黄广民：未来的工作模式应该在云端，释放软件生产力
“在云端，我们有一个非常好的做好协作的机会。未来的工作模式应该是在云端，每个人都能加入到一个对话里，去驱使各个Agent完成各自的工作部分。最后在会话里将我们的制品、产物合并成一个，实现交付”。
「明亮公司」获悉，3月27日，2026腾讯云城市峰会首站落地上海。继ToB业务实现全年规模化盈利后，腾讯云公布2026年AI演进路线，包括首次发布涵盖基础设施、模型、生态到应用的Agent产品全景图，将MaaS平台升级为TokenHub，推出企业级Agent治理方案，底层平台Cube全面开源，进一步夯实面向AI Agent时代的全栈工程能力。
现场，腾讯云AI智能体产品总监黄广民在接受媒体群访时透露，Codebuddy早在2023年便已启动，但IDE发布在2025年。这段时间，团队一直都在内部进行产品孵化以及应用。
“期间，我们发现了腾讯几万用户每天都用它解决什么问题，目前，通过codebuddy的开放能力，MCP的连接能力、Skill的能力，都已经能做很好的流程串联。”
“我们还发现，使用Codebuddy的用户有很多来自非开发的团队，这部分人不是太多，因为Codebuddy整个使用的交互对于非开发者来说是有比较高的入门的门槛，所以这部分的人群没能很好地跟我们的产品配合”。
基于此，去年WorkBuddy推出，1月初在腾讯内部启动内测，3月9日正式对外发布，反馈超过团队预期。发布第一天曾有1-2个小时因为涌入太多泛开发者用户，导致后端储备算力不够，团队临时又扩大了10倍去支撑。
目前，Codebuddy的云端服务一直在内测中。黄广民解释道，因为目前包括需求的创建，产品的构建、发布、运维等所有东西都可以上云，唯独编码的流程还卡在端上。
“如果Agent能力如果做到全自主化、自动化，那么软件开发的过程完全可以上云。有了这套云端自动化流程之后，我们能做成一个云端软件工厂，实现APP批量生产，创意批量落地。这样我们就能大大减少在工程上的投入，释放软件生产力”。
此外，“上云”还能推动实现更好的协作。而协作的另外一个好处是，每个人都能够让自己的Agent连接好自己的数据和上下文。
以下为现场问答精编：
Q：不久前年度业绩报告电话会议上，管理层曾表示今年AI相关投入或将翻倍，智能体这部分有何变化？
黄广民：就Agent的规划而言，第一是WorkBuddy产品，肯定要不断打磨好能力，令它更懂用户、更能解决问题、生成效果更好。
第二，我们的Agent是去识别用户高频的需求，做好垂类知识。比如，我们发现大家用它生成PPT是高频需求，但现在我们里面的Skill生PPT效果非常不好，并且不可控。基于此，我们会联合腾云文档这些团队做好一些垂类的场景，优化高频体验。
第三，不断做好产品生态，比如开放专家模式。如果用户在这方面培养出很好的虾，或者在专家层面能够结合自身技能产生较好的效果，我觉得都可以通过开放的方式结合进来，未来服务更多的WorkBuddy用户。
另外，我们也在孵化一些设计方面的Agent，可能不久之后会和大家分享。
Q：目前token消耗成本仍旧比较高，是否会影响企业级市场的拓展？
黄广民：我觉得我们需要跳出这个维度看问题。
实际上在腾讯内部，我们经过大量的实践，发现大家已经可以用它解决非常复杂的问题了。
现在不管是WorkBuddy还是Codebuddy，带来的影响更多是工作模式的变更。
这个过程中确实会导致成本增加，但从腾讯的度量看，在大数据以及投入产出维度，我们使用Codebuddy和WorkBuddy带来的收益是大大超过投入的。
一个数据是，CodeBuddy现在在代码上的生产已经翻了约4-5倍，一个需求原来可能需要两周，现在两天我们就能完成。所以我们可以从更宏观的角度看收益，如果盯着几个Bad Case，整个工作模式的转变可能很难。
Q：现在的智能体与此前的Chatbot和Manus具体有哪些差异？
黄广民：Chatbot是一问一答模式，比如我让它生成一个PPT，它就生成了，或者我问一个问题，它通过文字的方式告诉了我，但我可能还要把文字拿出来，和其他素材进行整合，才能得到最后的答案。
而Agent场景中，这些繁琐的工作都不需要，只要提一个问题，它就能识别清楚你的环境、上下文有哪些，然后规划任务，一步步拆解，再按照步骤完成。这个过程中如果遇到问题它还可以帮你纠错、反思，最后呈现你想要的效果。
Manus的场景对应的则更多在云端，它与我们的云端规划有一些交集。所以我理解Manus可能更多是解决了泛生产力比如超级个体在云端的具体问题。
但除了云端的个体，我们还要解决云端的团队协作问题。而Manus在本地并没有提供产品的能力，这也会给到我们的一些本地产品较大的发展空间。比如，超级个体最主要的材料、素材、内容可能都在本地，我们怎么让它们结合AI发挥更好的作用，这就是本地Agent的机会点。
Q：龙虾在改善准确率方面是否有提升？
黄广民：这是个需要持续解决的问题。
软件方面，去年，软件生产的准确率一直在逐步提升，主要得益于模型的不断优化，推理成本的降低以及效果的不断优化。同时，我们也在不断迭代Agent的上下文工程，跟进行业发展。目前软件开发领域的解决率大概能够做到80%左右。
在泛生产力的命题下，准确率带来的挑战点在于，我们很难定义清楚用户的任务是什么。所以我们首先会做好TOP10的高频场景，再结合软件生产力方面积累的一些经验，不断打磨好这些场景。
而长尾的一些场景，更多是依赖行业化生态的力量，这是产品后面去解决生产力的思路。
Q：未来有什么更方便用户养虾的计划？
黄广民：最近2-3周时间，为帮助大家养好虾，第一我们增加了记忆功能。这个功能原本在Codebuddy里做的非常弱的，有了记忆之后你的虾才能更聪明。
第二是接入了大量的生态能力，包括插件、Skill，让大家把虾的OpenClawClaw的生态上面一些工具集成进来，能够做无缝的切换。
第三是专家团的能力。用户想养什么虾，我们这里提供的专家能力就能帮忙快速修炼成型。
第四我们也在不断优化上下文和长文的管理，首先帮助自己的产品转型，一开始可能大家跟它聊天问你是谁，它会反馈我是Codebuddy。
现在在整个上下文管理场景里，我们做了一个切分，之前很多的上下文包括工具调用等等都是围绕人来生产，现在是围绕本地办公的场景做了自己的上下文优化，包括可以设计一些人设，包括可以定义一些工具等等，这些都是为办公的人去做的设定。
