这周写字楼的电梯广告，还在几个AI办公工具之间轮替，宣传话术已经从“会写报告”升级到“让你提前下班”。但打开社区看有机实测，大家聊的是另一件事：哪个工具能把活儿交出去就不管，哪个得盯着屏幕怕它删你文件。两种叙事几乎是两个平行世界，而这正是本周交活给AI之前最该算的一笔账——监督成本。行业端的信号也很明确：内部赛马暂停，几家大厂在7月下旬到8月初接连拿出了Agent办公产品的收拢方案。36氪广告越响，越需要拿有机实测对齐预期，看看这些工具到底能把活干到哪一步、又把哪一步留给了你。
先对齐口径。这代桌面AI Agent接下的，不再是“一问一答”：文件进去、多步骤跑完、出来一个可以验收的完整结果，而不是一段回答。监督成本问题就出在这里——它自主跑的步骤越多，偏离积累越多，最后兜底检查的人就越是你。
本周出现了一个难得的硬核样本：有资深用户把同一件积攒书籍杂志翻译并整理入笔记库的活，交给WorkBuddy、千问Work、TraeWork、CatPaw、DuMate、OpenCode六个工具各跑一遍，结论直接分成两阵营：能撒手的，和得盯着的。微博先泼冷水：这是单人单任务的样本，个体经验代表不了整体，它的价值在于把“每类工具容易在哪种偏离上翻车”给出了具体入口，要结合下面的交叉核对一起看。
需要盯着的三个，翻车方式各不相同：DuMate不知道什么时候就偷奸耍滑不翻译；CatPaw的子代理会瞎胡乱报结果，得在prompt里每次加一句“运行完后重新检查”；WorkBuddy用子代理一定会卡住，习惯给全部权限的话，它真敢删你的文件。微博偷奸耍滑、瞎报、卡住夹带，偏离方向不一样，本质相同：复核的成本由你来付。
更有意思的是路线分歧：别的agent都老老实实自己翻译，只有TraeWork想办法把翻译外包给浏览器，被限流之后还回头问我有没有翻译接口。微博千问Work没出过错但消耗大，免费额度不省着根本撑不住；CatPaw和WorkBuddy有限免，可不给权限时效率会低到其他工具的三分之一甚至更低。所以“哪个好用”其实是问：你能接受哪种偏离方向，又愿意花多少时间防着它。
交叉核对的样本量还算充足。一位重度使用WorkBuddy四个月的用户整理了六个坑：来历不明的三方Skills有本地文件的读写和执行命令权限，风险不小于病毒；一句模糊的“没用的东西处理掉”，连备份稿都被处理没了。知乎几百页文档直接丢进去撒手不管，CPU能干到100%。他后来把一句避坑话写进了模板：“先分析目录结构，只给整理建议，不要移动、删除、重命名任何文件，等我确认后再执行。”这句话值得直接抄走。
他的结论也代表了不少重度用户的声音：WorkBuddy是效率放大器，不是可以完全替代人的替身。知乎TraeWork这边同样有“未经我的允许误删了我的文件而且还偷工减料”的有机吐槽，官方的应对是8月12日上线“我的文件”功能，把产物汇聚到一个空间，解决“我上次做的那个东西呢”的焦虑。微博当然正面体验也不少：有人说没想到TraeWork的Computer Use这么丝滑，能接下跑Case换截图这类高难度活。知乎还有人说自己是白嫖党，每个agent的免费额度轮着用，只舍得为codex付费。把两边拼起来才是完整图景：没有哪家全可信或全不行，差别在你监督哪个环节、花多大成本。
把账目汇总一下，交活给AI的监督成本其实就三笔。第一笔是撒手偏离度：偷奸耍滑、瞎报、卡住夹带、外包被限流，每一项都对应你的复核时间。第二笔是权限边界：权限给得越足效率越高，但翻车后果也越重，效率和风险要自己权衡。第三笔是消耗经济：同一件活，有博主实测灵犀专业版10灵点、TraeWork 130、WorkBuddy 185。小红书那条帖子本身带立场，这组数字当作“各家消耗确实有差”的参考就好，别当成计费标准。另一张实测截图更直观：跑完一件“提取更新日志并整理内部周报”的任务，页面上明确标着本次消耗的积分。
想上手就按这条最小成本路径走：同一件真实小任务，让几个候选各跑一遍，先拿真实但输得起的东西试；不给全部权限，把“先分析目录结构，只给整理建议，不要移动、删除、重命名任何文件，等我确认后再执行”写进你的提示词模板；付费前看清计费规则，别让自己成为“积分哗哗就没了”的主角。界面手感也有社区手绘对比卡可参考：WPS灵犀走极简风，以对话框为核心，入门门槛最低；WorkBuddy功能最多、设置最丰富，可玩性最高但上手需要时间；TraeWork介于两者之间。
最后留几个观察信号：几家大厂的限免期和计费规则还在变动，广告战也还在继续——广告越响，越要看有机实测。你用的那款是踩了坑还是给了惊喜？这种“同一件活、不同结果”的真实样本，恰恰是这轮AI办公大战里最稀缺的材料，值得继续追。
