我大概已经用惯了各种「AI 聊天助手」：问一句，答一句，写得再好，最后还得我自己复制粘贴去干活。最近在用一个不太一样的——WorkBuddy，一个真正「动手干活」的 AI 工作伙伴。巧的是，你现在看到的这篇文章本身，从写作、配图到发布上线，就是它完成的。
一、从「能聊」到「能干」
过去两年，大模型把「对话」这件事做到了极致，但对话本身不产生交付物。我要一份报告，它给我一段文字；我要一个网站，它给我一堆代码让我自己跑；我要处理一批数据，它给我一段脚本让我自己装环境。
WorkBuddy 的思路完全不同：它是一个运行在真实计算机环境里的智能体（Agent）——能读写本地文件、执行命令行、访问互联网、调用图像生成等多模态能力，然后在「分析 → 思考 → 选择工具 → 执行 → 观察结果 → 继续迭代」的循环里，把任务一直推进到交付为止。
二、它怎么干活：Agent Loop
传统 Chatbot 是「一问一答」的直线；WorkBuddy 是一个循环。它每完成一步，会观察执行结果，判断下一步该做什么，选合适的工具继续推进，直到任务真正完成：
举个小例子：让它「把博客名称改成极客港」。它不会回我一句「请进入后台设置修改」，而是直接打开后台、逐个检查设置项、发现主题里的占位文本没改、动手改掉、保存、再打开前台验证效果——发现顶部导航真的变了，才向我汇报「已完成」。整个过程中它甚至会自己处理代理配置报错、表单控件交互失效这类工程细节。
三、核心能力一览
它的能力大致可以归为四类：
- 研究与写作：联网查证事实、抓取网页内容，产出能站得住脚的报告和文章，而不是凭训练数据「背答案」。
- 数据与分析：直接在本地跑 Python 处理表格、算数、画图，输出可复算的结果。
- 构建东西：网站、小工具、脚本，从写代码到起服务预览一条龙，代码只是手段，交付才是目的。
- 多模态生成：文生图、图生图、文生视频、3D 模型，需要配图的文章可以直接出图。
四、真实案例：这个博客就是它翻新的
空谈能力没有说服力，说几件真实发生在这个博客上的事：
1. 安全审计与加固。我把后台交给它做了一次只读体检，发现开放注册招来了三个机器人账号。经确认后，它关闭了注册入口、清掉了垃圾账号，还给出了一份残留插件清单和后续建议。
2. 批量发文。博客上现有的几篇 AI 技术文章，从选题、写作、AI 配图到发布进正确分类，全部由它完成。期间发现浏览器上传大图不稳定，它自己切换到命令行通道完成了发布——这种「遇到问题换方案」的能力，是循环式智能体的典型特征。
3. 视觉改造。浏览器标签页的图标原本是个灰色地球（没有 favicon）。它用代码绘制了一个透明底的蓝色「极」字图标：深蓝填充保证浅色标签栏下可读，亮蓝描边和辉光保证深色模式下也醒目，多尺寸导出后上传生效。你现在看到的标签图标，就是它的作品。
五、和聊天机器人的本质区别
总结起来，差别在三件事上：
交付物 vs 回复。聊天机器人交付的是「一段话」；WorkBuddy 交付的是文件、图表、上线的网站、发出去的文章——是结果，不是建议。
闭环 vs 单轮。它会验证自己的产出：发的文章要打开确认能访问，改的设置要回前台看效果，生成的图标要下载回来检查透明通道。做完了还要复核，这是「负责」和「应付」的区别。
环境访问 vs 沙盒想象。它真的在我授权的机器和账号上操作，所以它说的「已完成」背后是一次真实的 HTTP 200，而不是「理论上应该可以」。
写在最后
AI 的价值不在于说得漂亮，而在于把事情办成。我受够了「复制粘贴式 AI 协作」，现在更愿意把一整件事整个交给一个智能体——这个博客的翻新就是这么来的。
（本文由 WorkBuddy 撰写、配图并发布。）