WorkBuddy 用了两个月，我认定办公 AI 的胜负手在承接，不在生成

我最烦的，是 AI 写出来的东西没人接得住。

这话我憋了挺久。上个月底社团交年度材料，我把一堆东西丢给 AI 处理，产出的总结、清单、汇总表看着都挺像样，结果交给社长和指导老师，对方扫两眼就退回来了。格式乱，找不到出处，也不知道哪份能改哪份不能动。我当时就想，生成能力再强，落到实际协作里，卡住的地方根本不在生成。

后来看到一份电商报告，思路一下被点通。Shero Commerce 九月发的 Commerce Jam 报告，统计了 73 家独立站，大约 9640 万次会话。里面有个现象挺反直觉，AI 引荐来的访问量这一年基本没涨，但 AI 引荐带来的订单从日均 5.9 笔涨到了 16.1 笔，转化率从 0.66% 升到 1.75%。流量规模没变，变现能力变了。

报告还往下拆了一层，AI 访客落到产品详情页，转化率 1.77%，落到首页只有 0.57%，差了三倍多。报告讲的是电商，我读到这里，脑子里冒出来的却是办公。同样一个访客，同样的意图，落到不同的承接结构里，结果完全不一样。

这个类比放到办公 AI 上几乎是一比一。同样一句指令，产出落到一个没人能改、没权限、没出处的文件夹里，它就是废纸。落到一个有边界、有归属、有版本的工作区里，它才是能用的东西。办公 AI 的价值不在生成，在承接。 这话我前阵子写过一篇，当时说得还有点虚，现在两个月跑下来，我确认了。

我用 WorkBuddy 大约两个月，一开始是拿它做社团周报，后来慢慢把整条材料流都搬了进去。这次年度材料我重搭了一遍，过程记一下，好坏都说。

先在 WorkBuddy 里建了个工作区，把材料按来源分三层。飞书导出的 PDF 放一层，微信截图和活动照片放一层，Excel 报名表和 Word 放一层。这一步听起来很笨，但它是整件事里最关键的一步。以前我习惯把文件全丢一个文件夹，让 AI 自己找，结果它经常把老师批注的 Word 和没批注的版本搞混，两次给我拼出来一份缺了批注的总结。

分完层，我给每一层设了权限。PDF 和照片设只读，Excel 和 Word 设可编辑。这样它整理的时候不会乱动原件，产出的新文件单独进输出目录。我实测下来，这个设置能挡掉大部分误改，比事后一份份核对省事得多。

任务我拆成四步，一次只让它干一件。第一步归类，把三十多张截图按活动批次分到不同子文件夹，大约花了十来分钟。第二步提取，把 Excel 报名表里的姓名、学号、联系方式抽成一张总表，这一步它做得干净，格式没跑。第三步汇总，把飞书 PDF 里的活动记录按时间线拼成一份年度总结初稿。第四步检查，让它对照原文件列一份清单，标清楚哪些数据来自哪份文件、哪一页。

四步跑完，前后大约四十分钟。这个活我上学期手动做过一次，从晚上八点干到快十二点，中间还漏了两份活动的照片。四十分钟对四个小时，这是我愿意继续用的直接原因。

不过有几处它确实不行。老师批注的 Word，手写批注识别不全，有三份得我自己补进去。还有一次我图省事，一句话把所有需求塞进去，出来的东西全乱，归类错了两个批次，反而比手动还费时间。后来学乖了，一次一件事，反而又快又准。这个教训在我自己，不怪它，但新手很容易踩。

另外它工作区里文件一多，检索会变慢，我这边测下来大概两百份之后开始有感觉，点开一个子文件夹要等两三秒。不算致命，但如果你的材料是上千份的量级，最好先按年份或项目拆成多个工作区，别全堆一个。

所以我的判断是，WorkBuddy 适合文件多、来源杂、有协作边界要求的场景。社团材料、课程归档、课题组资料、小团队的报销附件，这些它接得住，而且接得比通用聊天模型稳。它的价值不在帮你写一段漂亮的话，在帮你把一段话放进一个别人也能看懂、也能接着改的容器里。

不适合谁？如果你只是想让它写篇公众号文案、做张海报、改个简历，那 WorkBuddy 这套工作区逻辑对你完全是负担。你大概率会觉得它比 ChatGPT 麻烦十倍，得多点好几个地方才能出一句话。这是实话，我不替它遮。

那份报告最后提了一句，AI 助手自身能力的迭代，也在改变用户会看到谁、会信谁。办公这边大概也差不多。我把工作区重搭一遍之后，社长这次没退回来。