WorkBuddy 是腾讯云在 2026 年 3 月推出的桌面 AI Agent 工作台，定位是「开箱即用的智能同事」。它内置上百个专家智能体和连接器，无需写代码就能让 AI 执行复杂任务。其前身是 CodeBuddy 团队的产品，背后的开源灵感来自 OpenClaw（一款叫「小龙虾」的桌面 Agent 框架）。WorkBuddy 三大核心模块——助理、项目和自动化——覆盖从即时对话到定时值班的全场景。国内版每月 2100 积分，海外版 350 积分但能用 GPT 全家桶。

2026 年 5 月 28 日之前，WorkBuddy 只能用 Skill 插件「间接调用」ima 知识库——相当于让两个系统通过翻译插件对话。之后 ima 知识库直接被内置为 WorkBuddy 资料库的原生选项，勾选它就变成 AI 的工作上下文。这意味着 ima 里的 366 篇文章、行业报告、教程笔记，不再是「被动接受的问答库」，而是 Agent 在规划任务时可以主动检索取用的「工作记忆」。更关键的是，Agent 产出的文章、PPT、分析报告还能点右上角回传存回 ima，形成「资料→Agent→新资料」的闭环。

本文把一个 180 篇内容的知识库用在 WorkBuddy 上玩出了花，但现实中大量知识库沦为「无人问津的摆设」。行业数据显示，80% 的人点进知识库看一眼就秒退，核心原因无非三个：关键文章缺失、内容过时、用户找不到想要的答案。另一边，另一份对比评测指出 Obsidian 的本地掌控、Notion 的团队协作、Baklib 的对外发布，各自对应完全不同的工作方式。提醒一个容易被忽略的事实：工具再强，如果需求起点错了——比如把知识库当收藏夹而不是工作台——Agent 也救不了。

本文实验最核心的洞察是：知识库的价值从「存储查询」转向「按需重组和主动生产」。这个拐点的背后有两个信号：一是 Agent 已能一次性分析 180 篇教程并输出系统体检报告，意味着内容审计可以全自动化；二是按用户类型自动生成不同版本的上手指南，意味着同一套知识资产可以实现「一次沉淀、多次变形」。当前的关键变量是 ima 和 WorkBuddy 之间的闭环是否稳定，以及 Agent 对内容质量（非虚构功能、引用准确）的把控能力。如果闭环跑通，个人和中小团队的「持续内容生产系统」将不再只是想象。

当 WorkBuddy 从 180 篇教程里「重新组织」出新手上手指南时，它引用了真实教程中的操作步骤和截图。但问题在于：如果知识库里原本就存在几篇内容矛盾或过时的教程，Agent 有没有办法交叉验证？会不会直接把「版本 A」的过时步骤当成正确答案输出去？当前 RAG 架构下，大模型只对检索到的片段做归纳总结，不具备主动鉴别哪个来源更可信的能力。真正值得追问的是：当知识库规模从 180 篇涨到 1800 篇时，谁来保证 Agent「重组」出来的内容没有悄悄遗漏或扭曲关键信息？