AI Agent 工具科普
WorkBuddy：把 AI 从聊天窗口变成真正能干活的工作助手
(人工智能创新应用研究中心 杨格）
四、让 AI 不再每次重新认识你的工作
如果每天都在做同一类事情，使用普通 AI 经常会遇到一个问题：每次都要重新告诉它：“这是项目背景”“这是之前的资料”“这是我的要求。”
WorkBuddy 的项目，本质上就是在解决这个问题。一个项目可以持续沉淀：文件 + 对话 + 任务 + 上下文。例如做某个公司的长期研究，可以把：公司年报、行业资料、新闻、Excel、历史分析结果全部放在同一个项目中。以后可以直接说：基于之前的资料，把最新数据更新进去。或者：和上一次分析相比，这次发生了哪些变化？这样 AI 才真正开始从：“一次性回答问题”转向：“持续参与一项工作”。这也是 Agent 和普通聊天工具一个非常重要的区别。
五、专家、技能、连接器分别是什么？
这是现在很多 Agent 产品里都会出现的一组概念。
看起来很复杂，其实很好理解。
专家=给AI换一个专业大脑。例如：内容创作、投资分析、法律咨询、教育学习、数据分析……选择不同专家，相当于给 Agent 增加特定领域的专业角色和工作方式。技能 = 告诉 AI 某类事情应该怎么做。例如：整理资料、生成报告、分析代码、处理表格。可以把它理解成 Agent 掌握的一套“工作方法”。连接器 = 让 AI 接触更多工具和数据。例如：邮箱、文档、知识库，以及其他外部业务系统。所以一个 Agent 可以简单理解为：模型负责思考，技能负责方法，连接器负责拿工具，文件和知识库负责提供资料。这也是 Agent 时代一个非常重要的变化：最终效果不再只由模型能力决定。系统能不能调用工具、获取资料、保存上下文，同样重要。
六、权限：AI 越能干，越要关注它能操作什么？
Agent 能力越来越强之后，有一个问题的重要性也在快速上升：权限。
WorkBuddy 目前大致可以理解成两种状态。默认权限Agent 在相对受限制的环境中执行任务。一旦涉及更高权限的操作，会再次向用户确认。允许完全访问，减少中途确认，让 Agent 可以更连续地执行长任务。第二种当然效率更高。但同时也意味着：AI 可以操作的范围更大。所以如果是第一次使用，我更建议：先使用默认权限。等确定任务可信、文件范围清楚之后，再根据实际需要开放更多权限。Agent 时代可能会出现一个新的使用习惯：过去我们问：“AI 能不能做？”以后还要多问一句：“AI 应不应该拥有完成这件事情的权限？”
七、10 个模型，不是让你选“谁最聪明”
WorkBuddy 目前可以选择多个模型，也提供 Auto 模式。很多人看到这么多模型，第一个问题通常是：哪个最好？但到了 Agent 阶段，更准确的问题其实应该是：哪个模型最适合当前任务？因为不同任务的要求完全不同。例如：写文章、写代码、资料总结、复杂推理、快速处理文档，适合的模型并不一定相同。而且还有一个非常现实的问题：成本。
同样完成一项任务，不同模型的消耗可能差很多。所以以后 Agent 系统很可能越来越像一种“模型调度系统”：简单任务 → 便宜模型，复杂任务 → 强模型，特定任务 → 专用模型，甚至直接交给 Auto，让系统自己判断。这也意味着：模型正在从“产品本身”，逐渐变成 Agent 系统中的一个底层资源。
八、自动化：让 AI 不需要等你开口
这是 WorkBuddy 里一个很容易被低估的能力。普通 AI 的工作方式是：你问，它答。而自动化解决的问题是：如果我不问，AI 能不能自己开始工作？例如：每天早上自动整理昨天的信息；每周生成一次项目进度；定时整理某个文件夹；周期性汇总资料；定期生成一份工作报告。以前这些事情的流程是：人打开 AI → 输入 Prompt → 等待结果。加入自动化以后，则可以变成：时间到了 → Agent 自动执行 → 人查看结果。看起来只是少输入了一次 Prompt。但本质上发生的变化其实很大。
AI 从：被动等待人类指令，开始向按照规则主动执行任务迈进。如果说聊天机器人更像一个“随时可以咨询的人”，那么加入自动化之后的 Agent，才开始真正接近：数字员工。
WorkBuddy 本身只是目前 Agent 产品中的一个代表。真正值得关注的，其实不是它新增了几个按钮，而是 AI 产品正在发生一个更大的变化。
过去我们学习的是：怎么和 AI 聊天。接下来可能要学习的是：怎么给 AI 安排工作。模型能力当然依然重要。但随着不同模型之间的能力逐渐接近，真正决定一个 Agent 好不好用的，会越来越变成：文件、记忆、项目、工具、权限、自动化和工作空间。以及最关键的一点：这些能力能不能稳定地组合起来。AI 的下一阶段，也许不是出现一个更大的聊天框。
而是聊天框逐渐退到后台，AI 真正进入我们的工作流程。