腾讯"Agent 工厂"：一个产品经理 + 一个周末，就能生出一个垂直 Agent

别再盯着单个爆款了，真正稀缺的是"造 Agent 的能力"

2026 年 8 月，腾讯网一篇深度文抛出一句话

腾讯不是在"赛马"，而是在搭一座 Agent 工厂。当你看到 WorkBuddy、CodeBuddy、DataBuddy、LearnBuddy 这一串名字时，第一反应大概是"老套路，内部赛马"。但这回判断错了——它复制的不是一个 App，而是一套能理解任务、调用工具、执行流程、交付结果的生产能力。更刺激的注脚是：WorkBuddy 的内测版，只用了一个周末、一名产品经理、一套 CodeBuddy SDK 就从 0 到 1 搭了出来。

过去做 Chatbot，大家挤在同一个入口打架：谁是超级入口？谁承接提问？谁留住流量？这套逻辑像商场抢门面，门口越大越值钱。但 Agent 的问题不一样——它要读上下文、拆任务、调工具、进流程、交付结果。研发 Agent 看代码库、跑测试、改文件；办公 Agent 读纪要、写文档、做 PPT；数据 Agent 连数仓、做治理、出分析。这些场景的权限、工具、流程、交付标准都不同，硬塞进一个入口，最后只会变成"万能大厅"：什么都能问，什么都不够深。

所以腾讯同时保留多个 Agent 产品，未必是重复下注，更像是在给不同任务安排不同工位。WorkBuddy 面向办公，CodeBuddy 面向研发，DataBuddy 面向数据，LearnBuddy 面向教育科研。表面是多条线，底层却共享同一套执行方法。这正是理解腾讯 Agent 战略的第一层反转：表面多产品，里面同一套工厂能力在不同车间落地。

二、一个周末的真相：产品经理用 CodeBuddy 造出了 WorkBuddy

腾讯云 AI 智能体产品总监黄广民在多个场合亲口确认：WorkBuddy 的内测版本只花了一个周末（两天），完全由团队里一名产品经理，借助 CodeBuddy 和智能体 SDK 自主开发完成。注意，是 2026 年 1 月初的内测版 / 0 到 1 雏形，不是成品。

"这个细节特别有戏——CodeBuddy 不只是 Buddy 家族的'老大哥'，还可能参与了'造弟弟妹妹'。代码 Agent 既能生产软件，也能生产下一个 Agent。"

—— 综合腾讯网、广州日报对黄广民的采访

这背后站着一个被低估的事实：腾讯内部有约 1 万名非开发岗员工在深度使用 CodeBuddy。当"写代码"这件事被 Agent 接管，造一个面向普通人的产品，门槛从"会编程"降到了"会描述需求"。这也解释了为什么黄广民把人与 AI 的协作形容为"007"模式：白天人主导，晚上 AI 自行完成大量常识性任务。

三、工厂核心公式：组装生产，而非提示魔法

垂直 Agent = 通用 Harness + 专业 Skills + 行业知识 + 业务系统 + 交付界面

如果把腾讯这套 Buddy 逻辑压缩成一个公式，大概是上面这行。它看起来有"架构味"，其实很好懂。把这五个模块想成一条装配线——同一个执行底座，接入不同的 Skills、知识、系统和界面，就能生产不同岗位的 Agent。

1 通用 Harness（底盘）

负责理解任务、规划步骤、组织执行。没有它，Agent 就像一个会背书但不会干活的实习生，回答很积极，落地很玄学。

2 专业 Skills（工艺）

决定它懂不懂具体流程：做数据分析要懂数据治理和数仓工程，做教育科研要懂教学与长期记忆。Skills 是 Agent 的"手艺"。

3 行业知识（经验包）

没有知识，Agent 只能泛泛而谈；有了知识，它才知道什么叫"这个行业里真正有用"。

4 业务系统（手脚）

能连 WeData、DLC、文档、网盘、会议、知识库，Agent 才能从"建议你做"变成"我帮你做"。

5 交付界面（最后一公里）

用户要审核、修改、接收结果。不能全靠黑盒自动飞奔，否则 Agent 做完一堆动作，用户只剩一句：你刚刚到底碰了我哪里？

警惕"提示词批发市场"误区：真正拉开差距的，从来不是谁提示词写得好，而是 底座稳不稳、Skills 深不深、业务系统接没接。这五块里，前三块（Harness/Skills/知识）决定"能不能做"，后两块（业务系统/交付界面）决定"能不能在企业里真正落地"。

四、一个内核，多种可能：Buddy 家族是怎么复制的

2023 年，CodeBuddy 以 AI 代码助手形态出现。当 Craft、MCP、CLI、Skills、Agent SDK 陆续接入后，它从"帮你写两行代码"变成"研发任务执行者"。编程场景天然有三件宝贝：可操作环境、可反馈结果、可验证测试——刚好给 Agent 提供了一个练级场。更重要的是，CodeBuddy 沉淀下一套可复用的执行框架，后来被迁移到了 WorkBuddy。

关键点在于：DataBuddy 直接继承了 WorkBuddy 的 Harness，再注入大数据领域的 Skills，连接 WeData、DLC；LearnBuddy 在同源框架上加教育知识、科研 Skills、多智能体协作和长期记忆；创意设计 Agent Miora、出海方案"AI 航海家+"也都共享底层架构。复制的不是"帮我写代码"这个功能，而是"我能理解任务、组织工具、执行流程、交付结果"这一整套岗位能力。每多做一个新 Agent，成本和周期都在下降。

五、真正的飞轮：云生成产品，产品反哺云

只靠几个 Buddy 产品，还不能叫工厂。工厂得有底座、有流水线、有反馈回路。腾讯真正值得看的，是它开始把产品里验证过的 Agent 能力抽出来，放回腾讯云。比如 WorkBuddy Managed Agents——它基于 WorkBuddy Harness，把任务编排、记忆、执行能力封装成云端服务，再和腾讯云的算力、沙箱、安全、治理能力结合，企业创建的 Agent 还能直接分发到 WorkBuddy 工作台。

这意味着关系变了：过去是云提供基础设施，产品长在云上；现在是产品在真实场景里验证 Agent 内核，验证完再把能力抽象成云服务，继续孵化更多 Agent。云生成产品，产品反哺云。前端产品带来真实任务和用户反馈，后端云能力沉淀共性机制，再降低下一批 Agent 的生产与运行成本。

六、大厂换题了：不比入口，比谁更会生产 Agent

把三家放一起看，打法已经不是同一套了。

这不是谁一定更高级，而是组织方法不同：高频入口适合快速触达用户，整合收敛适合减少重复建设，去中心化工厂适合让最懂场景的团队定义产品、同时共享底层能力。Agent 和 App 最大的不同在于——App 边界相对完整，Agent 必须进流程、读数据、调工具，不同场景的权限、规则、交付标准，很难全靠一个中心团队统一规定。

七、给你的启发：别只问"做什么 Agent"

要问"我的 Agent，有没有可复用的工厂能力"

对产品经理、创业者、企业负责人来说，这里有个很现实的提醒：别只盯着"我要做一个什么 Agent"。更应该问下面五个问题——这五个问题，决定了你是"做了一个产品"，还是"攒了一套生产能力"。

1 有没有可复用的执行框架？

Harness 能不能从一个场景迁移到下一个，而不是每次从零写。

2 有没有专业 Skills？

行业流程与判断规则，能不能沉淀成可插拔的手艺。

3 能不能接业务系统？

能不能连上 ERP/CRM/数仓/知识库，从"建议"走到"执行"。

4 能不能在真实流程里交付？

结果有没有人审、有界面收、有边界控，而不是黑盒自动飞奔。

5 能不能从一次项目，变成一套生产能力？

中小团队不必从零造工厂——站在 WorkBuddy、元器、ADP 这类平台的肩膀上，用现成 Harness 和 Skills，造自己的垂直 Agent，才是性价比最高的打法。

不是谁都能造工厂：公式看着简单，真正门槛在行业知识 + 业务系统 + 交付界面这三块。中小团队最划算的路径，是复用大厂的底座，把精力压在自己独有的场景和数据上。

结语

这轮 Agent 竞争，最容易被误读的，是大家总盯着单个产品：谁访问量第一？谁名字更响？谁发布会更热闹？这些都重要，但更重要的是背后的生产机制。

如果一家公司只能做出一个 Agent，那叫产品成功；如果它能把一个 Agent 的执行内核迁移到多个场景，并且越做越快、越做越便宜、越做越贴近真实任务，那才叫工厂能力。

单个 Agent 是产品，能不断生产 Agent 的系统，才是护城河。