别只盯着 WorkBuddy 了！中国电信 TeleAgent 实测：运营商做 AI Agent 也这么猛？

前言

最近技术圈什么最火？腾讯的 WorkBuddy 绝对算一个。

2026 年 3 月正式上线，3 个月拿下国内 PC 端 AI 原生办公智能体月访问量第一，大家都在聊"AI 终于从回答问题进化到帮你干活了"。

但很多人不知道，中国电信也做了一款同类型的智能体——星辰超级智能体 TeleAgent。中电信人工智能公司凭借"星辰智能体平台"刚打入 IDC 报告中国智能体开发平台私有化市场份额前五。

作为一个两个都在用的开发者，我想聊聊：除了 WorkBuddy，TeleAgent 到底值不值得试？

用了一个月后，我的结论是：有些场景，它比 WorkBuddy 更顺手。

---

一、先说结论：两款产品定位对比

维度	WorkBuddy（腾讯）	TeleAgent（中国电信）
出品方	腾讯云 CodeBuddy 团队	中电信人工智能公司
底层模型	混元大模型，支持 DeepSeek	多模型匹配，按任务类型选最优
核心定位	全场景 AI 办公工作台	工作办公场景 AI 搭子
本地执行	能读文件、跑代码	本地处理优先，不上传云服务
浏览器自动化	本地工具操作	基于 Playwright 全功能控制
微信遥控	核心卖点之一	支持群机器人推送
长期记忆	有	三层记忆架构（USER.md + MEMORY.md + 日志）
定时任务	有	支持 cron 和一次性任务
技能体系	12 大类 151 个专家模块	15+ 内置技能，支持自定义扩展
企业版	2026年6月发布企业版	私有化部署市场份额前五
行业落地	政务（湾擎）、教育（LearnBuddy）	通信抢修、政务、企业办公

一句话区分： WorkBuddy 偏"全场景工作台 + 微信生态联动"，TeleAgent 偏"本地安全优先 + 开发者友好 + 技能可扩展"。

如果你是腾讯生态重度用户，WorkBuddy 很香。但如果你是对数据安全敏感的开发者，或者需要深度定制工作流，TeleAgent 值得认真试试。

---

二、TeleAgent 和 WorkBuddy 最大的三个差异

差异 1：数据安全策略

WorkBuddy 的定位是云 + 本地混合，接入混元大模型。它的优势是模型能力强、微信联动体验好。但对于处理公司内部代码和架构文档的场景，数据上传到云端这件事，始终是个顾虑。

TeleAgent 的设计哲学是本地处理优先：

• 文件读写、代码执行均在本地完成
• 涉及敏感数据的操作不上传云服务
• 企业版支持私有化部署（这也是它能在 IDC 私有化市场份额进前五的原因）

实际体验： 我让 TeleAgent 帮我审查公司内部项目的 Service 层代码，代码文件全程在本地工作空间处理，不需要担心泄露。这对我这种经常处理商业代码的开发者来说，是刚需。

差异 2：开发者友好度

WorkBuddy 的 151 个专家模块覆盖面广，但更多面向通用办公场景。

TeleAgent 在开发者场景上做了更多深度设计：

• 代码编写 + 编译运行：直接在本地工作空间创建 .java / .py 文件，用 Bash 工具编译运行，报错自动修复
• 代码审查：用 Grep/Glob 快速定位，启动子代理做深度探索，输出结构化审查报告
• 架构文档输出：内置 CBB 规范文档格式，一句话生成符合企业标准的设计文档
• 自定义技能：通过 skill-creator 可以创建专属工作流技能。比如我创建了一个"从 Java Controller 代码自动生成 API 接口文档"的技能

举例： 我跟 TeleAgent 说"审查这个项目的 Service 层代码，重点关注事务管理、异常处理、ThreadLocal 使用"，它能发现 ThreadLocal 未清除导致线程池污染、CompletableFuture 子线程丢失上下文、重复 try-finally 模板代码等问题，并直接编辑代码修复。

差异 3：浏览器自动化深度

两款都支持本地工具操作，但 TeleAgent 的浏览器自动化基于全功能 Playwright 引擎，控制粒度更细：

能力	说明
页面导航	打开任意 URL，支持多标签页管理
无障碍树快照	比截图更适合自动化操作，直接给出元素 ref 引用
精确交互	点击、输入、拖拽、表单填写、文件上传
JavaScript 执行	browser_evaluate 执行任意 JS
Playwright 代码片段	browser_run_code_unsafe 执行完整 Playwright 脚本
网络请求监控	查看和过滤页面网络请求

实际场景： 我让 TeleAgent 把技术博客自动发布到掘金和 CSDN。它读取本地 Markdown → 自动脱敏 → 打开掘金编辑器通过 CodeMirror API 注入内容 → 打开 CSDN 编辑器通过 textarea + execCommand 注入内容 → 设置标题和分类。全程我只需手动确认标签和点发布。

---

三、TeleAgent 最让我惊艳的 5 个场景

场景 1：一句话生成技术文档

我：帮我写一份商机管理系统的概要设计文档，
   包含微服务划分、数据库设计、接口设计、部署视图，输出 Word

TeleAgent 自动规划文档结构 → 按企业规范生成内容 → 输出 .docx 文件。以前半天的工作，现在 1 小时以内搞定。

场景 2：脱敏 + 多平台自动发布

我：帮我把这篇 MyBatis-Plus 动态分表的文章脱敏后发布到掘金和 CSDN

处理流程：识别敏感信息（公司名、内部路径、真实类名）→ 替换泛化 → 先存脱敏版本到本地 → 确认无误后再发布到多平台。

场景 3：定时任务自动化

我：每天早上 9 点帮我搜索 Java 后端开源趋势，整理成简报

设置一次，每天自动执行。早上到工位，技术简报已经准备好了。WorkBuddy 也有类似能力，但 TeleAgent 支持完整的 cron 表达式，灵活度更高。

场景 4：技术调研深度研究

我：帮我调研 Spring AI 和 LangChain4j 的对比，
   从架构设计、功能特性、社区活跃度、生产可用性几个维度分析

TeleAgent 调用 deep-research 技能：问题细化 → 多源并发搜索 → 交叉验证 → 引用标注 → 输出带完整来源的专业研究报告。比我自己搜索整理快太多。

场景 5：画技术图表

我：画一个微服务架构图，包含网关、注册中心、配置中心、4 个业务服务、MySQL 集群

支持 23 种图表类型，Draw.io（正式）和 Excalidraw（手绘风）两个引擎。5 分钟出图，以前拖拽 Visio 要 1-2 小时。

---

四、长期记忆：TeleAgent 和 WorkBuddy 的关键分水岭

这是我体验下来两款产品差异最大的地方。

TeleAgent 的三层记忆架构

记忆根目录/
├── USER.md          # 我主动要求记住的内容
├── MEMORY.md        # AI 从对话中自动提炼的核心事实
└── daily-log/
    ├── 2026-07-14.md   # 每日对话自动记录
    └── ...

层	文件	谁写的	举个例子
用户指定	USER.md	我让它记的	“记住我用 Spring Cloud Alibaba，偏好 damddos-uni-parent 框架”
系统推断	MEMORY.md	AI 自动提炼	我的技术偏好、工作场景、文档格式要求
每日日志	daily-log/	自动记录	“今天修正了 3 个小区的成交数据”

实际效果

• 第一次告诉它"我做的项目是售前商机管理系统"，之后每次写文档自动对齐这个技术栈
• 告诉它一次"我的文档格式偏好是 CBB 规范"，后面生成的文档都是这个格式
• 隔了一周问"之前我们处理过哪些数据修正？"，它搜索日志直接给你列表

对比 WorkBuddy： WorkBuddy 也有记忆能力，但 TeleAgent 的三层结构更透明——你能看到 AI 记住了什么（USER.md / MEMORY.md 都是可读的 Markdown 文件），也能手动编辑记忆内容。对于需要精确控制 AI 上下文的开发者来说，这种透明度很重要。

---

五、一个月使用效率对比

工作项	之前手动	用 TeleAgent 后
写技术设计文档	半天 ~ 1 天	1 小时以内
发博客到掘金 + CSDN	手动复制粘贴 20 分钟	一句话搞定（手动确认约 2 分钟）
技术调研报告	1~2 天	半天
画架构图	1~2 小时拖拽	5 分钟出图
每日技术资讯收集	零碎时间刷半小时	定时任务自动完成
代码审查	逐文件人工审查	AI 批量分析 + 结构化报告

---

六、客观说几个不足

不能只说好的，也说说需要改进的地方：

1. 生态联动不如 WorkBuddy：WorkBuddy 和微信、企业微信、腾讯文档的联动是原生级别的，TeleAgent 在社交生态对接上还有差距
2. 标签选择需手动：掘金/CSDN 的标签选择组件偶尔需要手动操作（前端组件交互限制）
3. 复杂任务需要明确指令：越复杂的任务，上下文给得越完整效果越好，有一定上手成本
4. 品牌认知度较低：WorkBuddy 有腾讯的光环加持，TeleAgent 在开发者圈子的知名度还需要积累

---

七、谁该用 TeleAgent？

如果你是…	建议
处理敏感数据的开发者	强烈推荐，本地处理优先 + 私有化部署
需要深度定制工作流的技术团队	推荐，自定义技能 + cron 定时任务
腾讯生态重度用户	WorkBuddy 可能更合适，微信联动体验更好
通用办公场景为主	两款都行，看个人偏好
需要浏览器深度自动化的场景	推荐 TeleAgent，Playwright 全功能控制
关注企业级私有化部署的决策者	推荐关注 TeleAgent，IDC 私有化前五

---

八、快速上手路径

第一周：从简单场景入手

• 让它帮你写个文档或做个表格
• 试试画个流程图
• 让它记住你的技术栈和偏好

第二周：尝试多步骤任务

• 技术调研报告
• 代码审查
• 从代码生成接口文档

第三周：上浏览器自动化

• 自动发布博客
• 网页数据抓取

第四周：组合连招

• 定时任务 + 数据收集
• 脱敏 + 多平台发布
• 并行多任务执行

---

常用场景速查表

我想做…	怎么说
写技术文档	“帮我写一份 XX 的概要设计文档，输出 Word”
做 PPT	“帮我做一个 XX 主题的汇报 PPT”
处理 Excel	“帮我把这个 Excel 按销售额排序，重复数据删掉”
画图	“画一个 XX 的流程图 / 架构图 / ER 图”
代码审查	“审查这个项目的 Service 层，关注事务和异常处理”
技术调研	“帮我调研 XX 和 YY 的对比，生成研究报告”
发布博客	“把这篇文章脱敏后发布到掘金和 CSDN”
定时任务	“每天早上 9 点帮我搜索 Java 开源趋势”
记住偏好	“记住我用的框架是 Spring Cloud Alibaba”
搜索记忆	“之前我们处理过 XX 吗？”

---

写在最后

WorkBuddy 火有火的原因——腾讯的流量、微信生态联动、先发优势，都很强。但 AI Agent 这个赛道远没到终局，不同产品适合不同场景。

如果你和我的画像类似——Java 开发者、处理商业代码、对数据安全敏感、需要深度定制工作流——那 TeleAgent 值得认真试试。

用了一个月最大的感受：当重复劳动被自动化之后，我有了更多时间思考真正重要的问题。

这不是哪家公司的问题，是 AI Agent 这个品类正在改变开发者的工作方式。WorkBuddy 和 TeleAgent 都是这个进程的推动者。

如果你也在这两款产品之间纠结，或者已经在用其中一款，欢迎评论区交流。

本文基于 TeleAgent 实际使用体验撰写，部分产品信息参考百度百科、腾讯云开发者社区及公开报道。