腾讯是在“赛马”，还是在打造 “Agent工厂”？

文 | 深流研究所，作者 | 绛枫 近期，易观分析发布的一张榜单，呈现出中国桌面端 Agent 市场一个颇为特殊的竞争格局。 2026 年 6 月，17 款桌面端 AI 原生办公智能体的合计访问量超过 6000 万次。其中， WorkBuddy 以 2097 万次位居第一，访问量甚至超过第二、第三名之和。 更值得注意的是，进入前十的腾讯产品不止一款。CodeBuddy、QClaw 和 Marvis 同样位居榜单前列。它们并非对同一产品的简单复制，而是分别面向软件研发、本地电脑任务和操作系统级交互等不同场景。 几个月前，各家公司还在围绕 Chatbot 入口激烈争夺。硝烟未散，竞争的重心却已迅速转向 Agent。 字节跳动正在将 Agent 能力向豆包、飞书等高频入口聚拢。阿里则着手整合多款办公 Agent，并同步调整相关组织。两家公司都试图通过集中入口、收拢产品边界，提升产研效率。 与字节和阿里不同， 腾讯的 Agent 并未完全走向单一入口。 WorkBuddy 已在办公智能体市场取得阶段性领先，CodeBuddy、QClaw 和 Marvis 仍在各自对应的任务场景中继续发展。 这容易让人联想到腾讯惯用的“赛马”机制。 “赛马”的前提，是多款产品围绕同一需求、争夺同一个入口。如果 Agent 并非单一品类，而是 AI 时代的一种基础产品形态，那么它分别进入研发、办公等场景，就未必是重复下注，而更像是对不同场景体验的重塑。 真正值得追问的是： 腾讯正在以怎样的方式生产 Agent？ 1、一款编程Agent，如何长出一个产品家族？ 在腾讯的 AI 生态中，一条以“Buddy”为名的 Agent 产品谱系正在逐渐成形。 Buddy 原意为“伙伴”，最初只是 CodeBuddy 名称中的一个产品后缀。2023 年，AI 代码助手 CodeBuddy 以 IDE 形态推出，并开始在腾讯内部推广使用。早期，它主要承担代码补全、技术问答和错误诊断等辅助工作。 随着软件开发智能体 Craft，以及 MCP、CLI、Skills、Agent SDK 等能力陆续接入，CodeBuddy 开始能够读取项目、拆解任务、调用工具、执行操作并验证结果。它也由“帮助开发者写代码”，逐步走向“自主完成研发任务”。 在这一过程中沉淀下来的，不只是代码生成能力， 还有一套可以复用的 Agent 执行框架。 编程之所以成为起点，并非偶然。代码库、终端和测试系统，为 Agent 提供了一个可操作、可反馈、可验证的环境；代码本身又能被用来创造新的工具和工作流。 因此，Coding Agent 不仅可以完成研发任务，也能够参与生产其他软件乃至其他 Agent。 Anthropic 将 Claude Code SDK 更名为 Claude Agent SDK，背后也是类似的逻辑：驱动编码产品的工具系统、Agent Loop 和上下文管理机制，已经能够被迁移到研究、内容处理和个人助理等非编程任务中。随后推出的 Cowork，则进一步将类似的执行方式带入知识工作。 WorkBuddy 的出现，验证了同样的迁移也在腾讯内部发生。 腾讯于 2025 年第四季度启动 WorkBuddy 项目，并在 2026 年 3 月正式发布。据腾讯云相关负责人介绍， WorkBuddy 最初的内测版本，是一名产品经理借助 CodeBuddy 和智能体 SDK，用一个周末搭建出来的。 这个细节的意义，不只在于开发速度。CodeBuddy 既提供了 WorkBuddy 所依赖的执行能力，也直接参与了这款产品的生产过程。 WorkBuddy 保留了 CodeBuddy 沉淀下来的任务编排、工具调用和执行机制，再围绕办公任务重新组织 Skills、工具接口和产品交互。一款编程 Agent，由此生长为一款办公 Agent。 这意味着，共同的执行框架不仅能够脱离代码环境，也可以显著降低生产下一款 Agent 的成本。 此后，这种迁移方式迅速走向标准化。 2026 年 5 月发布的 DataBuddy，被腾讯称为“Buddy 家族的第三位成员”。它在底层继承了 WorkBuddy 的 Harness，再通过 Skills 注入腾讯云在大数据领域积累的专业经验，并连接 WeData、DLC 等业务系统，由此获得数据分析、数据治理和数仓工程等能力。 从 CodeBuddy 到 WorkBuddy，再到 DataBuddy，腾讯逐渐形成了一套生产垂直 Agent 的公式： 垂直 Agent = 通用 Harness + 专业 Skills + 行业知识 + 业务系统 + 交付界面 Harness 负责理解任务并组织执行，Skills 提供专业流程与判断规则，业务系统则让 Agent 能够真正采取行动。 Buddy 所复制的单位，也由一项具体功能， 转变为一整套岗位能力。 6 月发布的 LearnBuddy 延续了这一思路。作为“Buddy 家族首个行业应用”，它建立在与 WorkBuddy 同源的框架之上，再加入教育知识、科研 Skills、多智能体协作和长期记忆，从而进入教学、学习与科研场景。 这种生产方式并不局限于以 Buddy 命名的产品。 由 CodeBuddy、WorkBuddy 团队打造的创意设计智能体 Miora，与二者共享底层架构，同时加入图像、视频、3D 和 UI 设计等专业子 Agent，以及面向创意工作的 Skills。 “AI 航海家+”则以 WorkBuddy 智能体平台为基础，叠加七国专业语料和 22 位专家智能体，形成一套面向企业出海的解决方案。 由此，Buddy 不再只是一个产品后缀。 它正在成为腾讯 Agent 工厂中的一条产品线。 2、模型、云、应用网络，腾讯的“Agent工厂”如何运转？ 不过，一条能够反复复制的产品线，还不足以构成完整的生产体系。 更重要的变化在于，Buddy 产品中经过验证的能力，正在走出具体产品、进入腾讯云，并与腾讯既有的应用网络连接起来。 最直接的信号是 WorkBuddy Managed Agents。它同样基于 WorkBuddy Harness 构建，将原本服务于 WorkBuddy 的任务编排、记忆和执行能力封装为云端服务，再与腾讯云的算力、沙箱、安全和治理能力结合。企业客户据此创建的 Agent，还可以被直接分发至 WorkBuddy 工作台。 这改变了 WorkBuddy 与腾讯云之间原有的关系。 过去，WorkBuddy 是一款生长在云基础设施之上的产品。现在，它在真实场景中得到验证的 Agent 内核，又被抽取出来，成为其他 Agent 可以复用的公共能力。 云生成产品，产品再反哺云。 腾讯的 Agent 生产体系，在这样的循环中逐渐成形。 腾讯云本身也在围绕 Agent 重新组织。 2026 年 3 月，腾讯云首次发布 Agent 产品全景图，将原本分散的模型、基础设施、技能、应用和安全能力纳入同一体系。TokenHub 统一接入混元及第三方模型，Agent Runtime 提供专门的运行环境，ADP（腾讯云智能体开发平台）则覆盖 Agent 的开发、连接、运行和治理。 在这套体系中，模型成为