AI 办公 Agent 四强横评：千问 / WorkBuddy / 百度搭子 / TRAE，从执行引擎到选型决策

做技术的人看 AI 办公，不能只看「它聪不聪明」，得看它的执行层（Harness）怎么搭。一个办公 Agent = LLM（推理）+ Harness（任务编排/工具调用/环境操作）+ Tools（MCP/本地文件/API）。模型趋同之后，决定好用与否的是 Harness 能不能稳定把「理解」变成「执行」。下面用开发者视角拆四款桌面智能体。

四强技术拆解：执行引擎 + 连接器是差异化关键

1. 千问办公：钉钉 API 矩阵 + 百万 Token 上下文

底座 Qwen3.8（2.4T MoE）。它把钉钉 25 项能力做成可被 Agent 调用的 API 集合，等于拿到了组织的结构化上下文。长上下文直接通读百页文档做跨文档推理，适合「组织知识沉淀」类场景。

2. WorkBuddy：SkillHub + 专家 + MCP 连接器

三层架构：Skill（9.1 万+ 技能沉淀）→ 专家（340+ 领域专家）→ 专家团（多 Agent 并行）。通过 MCP 协议打通 ERP / OA / 知识库 / 数据库，不强制绑自有模型（混元/DeepSeek/GLM/Kimi 可切换）。它真正的护城河是企微远程驱动：在 IM 发消息触发云端执行。

# WorkBuddy 风格的 MCP 连接器配置（示意）
{
  "mcpServers": {
    "erp":   {"command":"npx","args":["-y","@corp/erp-mcp"]},
    "docs":  {"command":"python","args":["doc_mcp.py","--base","tencent-doc"]}
  },
  "trigger": "wecom://message",   # 企微消息触发云端执行
  "model":   ["hunyuan","deepseek","kimi"]  # 多模型可切换
}

3. 百度搭子：自研 Harness 引擎 + 本地安全沙箱

它的差异化在执行引擎本身——自研 Harness 让同任务积分消耗比常规低约 75%，并支持本地安全沙箱：任务与文件在隔离环境闭环执行，数据不出设备，高危操作二次确认。对数据敏感的企业，这是上云 Agent 给不了的能力。自媒体套件覆盖选题→追热点→脚本→复盘，是内容创作场景的强项。

4. TRAE Work：Work/Code/Design 三模式统一 Workspace

把文档、代码、设计三种工作流塞进一个面板，产出可评论/验收/迭代。通过 Rules & Memory 维持稳定偏好，并链接 GitHub、飞书等外部应用。适合「工种混合」的产研团队。

技术视角：SkillHub / Harness / 本地沙箱 / 三模式 Workspace

6 维技术横评

选型决策树（伪代码）

def choose(team):
    if team.im in ("dingtalk",):        return "千问办公"   # 组织上下文最直接
    if team.im in ("wecom",) and team.need_remote: return "WorkBuddy"
    if team.data_sensitive or team.do_content: return "百度搭子"  # 本地沙箱
    if team.has_feishu and team.mixed_role:    return "TRAE Work"
    return "先装免费版，跑一周真实任务再决定"

结论很朴素：Harness > 模型。谁的执行引擎稳、能接你的系统和数据，谁才好用。别被发布会参数带节奏，先拿一个真实业务流程去压测。

Harness > 模型：谁的执行引擎强，谁才好用

四家都有免费档，建议开发者各注册一个，用同一个「周报 + 跨表汇总 + 网页填报」任务跑对照，再决定把哪家的连接器接进你的 CI / OA。本文数据来自公开报道与官方文档，定价以官方最新公示为准。