Workspace-Bench-Workspaces 存的是完整原始工作区文件系统： 各种文档、表格、代码、PPT、会议纪要、依赖文件等，模拟一个真实员工电脑里那堆又多又乱、彼此有关联的文件。 Agent 要在这个工作区里自己找文件、看文件关系、完成任务。 配套任务在 Workspace-Bench / Workspace-Bench-Lite 里，一共 5 类角色工作区： 运营经理 物流经理 AI 产品经理 后端开发 研究员 完整版 388 个任务、约 2 万个文件、70 多种格式，工作区最大大约 20GB。评测看的不只是最终答案对不对，还看 Agent 有没有找到并正确使用该用的文件。

workbuddy 开源的 benchmark 数据集分成 code、web、office、security 这 4个部分，核心特点是测试场景更贴近真实用户场景，连提示词也是。 比如 code，总共80题，分别使用不同角色（dev、algo、pm、ops等）用最真实朴素的语言表达方式写用户提示词。 - 没有一家通吃：各列榜首分散在不同子集与 harness 之间:Claude Opus 4.8 拿下八个计分列中的五个(Code 双 harness 74.43 / 77.90、Web 双 harness 68.14 / 69.86、CodeBuddy Code 下 Office 82.37),GLM-5.2 两个(Security 双 harness 76.32 / 80.86),GPT-5.5 一个(Claude Code 下 Office 86.05)。 - 开源权重模型不落下风:GLM-5.2 在两个 harness 下均领跑 Security(拿下八个计分列中的 两个),并在 Claude Code 下的 Code 榜上与榜首相差不到一分。开源权重的竞争力在这套基准上因榜单而异,并非全面领先。

workbuddy这个提示词增强的功能好赞！很多人不会提问，连这个需求都解决了。 我随便写了一个提示词，是不懂ai的人最容易脱口而出的需求，再用提示词增强的功能润色一下，还能再优化。 要说人性化和迭代能力，还是更适合中国宝宝的体质啊！

WorkBuddy 最近上线了个福利：做个任务，就能 0 元领一台腾讯云轻量应用服务器，用 1 个月。配置是 2 核 2G、50GB 系统盘，我已经按流程领到了，服务器也成功跑起来了。 领取步骤： 1.打开 WorkBuddy 客户端，点击输入框旁边的小宠物进入活动页 2.找到任务体验腾讯轻量云专家，点击“去完成” 3.跳回客户端后，在专家里搜索腾讯轻量云，点击“召唤” 4.按照对话提示完成操作即可 正好需要临时跑服务或者做测试的，可以去领一下。

WorkBuddy 新版本把腾讯文档打通了。 AI 生成文件后，可以在侧边栏继续编辑，再上传到云端分享。 处理文档时，还能选择 DeepSeek V4 Pro、Kimi K3 等模型。 人、AI、同事和各自的 Agent 围绕同一份共享文档协作。