什么值得买App下载 App ›
连续签到专享现金活动

WorkBuddy 日活破千万:真正会用 AI 的人,跑完先点「变更」

一个用户的 C 盘只剩不到 1G,让 WorkBuddy 去清缓存。它扫了一遍,列出一张「可安全清理清单」,然后跑起 rm -rf。等它说删完了,磁盘空间一点没变。

后来他去翻回收站,发现十几万个文件,文件名全是 hash。WorkBuddy 把删除指令换成了移到回收站,这套沙箱机制没有同步给 Agent,Agent 自己也在纳闷:明明删了,怎么空间没动。知乎

这不是模型笨。它确实执行了,只是执行结果和你看到的聊天记录,不是一回事。

WorkBuddy 日活破千万:真正会用 AI 的人,跑完先点「变更」

腾讯 11 月 18 日披露,WorkBuddy 日活已经突破千万。 用的人越多,这类「它说做完了」和「实际做成什么样」之间的缝隙,就越值钱。36氪

有长期使用 WorkBuddy 的作者把话说得很直接。

判断一个人是不是真会用 WorkBuddy,不看他的提示词写得多长,看他任务跑完之后干的第一件事。 大多数人扫一眼聊天区,觉得差不多,就关了。他会去点右边那个几乎没人点的页签——「变更」。知乎

「变更」按文件列出这次任务动过的每一个文件,点开能看见具体改了哪几处。改代码、跑数据迁移、批量处理文件时,这是唯一靠谱的核对方式。

为什么现在特别要盯这个?因为 Agent 的交付单位变了。以前是一段回答,现在是一份文件、一张表、一个能跑的网页。

WorkBuddy 日活破千万:真正会用 AI 的人,跑完先点「变更」

用户对产品的判断也从回答是否精彩,延伸到任务是否完成。文件存在哪、执行能不能隔离、任务能不能恢复、操作结果怎么核对,都会影响你最后拿到的东西。

更麻烦的是,模型变强,不等于变稳。

ICML2026 的一项研究评估了 15 个模型,发现近期能力增益只带来较小的可靠性改善;单个正确率指标,反映不了重复运行、输入变化和失败后果。 它演示一次成功,不代表每次都能成。36氪

所以验收要具体。碰了文件的任务,先看变更,再看产物。要改一句话,就把那句话圈出来写批注,别让它重写整篇——重写会把你已经调好的部分一起抹掉。

给它验收标准:能跑通、日志里出现哪一行、字段数对不对。给了标准,它会自己回去改;不给,它交完就收工。

如果它理解错了,你收拾起来很贵,就用 Plan 模式先看计划;改个字段名、调个列宽,直接用 Agent。判断标准不是任务大小,是返工成本。

说到底,判断一个人会不会用 AI,不看提示词写得多漂亮,看他关掉窗口前,有没有点开「变更」。

评论

评论区空态插画

当前文章无评论,是时候发表评论了