• 当 AI 一天产出上万行代码，没有人能一行行看，你要学会的：是当老板
• 在编程的时候，模型已经不主动写注释了
•你不知道未来的竞争对手是什么，OpenClaw 从来没说自己是编程工具
以上内容来自我和 WorkBuddy 负责人李超的一次对话
我们可能完全都错了
本篇归属「赛博史记 · 逮虾户列传」
记录这波浪潮里最前沿的一批人在想什么、在做什么
腾讯在深圳总部广场搞了一场线下活动帮大家免费装龙虾，来了上千人，Peter（OpenClaw 创始人）在 X 上转了。与此同时，腾讯云、企业微信和 Claude 也都开始了龙虾的相关服务
昨天，也就是 3 月 9 日的时候，腾讯发布了 WorkBuddy，被叫做「腾讯版龙虾」。完全兼容 OpenClaw 的 skill，但不需要自己买服务器部署，不需要自己买 token，安装即用，1 分钟连上企微
李超是 WorkBuddy 的负责人。WorkBuddy 从腾讯云的 AI 编程工具 CodeBuddy 长出来，腾讯内部超 90% 工程师在用 CodeBuddy，AI 生成代码占比超 50%
趁着 WorkBuddy 上线，我去找他他聊了一个多小时，聊产品路径，聊人和 agent 的关系演变，聊信任机制，聊一些他自己也说「不知道答案」的问题
上周才开始做的
我问李超，Work Buddy 这个东西是不是年前立项的，过年大家加班搞的？
他说不是，年前主要在做 WorkBuddy IDE 的升级。Claw 模式是年后返工才做的。团队内部的人在旁边补了一句：「这个确实都不能说是年后，应该就是上周才开始」
一个 AI 团队用 AI 做 AI 工具，从动手到发布，一周
李超自己的解释很直接：因为是 AI 团队，你自己本身对 AI 的使用要求就很高，所以出产品就是要这么快
这个速度放在以前完全不可想象。但现在的语境下，GPT-5.4 前天发布，用户三个小时就开始骂「怎么还没接上」。以前一个技术上了两天就接上，大家觉得真快。现在新模型发了三小时没接上，评论区已经炸了
忍耐度在指数级下降。对应的，出手速度必须指数级上升
李超说了一句我记下来了：
你得代表最先进生产力，别人才相信用你的工具也有最好的生产力
CodeBuddy 比 Cursor 更早 Skill，其 Claw 模式在国内 coding 类产品里目前没有看到第二家发布的。GPT-5.4 出来第二天就接上了
快，就是这个时代最对的事情
编码往下沉了
在过去，编程是程序员的专属，即便是 AI 编程也是。
CodeBuddy 最早便是帮开发者写代码提效的
所提供的补全、Chat、Craft 模式，都是围绕着编程这个实际场景
但，李超并不想和我聊这些
他说了一个发现：当 coding agent 被驯化得足够强之后，它能干的远超 coding 本身
它能操作你的日常办公文档，能帮你做数据报表，能帮你处理各种知识工作。编码能力变成了一个底层工具，用户甚至不需要知道它的存在
对程序员来说，写代码是目的
对 WorkBuddy 的用户来说，编码只是手段。手段会往下沉
他举了一个自己的例子。最近要出 DAU 数据报表，只给 agent 一条最基础的 SQL，让它自己衍生。agent 自己知道要算用户重叠度、按时间和人群拆维度，最后产出了一整套用户增长逻辑的报表。以前这个事要好几个人花好几天
还有一件小事：他现在给自己写小工具的时候，甚至愿意让 agent 写测试用例。单测、端到端测试，全写。以前正式代码的测试都要花很大劲才愿意做，更何况小工具。但现在，也就一句话的事情
这个变化，有个底层逻辑：以前人做不做一件事，会考虑脑细胞的消耗量
对 AI 来讲，可做可不做的事，就做吧，反正又耗不了多少电
腾讯内部已经有超过 2000 名 HR、行政、运营等非技术岗位在用 WorkBuddy 做数据分析和自动化办公。这些人不关心代码写得怎么样，只关心结果交付
李超说了一个推论，关于框架的：未来很多框架不会有太大发展，因为模型花算力理解新框架，不一定是高效的。前后端一体化，减少上下文摩擦，让 agent 在更短的信息里知道更多东西，这才是方向
从协作到委托
人和 AI 的关系，正在经历三次递减，每一种背后是完全不同的人机关系
第一种：IDE 里的深度协作
人看代码，人改代码，agent 也改代码，人做补全。三者在同一个界面里共同操作。这是目前大多数程序员的状态。李超笑着管这叫「传统程序员」。美国已经有大学在开「现代编程」课，教的就是怎么用 AI 编程
第二种：评论式交互
人不再亲自改代码了，而是选中一段代码，写个评论给 agent，让它改。就像 leader 审员工的代码，你不会说「我们一起编程吧」，你会在代码上批注
第三种：IM 委托
人在手机上给 agent 发一条消息，agent 自己接活、干活、交付
从一到二到三，人在循环中的介入一直在递减。到第三种的时候，人甚至不在电脑前
但李超加了一个关键的前提
只有你能把任务完全委托给 agent 的时候，你才会用 IM 去发消息
你不会用手机指挥 agent 做一件需要不停调细节的复杂工作。那你就开电脑好了。你会委托的，是那些你确信它能做好的事。比如每天整理周报。比如每天早上整理一下今天要干什么
「我会期待它立刻给我返回吗？不会。因为我知道它每天一定会返回。到办公室十点钟坐下来看到结果就好了，或者在地铁上九点钟看到它发给我就好了。我有这个心理预期」
他又说了一个自己的场景。以前经常想下班前发一个很长的 prompt 给 agent 执行，不然觉得这个班白下了。但经常被卡住，agent 有时候要他确认一个 plan，他得等它 plan 完再走
而现在，有了 Claw 模式，确认需求在手机上就能做。你走你的，它干它的
IM 延长了办公周期。你不需要在电脑前，agent 也不需要你在电脑前
信任是有天花板的，而这个天花板之上的东西，才是真正的瓶颈
我问：一个人同时操控多个 agent，产品上会要有怎样不同的思考
他说：核心变化在信息密度
你不可能打开手机五个龙虾每个跟你说 2000 字。未来 IM 里 agent 给你的消息会极度浓缩，你甚至不知道它用了什么 skill、写了什么代码，全部缩掉
「你只关注两件事：AI 告诉你做完了，做的怎么样。然后看一个制品。一个文档，一个 PPT，一个表格。你是开公司的，你员工给你汇报，你不会希望他把所有过程汇报给你的」
那么这里面，那信任的天花板，在哪里？
第一层是信任本身。通过模型能力提升，通过 rule 和 skill 的引导，通过社区的传导（比如你看到别人说「这个工程全都是 AI 写的」），信任会快速建立。这一层会先触顶
触顶之后，瓶颈变成人的认知怎么管理多个 agent？怎么配套工具？怎么编排工作？
对此，李超反复用管理来举例，他说这和人管人是一样的，因为 agent 会越来越像一个人
我想到了雨森的一个观点：用 AI 和当老板是一样的，要把一个抽象的事情变成一个尽可能能执行的活，然后校验最后的结果
李超接了一句：如果这步你做不好，你也管不了那么多 agent。它反而会变成信息轰炸
当然，我自己现在的做法很粗暴，只给 agent 划两个边界
一、硬性的接口和权限，你干的活就在这个地方，别瞎搞
二，大的约定，要提前约好
而对于具体细节？已经超出我的人力范围了
当 AI 一天产出上千上万行代码，没有人能一行行看
模型已经不写注释了
聊到后面，李超说了一个让我停下来想了很久的事情
早期的模型，比如 GPT-3.5，特别喜欢写注释
恨不得每一行代码下面都来一句话。甚至注释里还会夹一些特殊字符，你还得自己删，不小心漏一个出去，别人觉得你不专业
现在的模型不太写注释了。甚至不太主动写文档
他问我：「你发现了吗？」
我说：你不提我还真没意识到，回想一下确实如此，好久没看到模型主动写注释了
人不看代码了，所以不需要注释了。模型感知到了这个变化，自己调整了输出
这件事可能比听起来更值得注意。模型的行为不全是人工调出来的，它在进化&训练过程中也在根据用户的反馈模式做调整。你不看的东西，它就不给你了
人和模型在互相观察。互相改变对方的行为。而这个过程，是悄悄发生的
李超说他不确定是不是完全这个逻辑，但趋势确实在
「这个东西我们也会持续观测，以后有什么有意思的也会分享」
你不知道你的竞争对手是什么
这句话李超说的，让我想了很久
这一波龙虾热里，各家的路径不太一样
模型厂（Kimi、MiniMax、智谱）从 chatbot 往 agent 方向延伸，顺带带模型的量
• Kimi 接得最快，因为 K2.5 口碑好加上原来 OK Computer 的底子直接升级
• MiniMax 被 OpenClaw 作者官方推荐为「省钱效果好的模型」，使用量暴涨
• 智谱甚至专门为龙虾训练了一个新的模型：
Pony-Alpha-2
腾讯从 code agent 这条路走，有它的道理
纯云端场景，强模型，你可以做个网站，玩一下。然后呢？怎么跟你的个人工作联合起来？
普通用户面向一个空的新电脑，很难知道自己要做什么
但如果你本地就有文档、有数据、有代码仓库，agent 用编码作为工具把这些东西转起来，再用 IM 跟你随时随地连接，想象力自然就来了。你的资产加上算力，才是真正的生产力场景
「文本是最能凝练信息的方式，最直接，最通用。所以 work agent 一定从 code agent 演化出来，而不是从 chatbot，也不是从 workflow 引擎」
然后我们聊到一个更深入的问题：
我说：OpenClaw 从来没说自己是编程工具，但我感觉它取代了很多编程工具的生态位，
李超不觉得它是编程工具，「真正拿它编程的人，本来也可以用别的方式远程编程」。它更多是给大家打了个样，怎么把 AI 和 IM 更好地连接起来
他之前也尝试过做类似的东西，比如AI 和人共享论坛。当然，这种思路很多人都想到过。但需要三个条件同时到位
• 模型成本降低
• 大家对 agent 有认知
• IM 的端口的开放
三件事同时到位，这事才成了。它只能在这个时间点成
去年 1 月份行吗？不行。去年 2 月份呢？也不行
second me 去年就有了，技术实现上差不多，但当时没火。就像电车早于汽车出现，但电池不够大的时候，什么都做不了
我问：三到五年后，WorkBuddy 做成了，你觉得跟今天做对了什么有关系
他说：不停跟进最先进的东西，然后最快给到用户
「去年能看到今年是这个样子吗？我根本看不到三年之后会是什么样子」
他把 WorkBuddy 未来的方向定义为「想法变现实的工具」。code agent 是把想法变成代码，未来这个层次会不停提升，从代码到网页到应用
「未来什么代码不是全都由 AI 写的呢」
如果算力足够、模型足够强、computer use 成熟，所有软件都可以被 agent 操作。那软件的前端为什么还要由开发者统一提供？用户自己跟 AI 说一下，界面变成你想要的样子就好了
这都有可能。但说实话，现在说这些，谁也不确定
下班，意味着开工
以前下班就意味着关电脑、结束一天的工作
而未来，下班前的最后一件事可能是给 Agent 布置今晚的任务
李超说他有段时间下班前最怕一件事：agent 正在跑一个长任务，中间卡在一个 plan 确认上。走不了。等它 plan 完再走。「说那个等我一起下班」
现在有了手机端，他终于可以心安理得地走了。回家路上看一眼手机，点个确认，agent 继续干
「因为是做 AI 的，我经常想下班前一定要发一个很长的 prompt 让它去执行，不然感觉这个班就白下了」
以前下班关电脑。现在下班给 agent 开工
这大概是这个时代打工人最诚实的写照了
聊到快结束的时候，我们还吐槽了个：是不是之后也很难区分在家、在办公室以及办公之间的界限了？不仅工作意义上无法区分，甚至可以用 Claw 帮着打卡。
他自己说完补了一句：「这个能不能写」
我说：「好」
然后一层一层的想下去：员工让 AI 写周报，老板让 AI 读周报。员工让 agent 干活产出代码，老板让 agent review 代码。群聊里所有人都在热火朝天地讨论
然后大家在楼下咖啡厅碰见了
真是个赛博的世界
WorkBuddy 下载地址 https://www.codebuddy.cn/work/ Web 端 国内版 https://www.codebuddy.cn/agents/ 国际版 https://www.codebuddy.ai/agents 新用户注册送 5000 Credits，无门槛 https://www.codebuddy.cn/profile/usage
热门跟贴