過去半年，以 Claude Code/Cowork、Codex 為代表的 Agent 產品毫無疑問是整個 AI 行業最清晰的一條主線。

6 月 30 日Anthropic 低調推出了 Claude Science，一個面向科學家的 AI 工作臺。

圖片來源：Anthropic

Anthropic 的思路越來越清晰了。先讓 Agent 承包代碼（Claude Code），再讓 Agent 處理各類辦公任務（Claude Cowork），最后進入科研這類更復雜的專業場景（Claude Science）。

事實上，Anthropic 就是觀察到市場和數據等非技術團隊開始繞過聊天界面使用 Claude Code，于是才有了圖形界面「封裝」的 Claude Cowork。

而除了在底層模型持續迭代外，很多人可能不知道，國產 AI 在 Agent 產品上的追趕。阿里、騰訊、字節、Kimi、MiniMax、智譜都在做 Agent，各家基本也跟隨 Anthropic 區分了 Code 和 Work 兩類產品，不過側重點也有所不同。

所以在模型能力還沒有全面壓過海外頂級產品之前，國產 AI 能不能靠更便宜、更開放、更貼近本土工作流的 Agent 產品，先把更多國內用戶帶向「Agent 工作我指揮」的工作方式？雷科技AGI（ID：leikejiagi）盤點一波試圖給出答案。

騰訊 WorkBuddy：要做更多人的辦公入口

騰訊 WorkBuddy 可能是國內知名度最高 Agent 產品了，畢竟很多人可能都在微信上看到了廣告，也在「龍蝦潮」的時候安裝體驗過。不過實際上除了 WorkBuddy，騰訊還有面向開發者的 CodeBuddy，基本上對應了 Claude Cowork 和 Code。

騰訊內部也已經把它用于研發和非技術團隊，官方披露 CodeBuddy 覆蓋了騰訊超過 95% 的工程師，WorkBuddy 則用于人和 AI 混編開發、幫助小團隊更快迭代產品。

圖片來源：騰訊

CodeBuddy 這里就不展開，相比代碼開發，WorkBuddy 面向更寬的生產力場景，負責文檔處理、內容整理、協作任務和泛辦公需求。

騰訊的優勢也在這里。WorkBuddy 可以充分利用騰訊文檔、騰訊會議、ima 知識庫、騰訊樂享以及微信的生態優勢。

很多個人用戶的材料、會議紀要、待辦和溝通，本來就散在這些地方。所以很多人使用 WorkBuddy 的一個重要原因就是可以直接接住日常的「上下文」，然后在 WorkBuddy 整理內容、生成文檔、推進任務。

Kimi Code/Work：把長文本塞進Agents工作流

面對 Agent 的浪潮，月之暗面是最近一批推出相應產品的大模型公司，也分成了 Kimi Code 和 Work。

Kimi Code 進入 CLI 和 IDE，能讀寫文件、執行命令、搜索代碼、獲取網頁內容，也能為并行任務生成 subagents；Kimi Work 則面向本地工作流，可以掛載本地文件夾，通過 WebBridge 瀏覽網頁，運行 Python，執行定時任務，并在修改文件或運行代碼前要求用戶確認。

圖片來源：Kimi

過去很長一段時間，Kimi 給普通用戶留下的印象就是「長文本」。讀論文、讀財報、讀幾十頁 PDF、整理一大堆網頁材料，這些本來就是 Kimi 最容易被用戶感知到的能力。到了 Agent 階段，Kimi 要做的事情也很自然：不只是讀完材料回答問題，而是繼續幫用戶處理文件、跑腳本、改代碼、生成結果。

如果說 Claude Code 和 Codex 的強項在于代碼任務閉環，Kimi 更值得關注的，是它在試圖把「長文本閱讀」的優勢變成「長程任務」的優勢。同時在 Kimi Code 和 Work，Agent 集群也是一個繞不開的設計。按照官方說法，應對復雜問題時，Kimi 可以自動協調多個專業智能體，同時分解并解決多層次任務。

另外為了吸引金融用戶，Kimi Work 還預集成了 A 股、港股和美股的深度數據源。而這些，可以說都構成了 Kimi Code 和 Work 的差異化體驗。

阿里Qoder：從通義靈碼，長成一套桌面 Agent

阿里 Qoder 有點特殊，它不是一個從零開始冒出來的新產品，而是從一個 AI IDE 產品（通義靈碼），經過幾輪迭代逐漸轉變成新的 Agent 產品，并衍生出了 Qoder Desktop、QoderWork、QoderWake、Qoder CLI、Cloud Agents 等系列。

圖片來源：阿里 Qoder

核心還是 Qoder Desktop 和 QoderWork 兩個產品。Qoder Desktop 面向軟件開發場景，更接近 Claude Code；QoderWork 面向日常工作，處理文件整理、數據處理、文檔生成、瀏覽器自動化、桌面控制、定時任務這類日常工作任務，定位接近 Claude Cowork。

QoderWork 把 Agent 能力從代碼搬到普通工作里。作為一款桌面端智能工作助手，QoderWork 可以通過自然語言完成文件整理、數據處理、文檔生成，也能連接辦公工具、操控瀏覽器和電腦；它還支持定時任務，適合每天拉數據、寫周報、整理月度材料這類重復但不能漏的工作。

從產品設計來看，QoderWork 除了「通用」模式，還專門給出了「設計」「幻燈片」「寫作」模式，在面向實際用戶場景上明顯有所側重。但除此之外，還沒看到太多的特色和優勢。

MiniMax Code/Agent：模型Agent垂直整合

和前面幾家一樣，MiniMax 分別推出了 MiniMax Code 和 MiniMax Agent 兩個產品。值得一提的是，隨著 6 月新一代大模型 MiniMax M3 的發布，MiniMax Code 也迎來了一輪大更新。按照官方的說法，是專為 M3 設計、并與 M3 一起訓練的 Agent 產品。

圖片來源：MiniMax

簡單來說，MiniMax Code 能夠充分發揮 M3 在長上下文、Coding/Agentic、原生多模態方面的能力，是搭配 MiniMax-M3 的首選 Agent。體現到長程任務上，MiniMax Code 會將任務拆成 Workflow，由 Agent 集群協作，通過 Producer + Verifier 的對抗式 Harness 循環自主運行。

事實上，Claude Code 也推出了類似策略的 Dynamic Workflows（動態工作流），但 MiniMax Code 會更聚焦「深度反思與持續糾錯」，Agent 會根據任務進展實時調整方案和優先級，用戶也可以隨時介入，追加需求或修正方向。

至于 MiniMax Agent，實際更早就嘗試挑戰長程任務，在 5 月更新中上線了 Mavis 模式，利用多 Agents 協作的方式，包括和 Codex 類似隨時介入 Agent 思考和工作的設計，可以說是 6 月 MiniMax M3 發布和 MiniMax Code 更新之前的預演。

不過也要說明，這條路也最容易出現演示和真實體驗之間的落差。長上下文不等于真的理解全局，多 Agent 協作也不等于結果一定更穩。角色越多、鏈路越長，中間任何一步跑偏，最后都可能放大成錯誤。

字節TRAE Work：從 AI IDE，走向通用工作臺

嚴格來說，TRAE（SOLO）本身最早被更多人認識，還是因為它是一款 AI IDE，對標 Cursor、Claude Code 這類開發工具。但前段時間升級推出的 TRAE Work 已經把邊界往外推了一步，官方定位也很直接：不只編碼。

按照官方介紹，TRAE Work 提供 Web、Desktop 和 Mobile 多端入口，兼顧本地與云端任務，且不依賴于 TRAE IDE 運行。用戶在桌面端發起任務之后，Agent 可以在云端或者本地繼續運行，多個任務也可以并行推進；離開電腦之后，用戶還可以在手機上查看進度、審查結果、繼續調整方向。

圖片來源：字節 TRAE

另外一提，TRAE Work 還分成 Work 和 Code 兩種模式，你可以簡單理解為字節的 Codex，將 Code、Work 兩個 Agent 產品合二為一。Code 模式繼續處理開發任務，Work 模式則面向更通用的工作場景，比如資料整理、項目推進、網頁操作、文件處理和內容生成。不同的是，Codex 是真正的合二為一，TRAE Work 則是以兩種模式運行，需要從不同模式入口進入。

這也很字節。相比騰訊 WorkBuddy 借助微信、文檔、會議這些生態上下文，TRAE Work 更像一個面向個人和小團隊的效率入口。它不一定要求用戶先進入一套辦公生態，而是先把「任務」變成核心單位：你只要把需求交給它，它就負責拆解、執行、反饋進度，用戶在過程中隨時介入。

另外，TRAE 還有一個值得注意的動作是開源 Trae Agent。按照 GitHub 頁面介紹，Trae Agent 是一個面向軟件工程任務的 LLM Agent 工具包，支持文件編輯、bash 執行、結構化思考和任務完成，也能接入多種模型供應商。

智譜 ZCode：先把 Code Agent 這條線做深

相比其他家，智譜的路線要更集中一些。它沒有急著把自己包裝成一個通用辦公 Agent，而是明確先做開發者場景，推出了智譜 ZCode，但和 Kimi、MiniMax 一樣瞄準了長程任務的難點和場景。這其實和很多國產 Agent 產品的思路不太一樣。騰訊、阿里、Kimi、字節都在做 Code 和 Work 兩條線。

值得一提的是，上月智譜發布驚艷行業的 GLM-5.2 時，還同步升級了 ZCode 3.0，全面切換自研 ZCode Agent 內核，并深度適配 GLM-5.2，針對長程推理、工具調用和大型工程執行鏈路做了優化。

圖片來源：智譜

ZCode 3.0 還圍繞實際開發體驗做了一些補強，比如分組式任務工作區、Zread 項目知識庫、可視化 Git 分支圖譜等功能。這些聽起來沒有多 Agent 協作、長上下文那么性感，但都和 Code Agent 的穩定性有關：Agent 要接手一個工程任務，首先得看懂項目、記住上下文，也要讓用戶看得清它改了什么、走到哪一步。

這條路的優勢是目標清楚，短板也很明顯。ZCode 的用戶盤子暫時不會像 WorkBuddy 或 TRAE Work 那么大，想象空間也更集中在開發者場景。但如果它能在復雜代碼庫、長程任務和工程驗證上真正跑穩，反而更容易建立專業用戶信任。

國產 Agent 的機會，藏在足夠的差異化里

把這些產品放在一起看，國產 Agent 并不是在用同一種方式替代 Claude Code、Claude Cowork 和 Codex。

阿里 Qoder、字節 TRAE 和騰訊 Buddy 系列，大公司都做學 Anthropic 和 OpenAI 在 Code + Work，但產品路徑和重心明顯不一樣。作為百模大戰中活下來的大模型創業公司，Kimi、MiniMax 以及智譜都更注重技術優勢，嘗試攻克「長程任務」這個 Agent 必經之路，也都在強調從模型到 Agent 的垂直整合。

但最終看下來，國產 Agent 追的也不只是 Claude Code、Claude Cowork 或者 Codex 某一個產品，也是一種全新的工作方式：用戶不再只問 AI 一個問題，而是把一件事交給 AI，再在過程中審查、修正、接管、繼續指揮。

相比海外產品，國產 Agent 的優勢首先是更貼近本土工作流。

Claude Code、Claude Cowork、Codex 的產品完成度更高，開發者心智也更強，但它們畢竟更圍繞海外用戶的軟件生態、辦公環境和訂閱體系展開。國內用戶每天使用的工具和系統，很多時候是微信、騰訊會議、騰訊文檔、釘釘、飛書、本地文件、國產模型和企業內部知識庫。Agent 如果接不住這些上下文，再強也容易停在演示和嘗鮮階段。

這也是 WorkBuddy、QoderWork、TRAE Work 的機會。它們未必一開始就比 Claude Cowork 更聰明，但如果能更順手地進入國內用戶已經熟悉的辦公、溝通和文件環境里，就有機會先把使用頻率做起來。

另一方面，國產 Agent 普遍更愿意接入不同模型，也更愿意把能力開放給開發者和企業改造。

對個人用戶來說，這意味著可以在效果和成本之間切換；對企業來說，則意味著可以接自己的工具、權限、數據和業務流程。Agent 不是一個單純的聊天產品，它天然需要接工具、接文件、接系統、接工作流。越往真實業務里走，這種可控性越重要。

總而言之，國產 Agent 現在不缺方向，Code、Work、多 Agent、長上下文、桌面工作臺、云端任務、企業協同。接下來真正要看的，是誰能穩定完成更多真實任務。

用戶第一次打開 Agent，可能是因為好奇。但用戶第二天、第三天還愿意打開它，一定是因為它真的省事。