腾讯的 WorkBuddy 上线了一个新能力:能操控电脑。官方描述是「识别当前页面,进行点击、输入、滚动等操作」。
这句话听起来简单,但它是 AI 助手从”聊天”走向”干活”的分水岭。
先理解这一步跨了多大
| 阶段 | 能力 | 局限 |
|---|---|---|
| 第一代 | 对话框里回答问题 | 只能给建议,不能动手 |
| 第二代 | 调用 API / 插件 | 只能操作”开放了接口”的系统 |
| 第三代 | 看屏幕 + 模拟操作 | 能操作任何有界面的软件 |
第三代的意义在于:大量老旧系统、内部系统、桌面软件根本没有 API,但都有界面。能点界面,就等于打通了「AI 能碰到的软件」这最后一公里。
它能做什么
- 填表:从邮件里提取信息,自动填进 ERP 或 OA 系统
- 搬运数据:A 系统里查到的数据,手动录入 B 系统
- 定时任务:每天早上打开某个网站,导出报表,发到群里
- 软件教学:看着用户操作一遍,之后自动重放
三个现实问题
- 速度慢。视觉识别 + 模拟点击,一步操作可能要几百毫秒到几秒,比人手动慢。适合”反复做很多次”的场景,不适合”只做一次”。
- 出错就卡住。界面弹了个意料之外的对话框,AI 可能不知道怎么办。企业场景需要人在旁边看着。
- 权限和安全。能点你的电脑,就意味着能点你的网银、能删你的文件。权限边界怎么划,是这类产品最大的合规挑战。
谁应该关注
如果你的工作里有一块”每天重复点同样的东西”的内容,这类工具值得试。如果工作主要是判断和沟通,暂时还轮不到它。
来源:IT之家报道(WorkBuddy 官方能力更新)
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END


















暂无评论内容