WorkBuddy与Codex把AI竞争推向任务交付
36氪转载亿欧智库微信公众号的分析文章认为,大模型应用正从提供答案转向交付可验收成果,可靠执行成为落地门槛。文章以腾讯 WorkBuddy 为例:用户给出 Excel 或 CSV、指标和时间范围,产品读取数据、统计并生成图表或报告;并以 OpenAI Codex 为对照,提到其 2025 年发布时已组织读写代码、执行命令和运行测试,2026 年 6 月披露的知识工作用途进一步包括报告、表格、演示文稿与研究分析。文章还梳理了微调、RAG、工作流与 Agent 交叉的技术脉络,引用 Dify 的 Human Input 节点、Salesforce Agentforce 对确定性逻辑与模型推理的区分,以及 ICML 2026 对 15 个模型的评估——近期能力增益只带来较小的可靠性改善。
该文提供了以任务完成度和重复执行稳定性衡量智能体产品的分析视角,但本身没有发布新产品或给出自有实测数据。
让AI回答“怎么做一份经营分析”,和让它读取销售表、计算指标、生成图表并交出报告,是两个不同层次的产品要求。WorkBuddy和Codex的实践表明,大模型应用开始承担更多实际操作,用户对产品的判断也从回答是否精彩,延伸到任务是否完成。
大模型应用正在进入任务交付的竞争,可靠执行成为落地门槛。一份可验收的成果,需要模型理解目标,也需要最新信息、工具操作、业务规则和结果检查共同参与。模型能力增强,正在重新划分这些环节的职责。
这也解释了微调、RAG、工作流和Agent为何持续交叉:它们分别改善模型能力、任务信息和执行过程。理解路线演变,应先看系统怎样把一次回答组织成一项可以完成、复核和交付的工作。
01 WorkBuddy和Codex让AI直接处理文件并交付成果
WorkBuddy和Codex值得放在一起观察,因为它们把任务执行能力带进了用户真实使用的工作环境。用户交出目标、资料和允许操作的范围,系统读取信息、调用工具并生成文件,成果再回到原来的工作过程。产品承担的职责因此从提供答案,延伸到组织一次实际执行。
#Tencent#OpenAI#Anthropic#WorkBuddy#Codex#Dify#Salesforce#Agentforce#Berkeley BAIR#MCP