办公 Agent 的竞争焦点正在发生变化：用户不再满足于让 AI 写一段文字，而是希望它能读取文件、调用工具、检索资料、编写脚本，并交付可以继续编辑的 PPTX、HTML、Markdown 或数据报告。海外产品不断推进，但在访问、网络和本地办公生态方面，国内用户更关心的是国产方案究竟能不能真正接住工作。
本次选择 QClaw、WorkBuddy 和百度搭子 DuMate，分别测试 PPT 生成、跨表数据分析、自媒体内容生产。评价重点不只是能不能生成文件，还包括资料可信度、业务理解、排版质量、交付完整度和后续可编辑性。
场景一：20 页 AI 行业调查 PPT
PPT 是办公 Agent 最典型、也最容易暴露短板的任务。现在不少工具都能快速铺满 20 页，但常见问题是信息层级单一、数据来源模糊、视觉模板重复。真正有价值的办公 Agent，应该同时完成资料检索、叙事搭建、数据核验和视觉编排。
测试 Prompt
帮我做一份近三年AI行业发展的调查分析PPT，有数据，有重点，排版高级，比例16：9，页数20页，风格，浅色商务风格。输出 PPTX 格式。
评价维度包括内容质量、数据可信度、叙事结构、视觉排版与交付完成度。尤其要检查文件是否为 16:9、是否正好 20 页、能否正常打开和编辑，以及图表数据和正文结论是否一致。
QClaw：分析充分，但首次交付没有直接给 PPTX
QClaw 本轮调用了 14 次工具并进行了多轮分析。第一次执行结束时，它只交付了一个 build_ai_report.js 脚本，需要追加指令后才继续完成 PPTX。这个细节说明其工具执行能力不错，但交付闭环还不够稳定。
成品内容量充足，从执行摘要开场，以挑战和趋势收尾，报告框架完整。不过部分表述过于绝对，例如“史上最快”“超越人类博士水平”“年度增长 12 倍”，用于正式行业报告时应再次核验并改成更克制的措辞。视觉上大量重复“大标题、数据卡片、图表”组合，AI 模板感较强。
WorkBuddy：文件可用性高，数据与排版仍需复核
WorkBuddy 搜集了全球和中国 AI 市场、投融资、芯片算力与人才需求等数据，引用链路相对完整，可以点击来源继续核验。它最终交付了完整的 20 页 PPTX，内容覆盖面较广，结构也比较稳定。
问题主要有两点：一是篇幅分配不够均衡，自动驾驶和医疗得到单独展开，AI 办公、AI 编程和具身智能等方向相对简略；二是个别数据口径冲突，正文出现 1.2 万亿元，而图表标注 1.05 万亿元。正式汇报前仍需要人工校对。
百度搭子：本轮 PPT 成品最均衡
百度搭子的检索范围最丰富，覆盖市场规模、大模型里程碑、投融资、芯片算力、行业渗透率和应用案例等。整理数据后，它先明确 1280×720 画布、字体、主色和版式规则，再逐页生成 20 张 SVG，整个视觉构建过程相对透明。
这份 PPT 的核心优势是每页都有明确洞察，叙事从市场规模延伸到技术、资本、应用和未来趋势，视觉风格克制，较少依赖渐变卡片和发光描边。个别来源依然不够具体，所以它更接近“可直接进入人工终审”，而不是完全无需核验。
场景二：六张表的季度经营复盘
真实企业的数据通常散落在订单、广告、库存、售后和目标文件中。会画图不等于会分析，办公 Agent 必须先统一统计口径，再完成跨表关联，并找到管理层真正需要关注的问题。
测试模拟一家名为“云栖家居”的小家电品牌，准备了 12 个 SKU 的商品主数据、2512 笔 Q2 订单、364 条广告投放日报、330 条客服售后工单、渠道经营目标，以及 36 条库存月报。数据中预埋了退款、缺货、广告效率下降和库存积压等问题。
测试 Prompt
你是一名经营数据分析师。请读取我提供的全部数据文件，为云栖家居制作一份 2026 年 Q2 经营复盘报告。
QClaw：跨表能力强，但指标口径不够严谨
QClaw 解压并检查六份 CSV 后，将清洗和跨表逻辑写成独立 Python 脚本，最终同时输出 HTML 报告、分析脚本与 Markdown 摘要，方便继续复核。它成功识别出 P004 便携榨汁杯同时存在高销量、高退款、低满意度和缺货问题，也发现抖音 6 月 ROAS 明显下滑。
准确性方面仍有瑕疵：月度毛利率直接用毛利润除以销售额，没有同步扣除退款订单对应的毛利；产品销量也包含退款订单数量，与净销售额口径不完全一致。图表数量很多，但颜色和线型接近，重点变化缺少单独标注。
WorkBuddy：工程化最规范，报告最像完整项目
WorkBuddy 先检查数据分布，再创建 Python 虚拟环境并安装 pandas、Plotly 等工具。它把数据分析和报告生成拆为两个脚本，一个负责清洗、计算和关联，另一个负责生成可视化页面，流程清晰且便于复用。
报告顶部集中呈现 8 个核心指标，再从七个维度展开。它把数据事实与业务推测分开，并将 P009 库存积压、P004 高退款与缺货并存等问题做成异常预警；还计算了客服解决时长与满意度的相关性，体现出主动寻找指标关系的能力。
对这款产品感兴趣，可查看做视频网已有的 WorkBuddy 站内介绍与访问入口。
百度搭子：业务拆解更强，深挖维度略有取舍
百度搭子的分析路径更接近经营分析师：不仅汇总指标，还围绕经营目标拆分问题。三款产品都完成了跨表关联，但百度搭子额外做了广告漏斗和活动层级分析，单独比较 618 大促与日常投放效率，更具体地解释广告预算损耗发生在哪一环。
它还为每张图补充口径说明，降低读者误解指标的风险。不过在客服分析上，主要停留在工单量、满意度和解决时长对比，没有像 WorkBuddy 一样进一步计算相关性。
场景三：围绕电影完成双平台自媒体生产
自媒体生产不是写一篇文案就结束。完整流程还包括信息检索、选题、平台定位、创作规划、正文、配图和预览交付。测试要求三款 Agent 围绕电影《后室》完成：检索信息并提供选题，按选择生成规划，分别撰写小红书和公众号内容，最后输出 HTML 预览。
评价维度包括资料是否完整准确、观点是否明确、能否理解小红书与公众号的传播差异，以及最终文件能否直接进入发布流程。
QClaw：策划细，成品离直接发布还有距离
QClaw 给出 12 个选题，按小红书和公众号分组，并结合上映期安排发布节奏。用户选题后，它进一步明确受众、人设、内容角度、金句预埋和去 AI 感检查，前期规划相当细。
遗憾的是，最终只交付一个通过 Tab 切换小红书与公众号的 HTML，没有独立正文 Markdown 和选题文件；正文中并列结构与序号偏多，也没有插入图片。页面更像通用网页，而不是对应平台的原生预览。
WorkBuddy：交付文件齐全，平台表达偏营销化
WorkBuddy 给出 14 个选题，其中小红书 8 个、公众号 6 个，并把选题整理成独立 Markdown。它的规划更偏数据和投放思维，除了标题、结构和配图，还提供 A/B 测试方案以及点击率、完读率预估。
最终文件包括小红书 HTML、公众号 HTML、正文 Markdown、双平台规划和爆款选题。公众号预览层级完整，但小红书页面只是 4:5 封面加长网页，没有拆成常见的 3:4 多图轮播；文案也更像数据驱动的营销稿，个人观影体验不足。
百度搭子：自媒体套件最理解平台原生形态
百度搭子在测试中使用了自媒体套件。添加套件后，它先给出 6 个选题方向，并按传播潜力分为三个梯队；确定选题后，再调用内容规划能力，分别生成公众号和小红书的创作方案。
交付结果同样包含双平台 HTML、正文 Markdown、规划与选题文件，两份 HTML 均内嵌图片。小红书正文控制在约 884 字，预览更接近平台原生阅读形态；公众号则保留长文结构。资料链路也更完整，补充了北美开画、全球票房和国内票房等数据。
此外，自媒体套件还能继续把前述文案转换为数字人口播视频。它在本轮的优势不是单项文字能力，而是把选题、规划、正文、排版和多媒体交付串成了一条相对完整的内容流水线。
三款办公 Agent 应该怎么选？
三轮测试后，三款产品的定位差异很清楚。QClaw 更像开发型 Agent，擅长调用工具、写脚本和搭分析流程，但首次交付稳定性一般；WorkBuddy 更像流程型办公 Agent，工程化程度高、文件齐全、分析稳定，但视觉设计仍有模板感；百度搭子更偏成品交付，在 PPT、经营报告和双平台内容上都更接近直接使用状态，因此在本轮有限测试中综合表现领先。
价格不能只看积分总量，因为三家的积分消耗规则不同。QClaw 入门门槛较低，WorkBuddy 月付价格相对更高但额度可与 CodeBuddy 共用，百度搭子的个人套餐价格更低。真正有意义的比较应是：完成一项合格任务需要多少次返工、人工校对多久，以及最终文件能否继续编辑。
做视频网观点：办公 Agent 的分水岭是交付，而不是对话
这轮横测最值得关注的，不是谁在单次评分中多半颗星，而是国产办公 Agent 已经从“帮你写”进入“帮你做”的阶段。产品差距主要体现在任务拆解、工具调用、文件规范、视觉适配和错误暴露机制。对于日常办公，能生成可编辑文件、保留分析脚本、说明数据口径，比输出一段看起来正确的结论更重要。
现阶段更现实的使用方式，是让 Agent 完成资料整理、初步分析、结构搭建和第一版交付，再由专业人员做事实核验、口径确认与表达润色。把它当作可以协作的执行助手，而不是无需监督的自动员工，通常能得到更稳定的结果。