办公 Agent 怎么选？我把 WorkBuddy、豆包工作、Coze Studio、Dify 和 OpenWorkBuddy 放一起比了一遍

办公 Agent 怎么选？我把 WorkBuddy、豆包工作、Coze Studio、Dify 和 OpenWorkBuddy 放一起比了一遍

关键词：AI 办公 Agent、本地优先、开源 Agent 工作台、WorkBuddy 开源替代、豆包工作对比、Agent 二次开发、Markdown 技能、MCP 连接器、自托管

先说结论：如果你要找的是「装在自己机器上、能真的把文件交付出来、代码能读懂、加一个能力只要写个 Markdown」的办公 Agent，那 OpenWorkBuddy 是这份清单里唯一同时满足这四条的。它自己跑在你本机，只监听 127.0.0.1，非商用免费开源。

还有一个先说清楚的事：它不是「小团队随便做的玩具」。项目从 2026 年 8 月 4 日起步，近 30 天提交 259 次，占总提交量的 92%，最近一次提交就是今天。仓库里有 16 份分类中文文档、一套能对比基线的评测系统、企业级多租户后台、带红绿灯的发版流程，npm test 不需要 API Key 就能全绿。这些都能自己去仓库核对，第六节把核对命令也写出来了。

如果你只想开箱即用、不在乎数据出不出本机，WorkBuddy 和豆包工作都是成熟产品；如果你想搭工作流而不是要一个「交付文件的员工」，Dify 和 Coze Studio 更对路。下面这张表是全文的浓缩，细节在后面。

你的诉求 更该看谁 一句话原因
文件必须落在自己机器上 OpenWorkBuddy 自托管，会话/文件/Key 都在本机，默认只监听 127.0.0.1
想读代码学 Agent 到底怎么跑 OpenWorkBuddy 无构建步骤、无前端框架、agent 主循环手写，clone 下来顺着读
想二次开发、加自己的技能 OpenWorkBuddy 一个 Markdown 就是一个技能，存盘即生效
开箱即用、要企业协作治理 WorkBuddy 商业产品，企业级审计与用量治理更完整
手机远程指挥电脑干活 豆包工作 / OpenWorkBuddy 两家都支持；前者是云产品，后者本机执行
搭可视化工作流、接一堆业务系统 Dify / Coze Studio 定位是 Agent 开发平台，不是「给你交文件」

一、为什么这事值得认真选：办公 Agent 已经分成两条路

2026 年这半年，办公 Agent 密集落地。腾讯的 WorkBuddy 公测，主打「一句话让 AI 替你上班」，拆解任务、调用工具、读写文件、交付可验收的结果；字节的 豆包工作 在 8 月底发布，覆盖文档、表格、PPT、图片、视频、网页乃至应用的生成与编辑，还支持手机远程控制电脑、打通飞书。

这两家的产品形态其实回答了同一个问题：用户要的不是聊天记录，是一件干完的活。

但落到具体的人身上，路径分成了两条：

  • 一条是订阅式云产品。 注册就能用，能力上限由厂商决定，你的文件、会话、账号数据在厂商那边，价格按坐席或积分算。WorkBuddy 团队版是 $40/坐席/月、$480/坐席/年，每席位每月 1,000 积分、团队公共池共享（官方定价页）；豆包工作则推出付费专业版，可执行智能体任务、操作本地电脑，最低档标准套餐连续包月 68 元（财新报道）。
  • 一条是自托管开源。 装在自己机器或自己的服务器上，模型自己接，能力自己加，代码自己读自己改。

这两条路没有优劣，只有适不适合。但对于三类人——想学 Agent 的开发者、想做二次开发的人、数据不能出门的团队——第二条路几乎是唯一选项。这也正是 OpenWorkBuddy 待的位置。

二、OpenWorkBuddy 到底是什么

一句话：一个本地优先的 AI 办公 Agent，交给你的是文件，不是聊天记录。

它的项目主页是 github.com/CatCatUncle/openworkbuddy，英文定位写得很直白：A local-first AI office agent that hands you files, not chat logs.

给它一句话，它自己干完并交付文件。几个真实用法：

你说一句 它交给你
帮我出一份 Q3 复盘 PPT，数据用这个 Excel 读表 → 算 → 一个能直接放的 .pptx
调研国内 AI 陪伴产品，出一份报告 联网搜 → 逐个打开读 → Markdown / Word
把这份材料做成手机上能看的网页 写 HTML → 起本机服务 → 扫码就能看
每天早上 9 点抓行业新闻，做成晨报发我飞书 定时任务 + IM 推送，错过了会补跑

它和「云端 Agent」最本质的区别是验收方式：产物必须在磁盘上核对通过才算交付。声称写了文件却不在磁盘上，会被当场拦下来重做。

三、功能强在哪：五个别人不容易同时做到的点

1. 交付的是文件，而且是核对过的文件

PPT / Word / Excel / 网页都是真生成，成果面板里点开就能验收。

更进一步的是 Goal 目标模式：你给一个目标，它自动拆成可验收的标准清单；每轮跑完由「验收员」逐条核对——不光看汇报，还对成果文件做机器实测（JS 语法检查 / JSON 解析 / HTML 截断检查），没达成的自动补跑，最多 3 轮，目标卡实时打勾。

还有一个很实在的设计叫 假绿裁定。「没抛异常」不等于「干成了」：撞步数上限被强制收尾、整条回复就是上游报错、一个字都没吐、把活丢后台就收工——这四类以前在运行记录里全是 ✅。现在每次运行都过一道裁定，判红的直接写清为什么红和下一步干什么（充值 / 换 Key / 等限流窗口 / 开自动续跑），并按死因分档标出「重跑能好」还是「重跑没用」。

这一条比它听起来重要：多数 Agent 产品最大的信任问题是「它说做完了，但我不知道真假」。

2. 不被一家模型绑死，东西都在你手里

DeepSeek / 通义 / 智谱 / Kimi / OpenRouter / Ollama 本地模型在界面上点一下就切，配置热生效不用重启。本机装了 Claude Code / Codex 的，可以一键拿它当发动机，不再另买 token。想彻底不花钱、不出网，接 Ollama 跑本地模型。

自托管意味着会话、文件、API Key 全在本机，默认只监听 127.0.0.1，不主动往外传任何东西。

还有几个细节是给真实用的人准备的：按对话选模型（每个对话可以指定自己的模型，互不影响）、模型健康账本（每次任务按模型记成败，滚动近 20 次，连挂 ≥2 标红，坏渠道一眼看出来）。

3. 扩展成本低到离谱：加一个能力 = 丢一个 Markdown

这是我最喜欢的一条。

加一个技能 = 写一个 Markdown 存成 skills/<名字>/skill.md，存盘后下一条任务就生效。不用改代码、不用重启、不用打包。

往外接能力走开放标准：MCP 连接器（Model Context Protocol，stdio / Streamable HTTP 两种都支持），广场里 39 个常用预设分 7 类，点一下就接上；还支持 Agent Plugins 1.0.0 开放插件标准，一个包同时带技能和 MCP，粘个 GitHub 地址就装。

内置技能就很能打：deep-research 深度调研、ppt-design、docx、excel-report、html-page、data-viz、wechat-article、xhs-cards、video-compose 图文成片、short-drama AI 短剧、meeting-minutes 会议纪要、contract-review 合同风险清单、prd、recruiting、skill-creator（让它自己写技能）等。

内置专家 27 位 + 8 支专家团，也可以自己建：头像、职称、说明、绑技能、默认提示词。

4. 它手里有 shell，所以真有闸门

Agent 能跑命令是能力，也是风险。OpenWorkBuddy 的做法是真拦，不是摆着看的开关：

  • 权限档位四档：只看不动 / 每步都问 / 自动改文件 / 全自动，输入框旁一键切换（参考 Claude Code 的权限设计）
  • 安全中心：命令审批闸门、文件黑白名单、删文件保护、URL 白名单、审计日志
  • 多层记忆：手写区（全局共享、界面直接编辑）+ 条目区（agent 自己记，按账号隔离、可去重可删、超量丢最旧）
  • 不怕崩：会话、账本、定时任务表都是原子写 + .bak 兜底，断电最多丢最后几秒，不会剩半个 JSON 把数据毁掉

5. 多模态 + AI 短剧无限画布

这块是同类里最少见的。

文本→专业图：gen_diagram 一个工具画四类图——mermaid、Graphviz dot、ECharts、PlantUML，本机离线渲染出 SVG + 2x 高清 PNG。

多模态生成：生图 / 生视频 / 配音 / 看图 / 转写，每种能力各配各的模型，同一家的 Key 只填一次。跨镜头一致性靠参考图 / 首尾帧——generate_image 最多喂 4 张参考图，generate_video 给首帧是图生视频、首尾都给是「从这张变到那张」。型号选错（拿文生型号传图）在发请求之前就拦下来——视频是按条计费的，那一趟不能白扔。

无限画布：剧本 → 角色 → 场景 → 镜头 → 素材 → 时间线，连线就是真输入关系。可只重跑某一格。

两个省钱设计很戳中做短剧的人：

  • 出图出片一起跑：一集十二个镜头本来没有先后关系，现在能在同一轮里一起发出去，默认并发 2 条（可调 1-4）。给的是 2 不是 3，因为这类每条都真花钱。
  • 重跑一格不花第二次钱：生图 / 生视频 / 配音都过一道内容寻址缓存——工具名 + 全部参数 + 真正解析出来的模型和接口 + 产物落哪个目录，一起算一个 key，逐字一样就直接复用上次的产物，连模型都不调。参考图、首尾帧按文件内容算而不按路径算（参考图重画了一版还叫原来的名字，那是另一件事，必须重出）。

四、最适合学习：它的代码是给人读的

这一段我想单独讲，因为这是 OpenWorkBuddy 最被低估的价值。

没有构建步骤、没有前端框架、agent 主循环是手写的。

这句话意味着什么？意味着你 clone 下来，不用先花两天搞懂 webpack 配置和状态管理方案，就能直接顺着一条真实任务读下去：

从 server.js 的本地运行时进入
  → 看 agent.js 如何编排模型和工具
  → 再看模型路由、工具调用、文件验收
  → 技能、连接器、记忆、权限、Trace 都是同一条交付链上的观察点

想学 Agent 的人最常卡在哪？不是不会调 API，是不知道一个能用的 Agent 主循环到底长什么样——规划怎么做的、工具结果怎么回灌、撞上限怎么收尾、怎么判断这轮到底成没成。这些细节在大多数项目里藏在多层抽象后面，而在这里是手写的一层。

测试是真跑的：npm test 用模拟 LLM，不需要 API Key 就能全绿；前端那部分在真 Chromium 里跑。

对比一下：Coze Studio 和 Dify 是开发平台，你学的是怎么用它们的可视化编辑器搭流程；OpenWorkBuddy 是一个完整的 Agent 实现，你学的是 Agent 本身。这两件事不一样，想学原理的应该读后者。

五、最适合二次开发：为什么改起来这么省事

二次开发的成本，一半在「加功能」，一半在「搞懂现有代码」。OpenWorkBuddy 在前者上的答案前面说过了（写 Markdown 就是加技能），后者上就是上一节说的可读性。

再说几个专门为二开准备的设计：

你想做什么 怎么做
加一个业务技能 写 skills/<名字>/skill.md，存盘即生效
用一个 Markdown 反复出报告 save_skill 让它把跑通的做法固化成技能包
接内部系统 MCP 连接器（stdio / HTTP），或自己写一个
装别人的插件包 Agent Plugins 1.0.0，粘 GitHub 地址
让 Agent 会发邮件 配一条 SMTP；收件人白名单是硬闸，每封信出门前还要你看全文点头
进 CI / 脚本化 命令行 wb：单发、REPL、管道 `cat x.md
接自己的可观测 本地 Trace 记模型/工具/耗时/Token/输入输出；可选接 Langfuse
给别人用 多租户 + 企业管理后台（17 个面板，管理员/审计员/成员各看各的）

多租户和企业后台这块也得说一句，因为它决定了这套东西能不能真的在团队里跑：渠道表能自己加改删（自建网关、内网代理、换域名的私有部署，把「新渠道」当场填就行），同一个地址挂两条会标出来而不是并成一条（各是一个账号一把 Key），删渠道之前先把连坐的数报清楚——底下挂着几个对话模型、几个媒体模型、默认模型在不在里面。

六、它是不是「小团队的小玩具」？用数字回答

选开源项目最大的顾虑不是功能，是三年后还有没有人管它。所以这一节不放形容词，只放能自己去仓库核对的事实。

迭代频率：近 30 天 259 次提交

观察项 数值 怎么自己核
项目起始 2026-08-04 git log --reverse
提交总数 282 git rev-list --count HEAD
近 30 天提交数 259 git log --since="30 days ago" --oneline | wc -l
最近一次提交 2026-09-15（就是今天） git log -1

近 30 天的提交占了总提交量的 92%。 这不是「开了个坑就撤了」的项目，是正在高速迭代的项目。

OpenWorkBuddy 提交频率（按周统计）

注意倒数第二根柱子：9/7–9/13 单周 165 次提交，这是项目进入高速迭代期的信号。（上图按自然周归组共 265 次；表格里的「近 30 天 259 次」用的是 --since 滑动窗口口径，两者统计方式不同，全量按日数据都可以用 git log --format="%ad" --date=short | sort | uniq -c 自己复现。）

变更记录：一句话一条，近 27 天几乎没断过

仓库里有一份完整的 CHANGELOG.md，最新 20 条覆盖 09-10 到 09-15，每条写的都是「为什么改」而不是「改了哪个文件」。所以你能看到这种量级的条目：

  • 09-15 新增 llms.txt 让搜索和 AI 摘要更易正确理解项目；补齐依赖的 MIT 署名；完整测试重新全绿
  • 09-14 AI 短剧无限画布进入可用版，画布 Agent、DAG 连线、撤销重做、Trace 全部收进同一个短剧工程
  • 09-13 重跑一格不花第二次钱（内容寻址缓存）+ 不过模型的直调口
  • 09-13 企业后台的渠道表能自己加改删
  • 09-11 补三处高危：改一个字母绕过门禁、文件名能执行命令、预览站点对全网敞开

注意最后一条——安全漏洞是自己发现、自己修、自己写进变更记录的。这是一个成熟项目的做法。

完整度：不是「能跑个 demo」，是「能部署给团队用」

维度 实际交付
中文文档 16 份（docs/ 下：安装与启动、配置模型、安全、部署、命令行用法、多人协作、扩展、案例、架构优化路线、评测方法论、短剧画布选型、IM 与定时任务、实现细节、发版、路线图等）
测试 npm test 用模拟 LLM，不需要 API Key 就能全绿；前端部分在真 Chromium 里跑
评测系统 15 道分层任务（L1 基础 / L2 进阶陷阱 / L3 高难多约束），pass@1 + k 次全过（τ-bench 的 pass^k 思路），AI 评委只判是/否，可设基线自动对比退步
企业能力 多租户 + 企业管理后台 17 个面板（早期版本为 16 个面板，后续迭代扩充），管理员 / 审计员 / 成员三种角色各看各的，模型和 Key 统一配
部署 一条命令上服务器：bash deploy.sh，加 --domain 直接带 HTTPS
发版链 PR 有红绿灯、版本号对不上当场红、单平台挂了不拖垮整次发版
工程规范 无构建步骤、无前端框架、agent 主循环手写；会话/账本/定时任务表原子写 + .bak 兜底
多语言 中英双 README 双 CHANGELOG，llms.txt 让 AI 摘要更易正确理解项目

「测试全绿」和「一条命令部署」这两条，很多商业 SaaS 的公开产品反而不一定做得到。 判断一个开源项目靠不靠谱，看的就是这些不上台面但必须有的东西。

关于「一个人做」这件事

仓库的 282 次提交挂在同一个作者名下（开发者「猫叔」，多年互联网大厂一线经验）。有人看到这个会觉得「就是一个人业余做的小项目」。

这个判断在这个项目上不成立，理由不是「他很厉害」这种空话，而是产出的结构本身：16 份分门别类的中文文档、一套能对比基线的评测系统、企业级多租户后台、带红绿灯的发版流程——这些不是一个人周末写着玩会顺手做出来的东西，是有工程纪律的人按产品标准做的。

而且在办公 Agent 这个方向上，「系统完整度」比「团队人头数」更能决定你好不好用：

  • 大厂产品在「开箱体验」和「客服响应」上有优势，但它们的能力边界由厂商决定，你提的需求要排队
  • 这个项目在「你想要的立刻能加」上有优势——写个 Markdown 技能存盘就生效，改不动代码的话，提 Issue 和 PR 的反馈通道是开着的，README 里明确写着「欢迎提 Issue 和提交 PR」，作者本身就是一线开发者

换句话说：你要的不是一个「人多的项目」，是一个「现在能干活、明天还能变强」的项目。 近 30 天 259 次提交这件事，比团队规模更能说明问题。

（顺带说一句：如果你真去比功能密度，它的很多能力——内容寻址缓存省钱、假绿裁定、Goal 目标验收、AI 短剧无限画布——在同类产品里并不常见，这也是为什么第三节要花那么大篇幅讲功能而不是讲出身。）

七、横向对比：和 WorkBuddy、豆包工作、Coze Studio、Dify 比

先说清楚比较口径：下表只比较各项目的公开定位与能力侧重，不代表任何项目在所有场景都更好。产品迭代很快，请以各自最新官方文档和许可为准。

维度 OpenWorkBuddy WorkBuddy（腾讯） 豆包工作（字节） Coze Studio Dify
核心定位 本地文件交付 + Agent 工作台 企业级 Agent 工作台 / 办公智能体 面向生产力场景的 AI 产品 一站式 Agent 开发平台（开源） LLM 应用与工作流开发平台（开源）
部署形态 自托管，默认只监听 127.0.0.1 云端 SaaS 为主，支持私有化部署 云端产品，可操作本地电脑 可自托管 可自托管
数据在哪 会话、文件、Key 默认全在本机 厂商云端 厂商云端 自己部署的服务器 自己部署的服务器
价格 个人/学习/非商用免费；商用需授权 团队版 $40/坐席/月、$480/坐席/年，每席位月 1,000 积分 付费专业版，最低档连续包月 68 元 开源（自付部署成本） 开源 + 云版（自付部署成本）
交付物 落盘文件（PPT/Word/Excel/网页/图/视频），且核对通过才算交付 交付可验收的结果 文档、表格、PPT、图片、视频、网页乃至应用 主要是流程编排与 API 服务 主要是应用与工作流
模型自由度 自带模型，界面切换热生效；可接 Ollama 全本地、可用本机 Claude Code/Codex 支持多模型切换 自家豆包模型系列为主 多模型接入 多模型接入
加能力的方式 一个 Markdown = 一个技能，存盘即生效；MCP + Agent Plugins 企业技能、专家、连接器市场 Skills 技能、定时任务 可视化工作流编排 可视化工作流编排
代码可读性 无构建步骤、无前端框架、主循环手写 闭源商业产品 闭源商业产品 开源（Go 后端 + 可视化前端） 开源（Python + 可视化前端）
AI 短剧画布 原生无限画布：角色/场景/镜头/首帧/视频/音频/时间线 通用内容生产 通用内容生产 需自行搭建 需自行搭建
远程指挥 飞书、微信 iLink、企微、QQ、钉钉、Webhook，支持文件/图片/语音 企业 IM 与团队协作是强项 手机可远程控制电脑，打通飞书 依自身配置 依自身配置
可观测性 内置本地 Trace：模型/工具/耗时/Token/输入输出；可选 Langfuse 企业审计、用量和治理更完整 平台内可查看 依部署配置 依部署配置
许可 开源，PolyForm Noncommercial 1.0.0，非商用免费 商业授权 商业产品 开源（Apache 2.0 等，以仓库为准） 开源（以仓库为准）

怎么读这张表

如果你要的是「开箱即用的生产力工具」——WorkBuddy 和豆包工作都成熟得多。它们有完整的产品化体验、客服、企业治理，你不需要会写代码。代价是数据在厂商那边，能力上限由厂商定，按坐席或积分持续付费。

如果你要的是「搭工作流的平台」——Coze Studio 和 Dify 更对路。它们是给业务系统做编排的，产出主要是流程和 API 服务。代价是它们本身不是「替你交付文件的员工」，你要自己把干活那部分补上。

如果你要的是「一个自己完全掌握的办公 Agent」——那 OpenWorkBuddy 是这份清单里唯一的选择。它把「本机文件交付 + 可安装能力 + IM 远程指挥 + AI 短剧无限画布」放进一个可自托管的工作台里，代码还给你留着。

关于「WorkBuddy 有没有开源版」

这是搜索量很大的一个问题，我直接说清楚：

腾讯 WorkBuddy 是商业产品，没有官方开源版本。 OpenWorkBuddy 不是 WorkBuddy 的分支或衍生品，它是独立开发的开源项目——名字上有 WorkBuddy，指的是「工作搭子」这个通用说法，不是同一个东西。

所以如果你在找的是「WorkBuddy 的开源替代 / 自托管版本」，你能找的是功能定位相近、但数据在自己手里的项目，OpenWorkBuddy 是其中完成度较高的一个。它和 WorkBuddy 的产品思路确实重合：都主张拆解任务、调用工具、读写文件、交付可验收的结果。差别在于它把这件事整个搬到了你自己的机器上。

八、快速上手

git clone https://github.com/CatCatUncle/openworkbuddy.git
cd openworkbuddy
npm install
npm start          # 本地 Web 工作台
npm run app        # 桌面版（Electron，含内置真浏览器）

命令行：

wb "把这个表做成图"       # 单发
wb                        # 交互 REPL，打 / 出命令菜单
cat report.md | wb        # 管道
wb doctor                 # 检查机器上缺什么命令

协议要留意：PolyForm Noncommercial License 1.0.0，个人、学习、非营利使用免费；商业使用需要授权。 协议全文见仓库 LICENSE 和 COMMERCIAL-LICENSE.md。

九、一句话总结

WorkBuddy 和豆包工作告诉你「办公 Agent 能干什么」，OpenWorkBuddy 让你自己拥有一个。

选择其实很清楚：

你要的东西 该选谁
开箱即用的产品体验、企业协作治理 WorkBuddy / 豆包工作
搭工作流的可视化平台 Coze Studio / Dify
一个自己的、能读能改、文件不出本机的办公 Agent OpenWorkBuddy

最后再说一遍第六节那件事，因为它值得被记住：判断一个开源项目值不值得投时间，别去看它背后有几个人，去看它的提交曲线、文档目录和测试能不能跑绿。 这个项目近 30 天提交 259 次、16 份中文文档、测试离线全绿、bash deploy.sh 一条命令能上服务器——它现在就在干活，而且下个月还会更强。

项目在公开迭代，Issue 和 PR 通道都开着，作者本身就是一线开发者。去 clone 一份跑跑看，觉得行就给个 Star——这是对独立项目最实在的支持。

参考资料

posted @ 2026-09-15 20:35  大道无形1998  阅读(143)  评论(0)    收藏  举报