WorkBuddy 里悄悄多了个 Office，我体验到了 Copilot 该有的样子

打开Word，在AI对话框里辛苦打完一段话，再复制回Word。想再改，就跋山涉水重来一遍。 受够了。这种做AI搬运工的日子，确实该结束了。 今天，WorkBuddy上线了「人机双写」功能。简单来说，就是内置了一个AI版Office。不过，Office 365里的Copilot实在让人提不起劲，就想看看这个功能能不能带来点真东西。 手头正好有一堆材料要处理，直接拿PPT、Word和Excel都试了一遍。实际用下来，发现它不仅能减少几次复制粘贴，更在悄悄改变人和AI之间的分工。 ### 和Ctrl + C、Ctrl + V说再见 先从PPT开始。 比如框选画布右侧，说一句「在这里加一张配图」，图片就落在右侧，而不是某个AI自认为美观的位置。这次，「指哪打哪」不再是形容词，而是一种可以直接感受到的控制感。 如果要调整整页，也不必把标题、文本框、背景色逐个描述一遍。选中一页PPT，让AI「按照这一页的版式刷新整份演示文稿」，它会把你的意图作用到整页，而不是逼你重新学习一套提示词语法。 更关键的是：你在文档里手动改过的内容，AI能接着理解。 以前用本地Office配合AI，对话框里的记忆永远停在上一次复制粘贴的时刻。你刚把预算从20万改成18万，AI不知道；你删掉了一段不合时宜的表述，它也不知道。下一轮修改时，它甚至可能好心办坏事，把你刚确认的版本重新盖掉。 人机双写把AI放进了正在变化的文档里。真正的变化不是它突然更会写了，而是它终于能看见「正在发生的工作」。 到了Word，这种体验更像多了一位坐在旁边的编辑。 周报、方案和汇报材料写到最后，最磨人的通常不是再补一个观点，而是通读、纠错、统一格式。现在，选中全文后，AI可以一边整理版式、突出关键结论，一边生成全文摘要；错别字也不必再交给另一个校对工具。 它不一定能替你判断哪句话该不该说，但那些「明知道必须做、又实在懒得做」的收尾工作，终于可以少耗一点人。 回头看，我们和文档相处的方式已经变过两次。最早，Word、Excel、PowerPoint把纸上的工作搬进屏幕，文件存在本地，要给同事看，只能靠U盘或者邮件附件来回传。后来，在线文档又把「一个人写」变成了「一群人一起写」：多人同时打开一份文件，看得见彼此的光标和修改记录。 现在，文档里又多了一个角色：AI。 从一个人编辑，到多人协作，再到人和AI共用一块画布，办公软件的变化一直不只是多几个按钮，而是谁能进入这份文档、看见什么，又能在里面做什么。 ### Excel里，边界感比聪明更重要 如果说在Word里，AI改错一句话还比较容易发现，那么到了Excel，动错一个单元格就可能影响整张表。 所以测试表格能力时，最在意的不是它会不会分析，而是它知不知道哪里不能动。 人机双写同样支持选区操作。框定一块销售数据，让AI「按大区和产品线做透视，统计销售额」，它只在指定范围内处理，其他单元格保持不动。对于经常和数据打交道的人来说，这种边界比一句「我什么都能做」更能带来安全感。 这也是为什么「选区」看起来普通，却可能是整个体验里最关键的设计。它不只是在告诉AI要处理什么，也在告诉它哪里不能动。 可一个人和AI配合时，「选中哪里、修改哪里」还算简单；如果几个同事和AI同时编辑一份方案，问题就复杂了：AI到底该听谁的？谁有权让它重写整页？改到哪一步必须停下来确认？这还没有成熟的规则。如果AI在没人注意时顺手改了其他人负责的内容，最后出了问题，甚至很难说清该找谁对齐。AI进入工作现场之后，权限、版本、确认和追责不会消失，只会变得更重要。 一些重复劳动很适合直接交出去。 比如选中SKU名称那一列，让AI统一连字符前后的空格；或者选中尚未填完的公式，让它沿着已有规律补齐，并标出明显异常的结果。 选中一段时间序列，让它「按时间维度分析趋势并给出关键洞察」，AI会直接生成图表和结论文字。过去需要清洗数据、画图、再切回文档总结的流程，被压缩在同一块画布里。 数据量一大，最怕混进一个小数点错位、量级离谱的异常值。现在也可以先给出规则，再让AI自动标记，省下逐行盯表格的时间。 不过，省下检查时间不等于可以放弃检查。当校对、补公式、查异常都变成一句话，我们也可能逐渐失去自己核验的习惯。等AI真漏掉一个错误时，反而更难发现。它适合接过重复劳动，却还不能接走最后的判断责任。 目前，「人机双写」依托腾讯文档的编辑能力，支持Markdown、Word、Excel、PPT等主流办公格式，也覆盖本地Office文件和腾讯文档在线文档。论文、标书、教案、咨询报告、运营周报、路演材料——场景当然可以列很长。但真正重要的不是它又多支持一种文件，而是这些任务不用再被拆成「文档里做一半、对话框里做一半」。 选中就能开始，不必反复复制内容，不必额外解释这段话在整篇文档里的位置，也能明确告诉AI这一次可以动哪里。省下来的不只是几次快捷键，更是把上下文交给AI的成本。 AI开始配合你直接编辑，而不是只给你一段等待搬运的答案。 ### 上下文夺权之年 另外，有一个观察可以作为参照：2026年已经被不少业内人士称为「上下文的夺权之年」。如果说2024到2025年是模型能力的军备竞赛，那么2026年，AI Agent的竞争重心已经悄然转移，关键不在于模型本身有多强大，而是谁掌握了用户真实工作场景的上下文。 Agent类产品有一个规律，它能提供的价值上限，取决于它能访问的上下文质量。你把一份空文档交给它，它只能给你模板；你把一份包含过去三个月工作记录、会议纪要、项目背景的文档交给它，它能给你的东西会完全不同。 同样一个指令，「帮我润色这段话」，交给一个什么都不知道的AI，和交给一个「知道这份文档写给谁看、要在哪个场合用、上周开会时领导说了什么意见」的AI，结果差距会非常大。 更具体地说：上下文进来的方式越顺滑，我们就越愿意让AI真正介入工作。选区精调之所以重要，一个原因是省了Token，另一个更底层的原因是降低了「把这段具体内容带入协作」的门槛。选中就发，不用复制，不用解释这段文字在整篇文档里是什么位置，不用描述前后逻辑。 所以可以认为，WorkBuddy人机双写的长期价值不完全在于它今天的功能有多完整，而在于我们是否愿意把自己的工作文档长期积累在这个平台上，愿意让AI持续地留在自己的工作现场里。用得越久，放进来的上下文越丰富，AI的配合就越准，那种「它就是懂你在干什么」的感觉才会越来越强。反过来，如果只是偶尔用一次，用完就关，那它能提供的价值也就只停留在「省了复制粘贴」这个层面。 《挽救计划》里，主角Grace在星际飞船上独自醒来，身边没有人类同伴，最终与外星生命Rocky建立起跨越物种的协同。他们没有共同的语言，没有共同的生理构造，彼此的思维方式差异之大几乎不可想象，但有一个共同的工作场域——那艘飞船，以及彼此面对的共同问题。 真正的协同不需要你们是同类，需要的是你们在同一个空间里感知对方，看见对方在做什么。Grace和Rocky共同解决了一个任何一方单独都无法解决的问题，是因为两种不同的能力在同一个现场相遇，各自做了对方做不到的那部分。 人机双写现在才刚开始，还有很多没有磨合好的地方，也有很多场景还需要我们自己想清楚怎么分工。 除「人机双写」外，WorkBuddy还同步推出了Agent专属邮箱，为AI Agent提供独立的信息入口。用户可针对招聘、客服、活动、内容运营等场景建立专属邮箱，实现简历、发片、供应商Brief等外部信息的自动汇聚、分类与提取，让AI Agent从被动等待调用走向主动参与业务流程。 现在，AI或许不再是门外等着的那个人了。