9月30日，一篇横评在科技圈转开：作者把同一份"脏"销售流水表，同时交给了三家大厂的办公 Agent——腾讯 WorkBuddy、阿里千问办公、字节豆包工作。说它脏，是因为表里混着不同日期格式、退款、跨季度订单、部门缺失和异常金额，平时谁看了都头疼。

同一句提示词，三家都交了 Excel、PPT 和摘要，但算出的三个季度总额，最高比最低多出 57.7%。

这个差距不是"谁家模型更聪明"能解释的。三家用的模型都不弱，差的是模型之外的东西。

差出来的 57.7%，是没人告诉 AI 规则

把一份销售流水算成总额，中间隔着三步：读懂表格、判定规则、确定取数边界。三步里任何一步的口径不同，结果就分道扬镳。

第一步是文档识别。表里混着双栏排版、手写标注这类脏条目，Agent 得先读对。千问办公接入了扫描全能王的 30 多项文档处理原子能力，但在双栏排版这类场景里，段落串行、语序错乱仍是普遍问题——读订单的第一步就可能出错。

第二步最要命。退款该不该冲减当月、跨季度订单归属哪天、异常金额怎么处理——这些在财务上没有统一标准。Agent 如果没有接进这家企业的专属业务规则，只能拿自己的通用知识库去"猜"。千问办公 CEO 陈宇森说过一句很直白的话：Agent 不知道"我们公司"是谁、"华东区"是哪几个省、"毛利率"该怎么算。这不是智商问题，是信息缺失。

于是同一个退款，有的 Agent 归到本月扣减，有的当作独立凭证忽略；同一笔跨期订单，财务分摊比例各自从知识库掏出不一样的默认值。这不是计算错误，是判定规则的根本分歧。

第三步是取数边界。有的 Agent 只拉销售单金额，有的非要连着销售、采购、库存算全链路成本，变量一多，数值偏差成倍放大。

虚构的文件没骗到它们，但你也没省下心

横评还做了两个更刁钻的测试。

一是让三家核查五项近期公开信息，再给一份实际不存在的《2026 年 Q2 渠道返点结算明细》，要求据此分析趋势、提出下一季度策略。结果是：三家都没有顺着任务编出一份像模像样的分析。在"证据达到哪一级才允许下结论"这件事上，AI 反而比人谨慎。

二是拆开三个 macOS 安装包，看它们为 Agent 准备了什么执行环境。

但谨慎不解决另一个问题：计算环节，三家都有翻车记录。有一家靠自检救回来了；WorkBuddy 的子 Agent 先算错，再由主 Agent 复算纠正。换句话说，你把活交给 Agent，它可能还要给自己安排一个"复核岗"。

横评的结论是这么写的：Agent 完成任务，不等于人获得减负。省下的时间，可能只是被新的任务替换。哪怕你把同一个任务发给多个 Agent、让不同模型交叉验证，最后也未必敢直接交出去。

这点做财务的人体会最深。月底要对几千条流水，错一笔就是事故。腾讯 WorkBuddy 开放平台负责人于洪潇拿这个场景解释过产品逻辑：银行的流水在银行网络上、发票在税务系统、凭证在 ERP，模型拿不到这些信息；而对不上的那笔账是什么情况，判断存在从业者的脑子里。"数据够不着，Know-How 不知道，再聪明的模型也干不了活。"

三家大厂押注的，本来就是三条路

表面看这三款产品在抢同一个市场，拆开看路线完全不同。

腾讯 WorkBuddy 走的是平台。3月9日公测当天服务器被挤爆，官方紧急致歉、扩容十倍。它要把自己做成"面向 Agent 时代的操作系统"，开放了专家、技能、连接器、硬件、Buddy 应用五大模块，首批引入 100 多家生态伙伴、9 款联名智能硬件、30 余个行业应用，覆盖金融、法律、医疗、教育等 20 多个领域。企业版最近又做了套件化升级，一个订阅、一个 Agent 底座、一个管理后台，核心是打通账号、记忆和用量。

阿里千问办公走的是入口加上下文。8月3日，阿里把 QoderWork、悟空、MuleRun 三条产品线捏合成"千问办公"，由新任钉钉 CEO 亲自带队，深度绑钉钉。它专门发布了"企业上下文"产品，把群聊、文档、知识库、业务系统中的信息压缩、结构化、动态更新，回答的正是"我们公司是谁"这个问题。

字节豆包工作走的是组织。8月25日发布，跟飞书深度绑定，九月中旬还开了场"豆包工作开工大会"。它的做法是让 Agent 进入组织，共享群聊历史、文档内容、会议结论与项目进展，让每次协作沉淀成 Agent 可调用的上下文。

三条路有一个共同判断：模型能力的差距已经不足以构成护城河，数据和上下文才是。Anthropic《2026 年 AI Agent 现状报告》算过一笔账：复杂任务需要的上下文会不成比例地增加，输入上下文的长度每增加 1%，输出质量与篇幅大约提升 0.38%。

工具留不住人，大厂开始抢你的记忆

比三家路线更值得注意的，是行业整体的转向。

过去一周，Meta 上线了 Muse，扎克伯格亲自定调"为每个人打造的个人 AI 助理"，十天登顶美区 App Store 免费榜；9月28日 Manus 发布 Cue，Agent 自带邮箱、电话、钱包和一台电脑；9月29日 OpenAI DevDay 的主角 Dots，同样配了一台专属云电脑加浏览器。四家大厂，同一个动作：从"帮你干活"转向"陪你生活"。

原因不复杂。行业里有句话说得直接：你今天的功能，别家下个版本就有，用户随时能被更低的定价、更好的效果撬走。对工具的忠诚只遵循一套逻辑——谁强用谁。这些生产力工具的共同痛点是：新增极大，留存几乎没有。

所以有人总结：想赢生产力，先要证明你有黏性；想赢黏性，先要证明你有人格。

但横评作者对"个人 Agent 是真需求"这一点也保留了怀疑。他算了笔自己的账：一天里工作场景用 AI 最多占 9 小时，吃饭睡觉通勤再占 9 小时，剩下能自由支配的只有 6 小时，而这 6 小时里能交给 AI 的，不过是出行规划、餐食代点、待办提醒。这些功能的前提是，你得心甘情愿把所有上下文交给 AI Agent。

那么问题来了：你的那份记忆存在谁那儿，比任何模型跑分都重要多了。

对普通打工人，这篇横评真正有用的三点

AI 办公工具值不值得用、怎么用，至少先看三件事。

第一，它能不能接进你公司的数据。Agent 不知道"我们公司"是谁，就只会拿通用规则猜。销售、财务这类岗位尤其如此——先确认工具能不能接业务系统，再谈提效。

第二，你能不能看到算的过程。结果是一张漂亮的 Excel，但你得能检查口径：退款怎么处理的、跨期订单归到哪天、异常金额怎么标注。看不到过程的结果，和黑箱没有区别。

第三，算错了谁负责。让 AI 干十次活、错两次，最后背锅的还是人。横评里的教训是：哪怕只让 Agent 做汇总，发出去之前也花十分钟核一遍口径，顺便保留它的自检记录。

工具负责快，你负责准。这句话放在哪一代工具上都成立。