记者：吴洋洋

编辑：王杰夫

Key Points

腾讯已上市两款类龙虾产品，即将上市的至少还有4款；

黄广民认为，未来整个龙虾领域应该会在不同场景有专属的「虾」，办公有「办公虾」，设计有「设计虾」，其他领域有其他领域的「虾」……；

办公虾的下一步进化是云端协作，Manus可能也会探索这一方向；

AI飞轮：AI发展越快，制造工具的速度就越快，这些工具反过来会反哺AI继续发展；

如果软件开发过程全自主化，就可以云端建一个软件工厂：App可以批量生产、创意也能批量落地。

继阿里巴巴3月16日宣布成立Alibaba Token Hub（ATH）事业群，明确将Token使用量作为核心经营指标后，腾讯也这么干了。

3月27日的腾讯云城市峰会演讲中，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生宣布将原隶属于腾讯云的MaaS大模型服务平台「升级」为「TokenHub」。升级后的TokenHub支持通过API调用混元、DeepSeek、MiniMax等多个主流大模型，并提供Token Plan统一计费，降低客户在多模型间切换的成本。

不过与阿里巴巴在C端大力押注其Chatbot产品千问不同，腾讯旗下多个团队都在高密度探索「类龙虾」（OpenClaw）产品的机会。

3月27日当天，腾讯首个面向办公场景的类龙虾产品WorkBuddy的产品负责人黄广民接受包括第一财经「新皮层」在内的媒体采访，宣布其团队同步还在孵化一些设计方面的类龙虾产品。这些产品在当晚的产品体验活动上亮相并开启小范围测试，其功能与即梦以及LiblibAI旗下的Lovart等产品相似，都让用户通过与AI交互生成和编辑设计图或视频，不过产品对外推出时间还未确定。

目前，腾讯已上市的类龙虾产品只有两款，一款WorkBuddy，还有一款是腾讯电脑管家团队推出的QClaw。不久后，腾讯QQ浏览器团队也将推出「打开浏览器即可使用」的QbotClaw。加上3月27日晚开启小范围测试的3款设计类龙虾——如果它们最后都对外发布，腾讯将拥有至少6款类龙虾产品。这些产品都可以通过微信3月22日推出的「ClawBot」插件接入微信。

黄广民来自腾讯云AI智能体产品团队，他认为，未来整个龙虾领域应该会在不同场景有专属的「虾」，办公有「办公虾」，设计有「设计虾」，其他领域有其他领域的「虾」……他给WorkBuddy的定位是做「办公虾」。

在担任WorkBuddy产品负责人之前，黄广民还负责过一款名为Codebuddy的AI编程产品，该产品于2023年启动开发，2025年7月发布，之后团队用了两个月时间将其迭代为跑在CLI（命令行界面）的代码编辑器。这之后，黄广民团队基于CodeBuddy开发了WorkBuddy，后者于今年1月初内测，3月9日对外发布。两款产品除了开发时间上的先后关系外，在开发模式上还有「鸡生蛋」关系，WorkBuddy内测版本中代码基本是用Codebuddy写的，黄广民称其团队只用了一个周末（两天时间）就写完了代码，过去，同样的工作量差不多要两周时间完成。

WorkBuddy目前还是个「为超级个体打造」的本地AI工具。黄广民称，CodeBuddy和WorkBuddy的下一步进化路径都是从本地走向云端，因为只有在云端，才能形成团队协作。他进一步认为，如果软件开发过程能做到全自主化，那么软件开发的全过程就可以上云，形成一个云端软件工厂：App可以批量生产、创意也能批量落地。

办公同样如此，「未来的工作模式可能是：每个人都能加入到一个对话中，通过驱使各自的WorkBuddy在云端完成各自的工作部分，最后再在对话中将各自WorkBuddy的产物合并成一个最终成果。」他说。

CodeBuddy的云端服务目前已经在内测中，WorkBuddy还没有。

腾讯云AI智能体产品总监黄广民

以下为包括「新皮层」在内的媒体与黄广民的对话，内容经摘编：

办公虾、设计虾……每个垂直领域会有自己的「虾」

提问：腾讯今年说要翻倍投入AI新产品，具体产品规划是什么？

黄广民：其他产品我不清楚他们怎么规划，对于WorkBuddy，第一我们会不断打磨好Agent的能力让它更懂你、解决你的问题时生成效果更好。

第二我们会去识别用户使用Agent的高频需求是什么，做好垂类的知识，比如大家用Agent生PPT是高频操作，但是现在该功能的效果还不好，不够可控。基于此，我们会联合腾讯文档等团队做好一些垂类场景。

第三是不断做好产品生态，比如开放一些专家模式，如果谁在某个方面培养出了很好的虾，它结合了你的技能和规则产生了很好的效果，就可以通过共享等方式开放出来，服务更多的WorkBuddy用户。

另外我们也在孵化一些设计方面的Agent。

提问：WorkBuddy和上一代面向办公场景或者生产力场景的Chatbot，以及通用Agent比如Manus的区别是什么？它们也能生成PPT、网页前端等等。

黄广民：首先Chatbot是一问一答，我问一个问题你给我答案，可能到此为止了。这个答案它不一定能够融入到我当前的环境里去，例如我让它生成一个PPT或者生成一个网页，它就生成了，或者你问一个问题，它通过文字的方式告诉了你，但后续，你可能还要把文字拿出来，再跟其他的素材整合，最后才得到你要的东西。

在Agent的场景里，这些繁琐的工作都不需要，只要提一个问题你的Agent就能：第一识别你的环境是什么、上下文有哪些；第二规划清楚你要做的任务怎么做，一步步拆解，然后按照步骤帮你完成，这个过程中如果遇到问题它可以帮你纠错反思，最后达到你想要的效果，而且生成的东西可以直接放在你的桌面让你能直接使用。

回到Manus，它对应的可能是象限里的云端场景，更多是解决了我们的泛生产力在云端的问题。这跟我们产品的云端规划是会有一些交集，但Manus现在更多解决的还是超级个体怎么在云端工作的问题，而不包括云端的团队协作问题。不过Manus后面应该也会在云端协作上重点发力，这和我们后面的规划有一些交集。

但Manus在本地没有提供产品能力，这会给我们本地的产品比较大的发展和探讨空间，因为对超级个体来说，他最主要的材料、素材、内容可能都在本地，怎么让这些超级个体的知识结合AI发挥好它们的作用，这个是本地Agent的机会点。

提问：Agent去年就火了，只不过龙虾当时还没出现，但那时候Agent生成PPT或者各类工作服务时的准确率是很难让用户满意的，这个问题在龙虾出现之后解决了吗？

黄广民：这其实是行业一直需要解决的问题。软件生产的准确率去年一直在逐步提升，这里面得益于一个是模型不断优化以及推理的成本降低。第二，整个Agent的上下文工程也在不断迭代，在软件开发这个领域里，大概的准确率能做到80%左右。

在泛生产力领域，准确率的挑战点在于我们很难定义清楚用户的任务是什么，用户的任务比较泛，所以我们会首先做好TOP10的高频场景，结合在软件生产力方面积累的一些时间和经验，不断去打磨好这些TOP场景。长尾的一些场景更多要依赖行业生态的力量。

提问：如何看待小龙虾热潮中不同产品的区别？单腾讯内部就有QClaw、WorkBuddy、SkillHub等，会不会重复造轮子？

黄广民：我们一开始锚定的是在软件生产力以及泛生产力场景里去做Agent。面向未来，我理解整个龙虾领域应该会在不同场景下有专属的智能体，办公有办公虾，设计有设计虾，可能其他领域也会有其他领域的虾。

WorkBuddy定位是做办公虾，QClaw或者SkillHub也各自有自己的定位，像QClaw它们会做些可玩性非常高的功能，可能更多是个人生活助理场景。SkillHub是一个开放生态，它本质上还不是一个Agent。

AI飞轮：AI制造工具的速度越快，反过来也会反哺AI继续发展

提问：你提到未来的工作模式会是在云端，每个人都驱动自己的智能体在云端共同完成一些任务，这种未来的工作模式大概多久会落地？技术瓶颈是什么？

黄广民：可能会比较快，可能未来1到2年就能看到，因为现在的AI发展太快了，有点像滚雪球的意思。AI发展得快，辅助我们制造工具的速度也会变快，这又反过来反哺AI的发展。

技术上的挑战就是怎么融合好云端的工作流、生态怎么做好串联。很多厂商都在把它们的产品变得AI化、MCP化、接口化，从而让AI能够识别它、连接它、用好它。这里面最大的瓶颈是协作会用到的工具能不能很好地被AI所理解、调用，你的数据能不能非常好地让AI获取到。AI生成的产物能不能很好地反哺到原来的SaaS产品里，打破数据之间的隔阂。

提问：现在很多龙虾产品都用命令行界面（CLI）取代传统的图形界面（GUI）了，WorkBuddy前端还是以图形界面为主，你怎么看待命令行界面取代传统的图形界面的趋势？

黄广民：我觉得两个都是可以探讨的方向。我们应该去思考我们产品的哪些部分要让AI更好理解、使用，哪些部分是给人做呈现的，给AI使用的部分就应该做好CLI化，给人呈现的部分还是要持续做GUI。

提问：OpenClaw是一个人用Vibe Coding做出来的项目，WorkBuddy经历了怎样的开发过程？

黄广民：我们的产品从2023年到2026年经历了差不多3年的迭代时间，刚好经历三个周期。

第一个阶段我们能做的事情就是代码补全，因为当时的模型能力还不强，能够使用的上下文窗口也很小，只能做片段式的推理，这是2023年。

2024年，我们更多是基于代码仓库做了一些代码理解、BUG分析或者文档生成等一些工作流固定的事，这是2024年模型能力决定的。

2025年之后，Claude 3.4、3.5在Agent上的表现已经能够让我们去做好项目级的需求开发了，这时候我们把Agent能力集成到了CodeBuddy里面。7月发布IDE（Integrated Development Environment，一种面向程序员的代码编辑器）版本的CodeBuddy后，我们大概4个同学用不到两个月时间推出了CLI版本的CodeBuddy，这个过程中90%以上的代码是用IDE里的CodeBuddy写的。

CLI版本的CodeBuddy完成之后，我们实现了一个新转变，所有的团队成员写代码100%是用AI写的。因为在CLI的工作模式下，大家已经没有编辑器了，他想手写都比较难，这驱使大家去接受或者改变现有的工作模式，更多通过提问的方式去工作。比如如果要改一个变量名，手写可能只是改动一行，我也是让AI去写。

完成这个转变之后，所有的工作流程才能完全AI化。我们现在做的一个事情是，我所有的需求提出来都先让AI做一遍，AI能完成的我就合流发布，AI做不了我再去看为什么做不了，然后人去改，以及如果确实不行我们会当做一个bad case（失败案例）分析它为什么不行。

提问：人力会不会逐渐被Agent取代？

黄广民：Agent或者AI并不能也不会取代人，更多是人跟AI怎么做好协作的问题。

现在软件界流行的词叫Harness Engineering（控制工程），这个模式后面应该会进入泛生产力领域，它的意思就是怎么让AI在我的环境里更好工作。

以前我们聊开发可能聊Vibe Coding（氛围编程），我怎么通过一句话生成一个应用、完成一个需求。但是这里面带来的问题是，你可能会创造出非常多垃圾代码，导致整个系统是没有办法维护的。

Harness Engineering是说你要构造一个很好的跟AI协作的环境，让你的AI不会跑偏，你要做好前置的约束、后置的检查，提供验收某个需求的Checkpoint（核查点），让你的AI能够很好地跑在上面。

所以人和AI后面的协作应该是去创造一个让AI更好运行的环境。AI对人的需求会不断增加，只是人和AI的协作模式可能会发生一些根本变化。

-END-