作者 | 博雯

编辑 | 赖捷

AI Agent最近是真火，但也是真难用上。

海外头部产品Codex、Claude Code天天刷屏，但真到自己想试试时，要么有访问门槛，要么有身份验证，要么付费门槛高得劝退——对于中文内容创作者来说，来说实在不太友好。

但作为一个每天都要和选题、写稿、多平台排版，以及PPT等可视化交付工作打交道的新媒体人，我太需要一个能真正融入工作流的AI助手了。

而也就近半年，面向大众的国产通用智能体开始集中涌现。于是这次，我选择了四款代表性的产品，百度搭子、阿里QoderWork、腾讯WorkBuddy、Kimi Work，将它们拉到一起，按我的日常创作场景逐一实测，看看它们各自有什么优缺点？谁又能真省时间帮打工人把活干完？

下载后第一感觉：现在国产AI助手的Logo真是一个比一个可爱。

而在上手门槛上，国产工具整体差距都不大，不需要复杂配置，基本都能做到开箱即用。

下面直接上测评，结尾有总结。

选题追踪与整理

AI时代，无论对哪个行业的人来说，追踪AI实时信息都很有必要，但信息搜集本就是AI的强项，因此在接下来的测评中，我将不仅仅局限于初级任务，而是探索四款AI助手在深层次办公任务上的表现。

第一个任务，让AI助手通过不同渠道进行信息筛查、交叉整理和选题判断。

先看百度搭子，它在“能力扩展”中推出了一个“自媒体套件”，其中就包含从选题到内容生产，再到运营与复盘一整套功能。

接下来，引用自媒体套件，让百度搭子推送今天的AI日报，并生成选题建议。

在思考过程中，它弹出了两次选项，首先让我选择AI日报发布的平台，因为不同平台的语言风格和格式差异较大，其次是让我选择AI日报呈现的风格偏好——这里是很让人惊喜的，好像在面对一个有一定工作经验和自我判断的“搭子”，而不只是呆板的工具。

我选择了“多平台”和“混合版”。

很快，百度搭子便给出了一份日报，包括3条深度内容，5条快讯和7条“今日关注”。其中“GPT-5.6证明数学猜想”、“Meta AI生图功能下线”等等，确实是能展开成一篇稿子的好选题。

第二个任务，我提出“现在这样的格式不太直观，能否将这些日报内容做成一份结构化的网页”。

百度搭子很快就给出了一份新的日报格式：不用打开新标签页，直接在当前对话界面就能切换查看资讯或选题建议。只不过在设计排版上稍微简单了些。

接下来是第三个任务，我将“AI新榜”过往半年的文章内容喂给了它，看看它能否基于我们过往的数据，进行定向选题筛选。

百度搭子在分析后得出结论：“AI新榜”的核心选题风格为AIGC实战案例、实测体验、AI产品榜单排名变化，以及热门消费级AI产品，如AI伴侣、AI游戏等等——这个分析结果确实很符合账号定位。

随后，它给出了调整后的新日报和选题建议，首先是进行了数量精简，更惊喜的是，它还给出了选题的时效窗口，建议我在7月15日（当天主流AI平台集体下线用户自建的智能体功能）之前，着重关注选题一。

不得不说，这确实是近期大众非常关注的话题，而百度搭子给出的方向“800万个AI角色即将消失——导出和它的最后一段对话”，也比较准确击中了社会大众的关注点和情绪点。

再看QoderWork。

第一个任务，输入提示词并引用“科技服务助手”专家套件，最后得到的日报里，包括18条今日AI要闻和6个选题建议，在内容丰富程度上是最多的，选题的方向和涵盖范围上也没什么问题。

第二个任务，QoderWork生成的结构化日报在设计上会显得更漂亮一些，选用了深色的科技风背景，同时从大模型、产业应用、资本市场、芯片与基建、治理与法律等多个领域分别给出了资讯及简介，同时右上角还会标上“爆”“重磅”“新”等关键字样。

在第三个进阶任务中，QoderWork基于特定数据的分析也比较准确，提到要将AIGC创作热点提至头条位置，大模型新闻也要从“行业资讯”角度转为“实测对比”，在选题范围上也进行了一定收缩，并重新划分了标签页。这也是自媒体助手应该达到的水平。

然后是WorkBuddy。

对于第一个任务，我在专家库里选择了一位“科技频道选题评估师”。

从最后的结果来看，WorkBuddy给出的选题相对要更偏硬核科技向一些。

第二个任务，WorkBuddy在结构化日报网页的排版设计上，给出了固定导航、新闻卡片、数据看板等等板块，在内容上也没有什么可挑剔的。

在第三个任务中，WorkBuddy将“AI新榜”的选题方向提取为AIGC创作爆款、AI产品发布与更新、AI行业大事件、AI创作者与商业化这四大板块，这也是比较准确的。不过，它基于已有文件给出的新日报内容，却出现了不少“AI新榜”已经发表过的选题，在内容上稍显杂乱。

最后则是Kimi Work。

因为其插件库里并没有搜到与“科技”或“选题”相关的插件，技能库中也没有搜索功能，因此我们直接在默认对话框中输入提示词。

它输出的AI日报在内容方向上是可以用的，不过在排版上要一直下滑才能看到所有信息，没有像其它AI助手一样做出分类标签切换，所以在查看不同细分领域选题的便利性上，比起其他三款AI助手稍微差一点。

在第二个任务上，Kimi Work根据“AI新榜”历史数据给出的更有针对性选题基本符合预期。

总结下来，在初级的信息搜集与整理上，四款AI助手的交付质量都很高，不过在一些进阶任务上的表现就各有不同了。

比如在结构化日报排版上，QoderWork最为漂亮美观；而如果要看基于私有的数据库形成定向的选题建议，以及任务整体的效率和稳定性上，则是百度搭子更胜一筹。

内容生产与运营

在选题之外，我也希望AI助手能作为一个成熟有经验的工作伙伴，切实参与到一整套完整的工作流中，而不仅仅是作为一个检索工具。

因此接下来，我会要求几个AI助手承接上一个任务场景，要求它们在自己给出的AI日报中，根据时效性、价值以及出爆款的概率，最终确定一个选题；

其次，要拆解竞品，给出可以添加的独有增量信息；

最后，由于文字内容生成对现在的AI来说属于常规能力，因此，我还额外要求AI助手能输出符合格式要求的公众号文章、小红书图文，以及AI视频播报这三大主流内容形式。

先说四款AI助手各自确定的选题：

百度搭子最后选出的题，和我在上个任务场景中的判断一致——它选择了“智能体下架后800万个AI角色即将消失”这条新闻，并给出了自己的判断：

7月15日新规施行在即，时效性最强；影响超800万用户，有强烈情感共鸣；同时还能从新规解读向行业趋势、全球对比的方向再去延展，爆款潜力最高。

QoderWork建议以博主“阿盐”的《穿越山海经》AI二创作为选题，这应该是受了我之前投喂的“AI新榜”历史数据影响，所以认为AIGC热门类的选题爆款率更高，但遗憾的是，AI没有识别到这个选题我们已经做过了。

再看WorkBuddy，还是一如既往的理工科脑袋，选择了GPT-5.6 Sol自主训练Luna作为选题，给出的操作思路虽然可行，也非常重大，但实在有点太硬核。

Kimi Work的选择比较令我满意，它建议做近期发布的GPT-5.6，并且提取到了“AI欺骗人类”这一在社交媒体上比较受关注的点，提出可以横跨技术、安全、政策和商业四个维度进行探讨。

整体来说，在选题方面，百度搭子和Kimi Work最符合我自己的需求。

再说说四款AI助手根据各自选题输出的具体内容。

客观来说，几款AI助手在这方面都有同样的问题——那就是各种原理、事件、说明写得过分详细且规整，比起一篇文章，更像是一篇供创作者参考的事件说明——这也是当前大语言模型的通病，那就是有“AI味儿”。要想直接获得可用的文字输出，还得继续深入调教。

最后是公众号、小红书、数字人播报视频等多形式的内容输出。

在公众号、小红书排版上，四款AI助手都做得比较规范，图片尺寸、文字格式等都比较匹配。不过最令我感到惊喜的还是百度搭子，给出了完全一条龙式的自媒体服务。

一方面，它在给出公众号文字内容的同时，顺便生成了一张公众号头图以及小图。不得不说，这两张图都是在实际工作流中我会考虑使用的水平。

而另一方面，百度搭子也是唯一一款直接输出了完整数字人口播视频的AI助手：在制作过程中，可以选择数字人播报形象、音色，以及最后输出90s的短平快版本还是3分钟的长视频。

最后的成品如下，个人认为还是很不错的：

而其余三款工具，QoderWork和Kimi Work最终给过来的是一段视频脚本，要生成视频，还得去硅基智能等专业的视频生成平台，WorkBuddy倒是帮我生成了一段视频开场素材，但它表示，完整的数字人播报也还是需要专门的平台来做TTS语音合成+唇形同步。

多线程任务管理

工作里最痛苦的事，就是在跟进关键项目的同时，还有一大堆琐碎且必须处理的小事杂事。翻开小红书，能看到大量吐槽琐碎工作以及Dirty Work的帖子。

我试着让AI助手帮忙解决。

一开始我只说“我被琐碎工作淹没，你有什么方法”，四款AI助手的回答大同小异，基本都是列出一些著名的时间管理方法+灌鸡汤。

所以接下来，我干脆要求它们直接做一个多线程任务管理模块，可以让我每天都自主填写任务，再由系统自主规划任务优先级。

百度搭子直接写了一个网页放在了我本地，打开就能看到一个工作流板块，分为今日概览、日程安排、任务列表，用户可以通过新建任务来填写日程。

不过考虑到打工人忙碌时根本没心思一项一项添加，所以我便在对话框里直接用自然语言发送了一些任务，完成时间各不相同，也没有标注Deadline，只有“尽快做”“很急”“这两天给我”这种打工人都懂的模糊描述，然后再让百度搭子直接帮我填进网页。

刷新页面后，百度搭子已经搞定，不仅将这些任务按时间都填进了任务板块中，还自主划分了重要程度和紧急性，还为我排好了当天的日程，精确到了小时，只要按着去做就行。

QoderWork生成的任务管理模块也不错，页面排版简洁清爽。

但当我像上面一样把具体的工作内容发给它时，QoderWork回了我大段代码，意思是让我把这段代码贴进控制台运行——尽管在实际操作之后，这个方式也是可行的，不过这对于普通用户来说，显然多了一道门槛。

再看WorkBuddy，它设计的任务管理系统没有前两个那么色彩鲜艳，不过功能齐全，而且生成速度可以说是四款软件里最快的。

在具体任务填入的管理页面上，也比较清晰易懂。

最后是Kimi Work，它最终输出的是一个Json文件，必须要确保电脑里装了Python 3，且用终端打开，在代码层面进行修改（在tasks数组里添加新任务）。

在我给出具体任务，并强调“生成页面预览”后，Kimi Work为我生成一个可以直接打开的任务管理系统。

多模态内容交付

对于办公场景来说，只做文字输出是不够的，生成动图插入文章，根据已有数据内容做PPT汇报，都是工作里的高频场景。

因此最后一个任务，是测试四款AI助手的多模态内容交付能力。

首先是在动图制作。

事实上，四款AI助手在前文各种任务里的许多动图，都是由它们自己制作的。

我会先对操作过程进行录屏，然后再将视频导入AI助手中，让它将其中的某一段制作成gif动图。

尽管四款AI助手都能完成动图制作，但在执行过程中，当我要求去除录屏视频顶部的水印时，四款软件都是简单粗暴地直接把含有水印的那一块画面截掉。

接下来是做PPT，我直接让它们分析自媒体账号爆款文章，没有给出其他提示，纯看AI们各自对内容的理解力。

百度搭子还是继续使用“自媒体套件”，不得不说，由于这个套件中几乎包含了所有与自媒体创作相关的技能，所以在进行各种任务时都不用反复切换技能，这一点还是很方便的。

而在接到任务后，百度搭子一如既往连续给出了多个确认项，比如：PPT主要用于什么场景、整体的配色风格、篇幅等等，特别干了多年活的熟练打工人。

而最后输出的PPT，挺符合打工人汇报这个常用场景的。

首先是色彩表达的简洁与一致性，背景以白色为主体，插图、配色方面则是蓝色与橙色交替使用，对图标和重点数字进行强调。这个搭配让表意十分清晰，领导看着不累。

其次是可视化，整个PPT共12页，除去开头结尾页，其中5页都包含有柱状图、饼图、趋势图等图表，4页中包含了数据的统计和分析，在数据可视化展示方面可以说相当积极。

而这种偏向于直观表达的图表，非常适合汇报时使用。因为绝大部分领导看PPT时，不会先看复杂文字，而是通过简洁的数字和图形信息来对汇报者建立第一印象。

比如分析一个账号爆款，领导最关心的就是爆款率多少，相应的篇数和阅读数，以及容易产生爆款的类型。这些信息必须首先通过可视化图形率先展现。

再看QoderWork，我选择了官方提供的“QoderWork 演示文稿”插件。

套用了模版之后的QoderWork，最后输出的PPT主要以其Logo的组成色——绿色和白色为主，虽说全程保持了一致，但在设计上略显寡淡，而且数据可视化也稍微少了一些，整体还是以文字描写和分类为主。

对于WorkBuddy，我选择了使用次数超20万的“PPT制作专家”。

WorkBuddy在数据可视化方面也不错，既有饼图、柱状图，也有数据统计和分类，在配色与排版上更加鲜艳活泼，不过可能也会有人更偏好整体一致性更强的配色。

最后是Kimi Work，我首先使用了官方技能库中排在最前面的一个：

不得不说，Kimi Work输出的成果第一眼确实镇住我了，简约大气的配色，具有呼吸感的切换，颇有设计感的排布，十足的高端上流，不过认真看下来，感觉这种风格更适合商业性质浓重的发布会展示，而非打工人日常向老板汇报的场景。

之后，我又切换了一个从描述上看更中庸的PPT技能，并要求修改原有PPT样式，不要那么商业。

总结

一轮实测下来，四款国产通用智能体各有长短。我把此轮实测的感受总结到了表格中，✓代表能基本完成任务目标；=代表输出结果可能还需要进一步调教；/代表此次运行没发现对应专属功能，或还需人工大幅度操作。

备注：结果仅代表此轮实测中的主观感受

当然了，AI Agent还在快速进化中，今天的差距明天就可能被抹平。

只是就这一轮实测来看，至少对我这种新媒体人而言，百度搭子由于有专门的“自媒体套件”，在内容生产上的输出相对更加稳定和便利。

           
           

            
            

             
             

              
               
               

                
                
 
                 
  
                   
  
                     
  
                      
                    
                 
 
                 
 
                  
  
                  
 
                 
 
                 
  
                 
 
                
               
               
             
             
           
           
           
           

             欢迎分享、点赞、推荐
           
           
           
           

             一起研究AI