
Agent 产品成 AI 行业主线
过去半年,以 Claude Code/Cowork、Codex 为代表的 Agent 产品是整个 AI 行业最清晰的一条主线。6 月 30 日,Anthropic 低调推出了面向科学家的 AI 工作台 Claude Science。
Anthropic 的清晰思路
Anthropic 的思路越来越清晰,先让 Agent 承包代码(Claude Code),再让 Agent 处理各类办公任务(Claude Cowork),最后进入科研这类更复杂的专业场景(Claude Science)。事实上,Anthropic 是观察到市场和数据等非技术团队开始绕过聊天界面使用 Claude Code,才有了图形界面「封装」的 Claude Cowork。
国产 AI 在 Agent 产品上的追赶
除了在底层模型持续迭代外,国产 AI 在 Agent 产品上也在追赶。阿里、腾讯、字节、Kimi、MiniMax、智谱都在做 Agent,各家基本也跟随 Anthropic 区分了 Code 和 Work 两类产品,但侧重点有所不同。那么,在模型能力还没有全面压过海外顶级产品之前,国产 AI 能不能靠更便宜、更开放、更贴近本土工作流的 Agent 产品,先把更多国内用户带向「Agent 工作我指挥」的工作方式呢?雷科技 AGI(ID:leikejiagi)盘点一波试图给出答案。
腾讯 WorkBuddy:办公入口之选
腾讯 WorkBuddy 可能是国内知名度最高的 Agent 产品,很多人在微信上看到过广告,也在「龙虾潮」的时候安装体验过。实际上,腾讯还有面向开发者的 CodeBuddy,基本上对应了 Claude Cowork 和 Code。腾讯内部已将其用于研发和非技术团队,官方披露 CodeBuddy 覆盖了腾讯超过 95% 的工程师,WorkBuddy 则用于人和 AI 混编开发、帮助小团队更快迭代产品。相比代码开发,WorkBuddy 面向更宽的生产力场景,负责文档处理、内容整理、协作任务和泛办公需求。腾讯的优势在于 WorkBuddy 可以充分利用腾讯文档、腾讯会议、ima 知识库、腾讯乐享以及微信的生态优势,很多人使用它是因为可以直接接住日常的「上下文」,然后在 WorkBuddy 整理内容、生成文档、推进任务。
Kimi Code/Work:长文本融入工作流
面对 Agent 的浪潮,月之暗面是最近一批推出相应产品的大模型公司,Kimi 也分成了 Kimi Code 和 Work。Kimi Code 进入 CLI 和 IDE,能读写文件、执行命令、搜索代码、获取网页内容,也能为并行任务生成 subagents;Kimi Work 则面向本地工作流,可以挂载本地文件夹,通过 WebBridge 浏览网页,运行 Python,执行定时任务,并在修改文件或运行代码前要求用户确认。过去很长一段时间,Kimi 给普通用户留下的印象就是「长文本」。到了 Agent 阶段,Kimi 要做的事情也很自然:不只是读完材料回答问题,而是继续帮用户处理文件、跑脚本、改代码、生成结果。如果说 Claude Code 和 Codex 的强项在于代码任务闭环,Kimi 更值得关注的,是它在试图把「长文本阅读」的优势变成「长程任务」的优势。同时在 Kimi Code 和 Work,Agent 集群也是一个绕不开的设计。按照官方说法,应对复杂问题时,Kimi 可以自动协调多个专业智能体,同时分解并解决多层次任务。另外为了吸引金融用户,Kimi Work 还预集成了 A 股、港股和美股的深度数据源,这些构成了 Kimi Code 和 Work 的差异化体验。
阿里 Qoder:从通义灵码到桌面 Agent
阿里 Qoder 有点特殊,它不是一个从零开始冒出来的新产品,而是从一个 AI IDE 产品(通义灵码),经过几轮迭代逐渐转变成新的 Agent 产品,并衍生出了 Qoder Desktop、QoderWork、QoderWake、Qoder CLI、Cloud Agents 等系列。Qoder 核心还是 Qoder Desktop 和 QoderWork 两个产品。Qoder Desktop 面向软件开发场景,更接近 Claude Code;QoderWork 面向日常工作,处理文件整理、数据处理、文档生成、浏览器自动化、桌面控制、定时任务这类日常工作任务,定位接近 Claude Cowork。QoderWork 把 Agent 能力从代码搬到普通工作里,作为一款桌面端智能工作助手,它可以通过自然语言完成文件整理、数据处理、文档生成,也能连接办公工具、操控浏览器和电脑;还支持定时任务,适合每天拉数据、写周报、整理月度材料这类重复但不能漏的工作。从产品设计来看,QoderWork 除了「通用」模式,还专门给出了「设计」「幻灯片」「写作」模式,在面向实际用户场景上明显有所侧重,但除此之外,还没看到太多的特色和优势。
MiniMax Code/Agent:模型 Agent 垂直整合
MiniMax 分别推出了 MiniMax Code 和 MiniMax Agent 两个产品。随着 6 月新一代大模型 MiniMax M3 的发布,MiniMax Code 也迎来了一轮大更新,是专为 M3 设计、并与 M3 一起训练的 Agent 产品。简单来说,MiniMax Code 能够充分发挥 M3 在长上下文、Coding/Agentic、原生多模态方面的能力,是搭配 MiniMax - M3 的首选 Agent。体现到长程任务上,MiniMax Code 会将任务拆成 Workflow,由 Agent 集群协作,通过 Producer + Verifier 的对抗式 Harness 循环自主运行。事实上,Claude Code 也推出了类似策略的 Dynamic Workflows(动态工作流),但 MiniMax Code 会更聚焦「深度反思与持续纠错」,Agent 会根据任务进展实时调整方案和优先级,用户也可以随时介入,追加需求或修正方向。至于 MiniMax Agent,实际更早就尝试挑战长程任务,在 5 月更新中上线了 Mavis 模式,利用多 Agents 协作的方式,包括和 Codex 类似随时介入 Agent 思考和工作的设计,可以说是 6 月 MiniMax M3 发布和 MiniMax Code 更新之前的预演。不过也要说明,这条路也最容易出现演示和真实体验之间的落差。长上下文不等于真的理解全局,多 Agent 协作也不等于结果一定更稳。角色越多、链路越长,中间任何一步跑偏,最后都可能放大成错误。
字节 TRAE Work:从 AI IDE 到通用工作台
严格来说,TRAE(SOLO)本身最早被更多人认识,还是因为它是一款 AI IDE,对标 Cursor、Claude Code 这类开发工具。但前段时间升级推出的 TRAE Work 已经把边界往外推了一步,官方定位也很直接:不只编码。按照官方介绍,TRAE Work 提供 Web、Desktop 和 Mobile 多端入口,兼顾本地与云端任务,且不依赖于 TRAE IDE 运行。用户在桌面端发起任务之后,Agent 可以在云端或者本地继续运行,多个任务也可以并行推进;离开电脑之后,用户还可以在手机上查看进度、审查结果、继续调整方向。另外,TRAE Work 还分成 Work 和 Code 两种模式,可以简单理解为字节的 Codex,将 Code、Work 两个 Agent 产品合二为一。Code 模式继续处理开发任务,Work 模式则面向更通用的工作场景,比如资料整理、项目推进、网页操作、文件处理和内容生成。不同的是,Codex 是真正的合二为一,TRAE Work 则是以两种模式运行,需要从不同模式入口进入。相比腾讯 WorkBuddy 借助微信、文档、会议这些生态上下文,TRAE Work 更像一个面向个人和小团队的效率入口。它不一定要求用户先进入一套办公生态,而是先把「任务」变成核心单位:用户只要把需求交给它,它就负责拆解、执行、反馈进度,用户在过程中随时介入。另外,TRAE 还有一个值得注意的动作是开源 Trae Agent。按照 GitHub 页面介绍,Trae Agent 是一个面向软件工程任务的 LLM Agent 工具包,支持文件编辑、bash 执行、结构化思考和任务完成,也能接入多种模型供应商。
智谱 ZCode:深耕 Code Agent 领域
相比其他家,智谱的路线要更集中一些。它没有急着把自己包装成一个通用办公 Agent,而是明确先做开发者场景,推出了智谱 ZCode,但和 Kimi、MiniMax 一样瞄准了长程任务的难点和场景。这和很多国产 Agent 产品的思路不太一样,腾讯、阿里、Kimi、字节都在做 Code 和 Work 两条线。值得一提的是,上月智谱发布惊艳行业的 GLM - 5.2 时,还同步升级了 ZCode 3.0,全面切换自研 ZCode Agent 内核,并深度适配 GLM - 5.2,针对长程推理、工具调用和大型工程执行链路做了优化。ZCode 3.0 还围绕实际开发体验做了一些补强,比如分组式任务工作区、Zread 项目知识库、可视化 Git 分支图谱等功能。这些听起来没有多 Agent 协作、长上下文那么性感,但都和 Code Agent 的稳定性有关:Agent 要接手一个工程任务,首先得看懂项目、记住上下文,也要让用户看得清它改了什么、走到哪一步。这条路的优势是目标清楚,短板也很明显。ZCode 的用户盘子暂时不会像 WorkBuddy 或 TRAE Work 那么大,想象空间也更集中在开发者场景。但如果它能在复杂代码库、长程任务和工程验证上真正跑稳,反而更容易建立专业用户信任。
国产 Agent 的差异化机会
把这些产品放在一起看,国产 Agent 并不是在用同一种方式替代 Claude Code、Claude Cowork 和 Codex。阿里 Qoder、字节 TRAE 和腾讯 Buddy 系列,大公司都学 Anthropic 和 OpenAI 在 Code + Work,但产品路径和重心明显不一样。作为百模大战中活下来的大模型创业公司,Kimi、MiniMax 以及智谱都更注重技术优势,尝试攻克「长程任务」这个 Agent 必经之路,也都在强调从模型到 Agent 的垂直整合。最终看下来,国产 Agent 追的也不只是 Claude Code、Claude Cowork 或者 Codex 某一个产品,也是一种全新的工作方式:用户不再只问 AI 一个问题,而是把一件事交给 AI,再在过程中审查、修正、接管、继续指挥。相比海外产品,国产 Agent 的优势首先是更贴近本土工作流。Claude Code、Claude Cowork、Codex 的产品完成度更高,开发者心智也更强,但它们毕竟更围绕海外用户的软件生态、办公环境和订阅体系展开。国内用户每天使用的工具和系统,很多时候是微信、腾讯会议、腾讯文档、钉钉、飞书、本地文件、国产模型和企业内部知识库。Agent 如果接不住这些上下文,再强也容易停在演示和尝鲜阶段。这也是 WorkBuddy、QoderWork、TRAE Work 的机会。它们未必一开始就比 Claude Cowork 更聪明,但如果能更顺手地进入国内用户已经熟悉的办公、沟通和文件环境里,就有机会先把使用频率做起来。另一方面,国产 Agent 普遍更愿意接入不同模型,也更愿意把能力开放给开发者和企业改造。对个人用户来说,这意味着可以在效果和成本之间切换;对企业来说,则意味着可以接自己的工具、权限、数据和业务流程。Agent 不是一个单纯的聊天产品,它天然需要接工具、接文件、接系统、接工作流。越往真实业务里走,这种可控性越重要。国产 Agent 现在不缺方向,Code、Work、多 Agent、长上下文、桌面工作台、云端任务、企业协同。接下来真正要看的,是谁能稳定完成更多真实任务。用户第一次打开 Agent,可能是因为好奇。但用户第二天、第三天还愿意打开它,一定是因为它真的省事。
72



被折叠的 条评论
为什么被折叠?



