察?；ハ喔淖儗Ψ降男袨?。而這個過程，是悄悄發生的

李超說他不確定是不是完全這個邏輯，但趨勢確實在
「這個東西我們也會持續觀測，以后有什么有意思的也會分享」

你不知道你的競爭對手是什么

這句話李超說的，讓我想了很久

這一波龍蝦熱里，各家的路徑不太一樣

模型廠（Kimi、MiniMax、智譜）從 chatbot 往 agent 方向延伸，順帶帶模型的量

• ? Kimi 接得最快，因為 K2.5 口碑好加上原來 OK Computer 的底子直接升級

• ? MiniMax 被 OpenClaw 作者官方推薦為「省錢效果好的模型」，使用量暴漲

• ? 智譜甚至專門為龍蝦訓練了一個新的模型：Pony-Alpha-2

騰訊從 code agent 這條路走，有它的道理
純云端場景，強模型，你可以做個網站，玩一下。然后呢？怎么跟你的個人工作聯合起來？
普通用戶面向一個空的新電腦，很難知道自己要做什么

但如果你本地就有文檔、有數據、有代碼倉庫，agent 用編碼作為工具把這些東西轉起來，再用 IM 跟你隨時隨地連接，想象力自然就來了。你的資產加上算力，才是真正的生產力場景

「文本是最能凝練信息的方式，最直接，最通用。所以 work agent 一定從 code agent 演化出來，而不是從 chatbot，也不是從 workflow 引擎」

然后我們聊到一個更深入的問題：

我說：OpenClaw 從來沒說自己是編程工具，但我感覺它取代了很多編程工具的生態位，

李超不覺得它是編程工具，「真正拿它編程的人，本來也可以用別的方式遠程編程」。它更多是給大家打了個樣，怎么把 AI 和 IM 更好地連接起來

他之前也嘗試過做類似的東西，比如AI 和人共享論壇。當然，這種思路很多人都想到過。但需要三個條件同時到位

• ? 模型成本降低

• ? 大家對 agent 有認知

• ? IM 的端口的開放

三件事同時到位，這事才成了。它只能在這個時間點成

去年 1 月份行嗎？不行。去年 2 月份呢？也不行
second me 去年就有了，技術實現上差不多，但當時沒火。就像電車早于汽車出現，但電池不夠大的時候，什么都做不了

我問：三到五年后，WorkBuddy 做成了，你覺得跟今天做對了什么有關系
他說：不停跟進最先進的東西，然后最快給到用戶

「去年能看到今年是這個樣子嗎？我根本看不到三年之后會是什么樣子」

他把 WorkBuddy 未來的方向定義為「想法變現實的工具」。code agent 是把想法變成代碼，未來這個層次會不停提升，從代碼到網頁到應用

「未來什么代碼不是全都由 AI 寫的呢」

如果算力足夠、模型足夠強、computer use 成熟，所有軟件都可以被 agent 操作。那軟件的前端為什么還要由開發者統一提供？用戶自己跟 AI 說一下，界面變成你想要的樣子就好了

這都有可能。但說實話，現在說這些，誰也不確定

下班，意味著開工

以前下班就意味著關電腦、結束一天的工作
而未來，下班前的最后一件事可能是給 Agent 布置今晚的任務

李超說他有段時間下班前最怕一件事：agent 正在跑一個長任務，中間卡在一個 plan 確認上。走不了。等它 plan 完再走?！刚f那個等我一起下班」

現在有了手機端，他終于可以心安理得地走了。回家路上看一眼手機，點個確認，agent 繼續干

「因為是做 AI 的，我經常想下班前一定要發一個很長的 prompt 讓它去執行，不然感覺這個班就白下了」

以前下班關電腦?，F在下班給 agent 開工

這大概是這個時代打工人最誠實的寫照了

聊到快結束的時候，我們還吐槽了個：是不是之后也很難區分在家、在辦公室以及辦公之間的界限了？不僅工作意義上無法區分，甚至可以用 Claw 幫著打卡。

他自己說完補了一句：「這個能不能寫」
我說：「好」

然后一層一層的想下去：員工讓 AI 寫周報，老板讓 AI 讀周報。員工讓 agent 干活產出代碼，老板讓 agent review 代碼。群聊里所有人都在熱火朝天地討論

然后大家在樓下咖啡廳碰見了

真是個賽博的世界

WorkBuddy 下載地址 https://www.codebuddy.cn/work/ Web 端 國內版 https://www.codebuddy.cn/agents/ 國際版 https://www.codebuddy.ai/agents 新用戶注冊送 5000 Credits，無門檻 https://www.codebuddy.cn/profile/usage