从一个外资制造业IT角度看WorkBuddy

最近 WorkBuddy 有点火啊。打开微信，看到的几乎都是关于 WorkBuddy 的内容；耳朵里听到的，也都是供应商兴奋地说：“我已经拿到 WorkBuddy 在某地区的代理权了。”

作为一个从今年 3 月份就开始使用 WorkBuddy 的人，我也想谈谈自己的看法。

（1）在外资企业，WorkBuddy 用于办公的可能性其实很小

原因很简单——信息安全。

一般来说，外资企业对信息安全都非常重视。在外资企业里，AI办公工具的首选通常是 Copilot。所以，虽然 WorkBuddy 很火，但一旦碰到数据安全这条红线，大多数企业 IT 都会摇头，不允许安装 WorkBuddy。

就拿我们公司来说，也是明令禁止安装 WorkBuddy。你要用，可以在私人电脑上使用，但公司电脑不允许安装。

（2）但是，IT 人员其实对 WorkBuddy 依然很感兴趣

不过，这里的兴趣并不是办公，而是编程。

为什么？

现实很残酷。大部分中小企业根本没有自己的软件开发团队，而外包开发的价格又不便宜。中大型企业虽然有开发团队，但开发任务通常十分繁重，需求排队是再正常不过的事情。

因此，WorkBuddy 在企业 IT 圈子里其实非常受欢迎。即使公司明令禁止，也挡不住大家对它的关注。

（3）那怎么办？

规矩摆在那里，不能违反。

于是，很多人的做法是把 WorkBuddy 运行在独立的私有网络环境中（反正 IT 自己可以搭建），或者放在一台独立的机器上（例如云端服务器），再通过远程桌面连接过去使用。

（4）有人可能会问：腾讯不是还有 CodeBuddy 吗？

为什么不用 CodeBuddy 来编程？

说实话，我两个都用得比较多。

我的个人感受是：WorkBuddy 比 CodeBuddy 更聪明一些。

举个例子，请看下面这张截图。我只能说，CodeBuddy 出现“喝醉酒断片”的概率明显高于 WorkBuddy。至于为什么会这样，我也说不上来，但这个问题确实经常出现。

另外，当你在 CodeBuddy 中选择 HY3 模型后，如果上传截图，它会直接告诉你“不支持图片”。

说真的，我都快崩溃了。很多时候正是排查问题最关键的时候，你却告诉我“不支持图片”，这让我很难接受。

还有一点，说句大实话，既然已经进入 AI 编程时代了，我还要那么多传统的代码调试功能干什么？

代码出错了，直接把报错截图发给 AI 就行了，它大多数时候都能帮你定位问题、给出修改建议。

所以，在我看来，CodeBuddy 那种强调各种调试功能的思路，多少有点“脱裤子放屁——多此一举”的味道。

毕竟，AI 都已经帮你写代码、分析错误了，又有几个人愿意回到过去那种手工一点点调试代码的方式呢？

5. 一点感悟

5.1 不要把它想得太美好

很多时候，中小企业并没有专职的软件开发 IT，IT 部门更多还是以运维和支持为主。

因此，当内部用户提出一个小需求时，很多人都会迫不及待地想借助 AI 来快速实现价值。

但我想说的是：

你一定要具备一定的编程基础。

至少要能看懂部分代码，了解数据库的基本原理，否则会非常困难。

为什么？因为排错真的会折磨死你。

以我自己的经验来说：

• 2 天写需求；

• 1 天让 WorkBuddy 生成代码；

• 4 天甚至更长时间用于测试和排错。

而且更关键的是，如果你只是把错误信息直接丢给 WorkBuddy，它很多时候给出的答案看起来非常合理，但实际上 90% 以上还是存在问题。

所以，实际开发过程中，你需要不断执行、测试、验证、调试，而不是单纯依赖 AI 给出的答案。

AI 可以提高开发速度，但目前还远远达不到让你完全不用动脑的程度。

5.2 模型选择很重要

WorkBuddy 里面有很多模型。

我的建议很简单：不要选 Auto。不要选 Auto。不要选 Auto。重要的事情说三遍。

直接选择 Hy3 或者 GLM-5.2。

别问为什么。

过去四个月的使用经验告诉我，在编程场景下，HY3 和 GLM-5.2 的表现明显优于其他模型。换句话说：选择合适的模型，本质上是在给自己节省后续排错的时间。

5.3 重要问题一定要换模型多问几次

不要迷信任何一个模型。因为 WorkBuddy 也会犯糊涂。甚至有时候还会一本正经地胡说八道。对于一些关键问题，我通常会换不同模型再问几遍。

原因很简单：不同模型看到同一个问题时，思路和关注点并不完全一样。很多时候，第一个模型给出的方案存在漏洞，而第二个模型恰好能够指出问题所在。

所以我的经验是：对于重要问题，至少交叉验证一次。

这一点请相信我，真能少踩很多坑。

5.4 如何保证数据安全

其实方法也不复杂。

例如：HY3 生成的代码，我会再让 GLM-5.2 检查一遍；反过来也一样。

除此之外，在测试阶段我基本都会使用脱敏后的测试数据或者模拟数据，而不会直接使用生产数据。毕竟无论哪个模型，都有可能出现误判或者信息泄露风险。

多一道谨慎，多一份安心。

5.5 AI 编程的质量到底怎么样？

说实话：

有时候非常惊艳。

有时候又让人哭笑不得。

为什么会这样？其实原因并不复杂。AI 之所以会编程，本质上是因为它学习了海量的代码和技术文档。而代码本身就是一个高度复用的领域。很多开发问题，别人早就遇到过；很多解决方案，GitHub 上也早已有现成案例。这有点像很多人喜欢研究历史一样。因为今天遇到的问题，古人可能几百年前就已经遇到过了。看看别人怎么解决，然后参考借鉴。

AI 编程也是同样的逻辑。不过问题在于：GitHub 上既有高手，也有初学者；既有优秀代码，也有大量质量一般甚至错误的代码。因此，AI 学到的内容本身就是参差不齐的。这也导致 AI 写代码时，有时水平像资深工程师，有时又像刚入门的新手。

6. 总体感受

总体来说，在我看来：

WorkBuddy 终究只是一个工具。

对于普通办公用户，尤其是在外资企业环境下，我并不推荐使用，因为外资企业公司不让用。毕竟数据安全和合规要求始终是一道绕不过去的门槛。这是国际问题，不是我们能解决的。

但是在编程场景下，它确实能够发挥很大的价值。

尤其对于那些小企业：

• 没有专业开发团队；

• 预算有限；

• 更关注功能实现而不是代码优雅程度；

以及被开发任务已经拖得头发都白了很多的中型企业的IT开发人员来说，WorkBuddy 绝对算得上是一把利器。当然，它目前还远远达不到替代开发人员的程度。

6. 最后，我也购买了 WorkBuddy 的高级版年会员。

从目前的使用情况来看，我认为这笔费用是值得的。

毕竟，只要能够帮我节省时间、减少重复劳动，那么付出的会员费，最终都会通过提升的效率慢慢赚回来。毕竟开发多的程序，年终奖也能多拿一点，不是吗？

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～