国产AI六巨头逐鹿Agent，望得到Claude Code的背影吗？

过去半年，以Claude Code/Cowork、Codex为代表的Agent产品，无疑是整个AI行业最清晰的一条主线。 6月30日，Anthropic低调推出了Claude Science，一个面向科学家的AI工作台。  图片来源：Anthropic **Anthropic的思路如今已经相当明确：** 先是让Agent接管代码（Claude Code），接着处理各类办公任务（Claude Cowork），最后正式切入科研这类更复杂的专业场景（Claude Science）。 事实上，正是观察到市场和数据等非技术团队开始绕过聊天界面，直接使用Claude Code，Anthropic才顺势推出了图形界面“封装”的Claude Cowork。而除了在底层模型上持续迭代，很多人可能没注意到，国内AI厂商在Agent产品上的追赶同样迅猛。阿里、腾讯、字节、Kimi、MiniMax、智谱都在布局，各家基本也参照Anthropic的思路，区分了Code和Work两类产品，只是侧重点各有不同。 那么，在模型能力尚未全面超越海外顶级产品之前，国产AI能否凭借更便宜、更开放、更贴近本土工作流的Agent产品，率先将更多国内用户带入“Agent工作我指挥”的新范式？这篇文章或许能给出一个答案。 ## 腾讯WorkBuddy：瞄准更广泛的办公入口 腾讯的WorkBuddy可能是国内知名度最高的Agent产品了，很多人或许都在微信上刷到过它的广告。实际上，除了WorkBuddy，腾讯还有面向开发者的CodeBuddy，恰好对应了Claude Cowork和Code。 腾讯内部已经将其应用于研发和非技术团队。官方数据显示，CodeBuddy覆盖了腾讯超过95%的工程师，而WorkBuddy则被用于人机混编开发，帮助小团队更快地迭代产品。  图片来源：腾讯 CodeBuddy暂且不表，与偏重代码的开发场景不同，WorkBuddy面向的是更宽广的生产力场景，负责文档处理、内容整理、协作任务以及各类泛办公需求。 **腾讯的优势也恰恰在于此。** WorkBuddy可以充分利用腾讯文档、腾讯会议、ima知识库、腾讯乐享乃至微信的生态优势。许多个人用户的材料、会议纪要、待办事项和日常沟通，本就散落在这几个应用中。因此，很多人使用WorkBuddy的一个重要原因，就是它能直接接住日常的“上下文”，然后在此基础上整理内容、生成文档、推进任务。 ## Kimi Code/Work：将长文本能力植入Agent工作流 面对Agent浪潮，月之暗面是最近一批推出相应产品的大模型公司，同样分为Kimi Code和Work两条线。 Kimi Code已进入CLI和IDE，能够读写文件、执行命令、搜索代码、获取网页内容，还能为并行任务生成subagents；Kimi Work则面向本地工作流，可以挂载本地文件夹，通过WebBridge浏览网页、运行Python、执行定时任务，并在修改文件或运行代码前请求用户确认。  图片来源：Kimi 过去很长一段时间，“长文本”是Kimi留给普通用户最深的印象。读论文、读财报、读几十页PDF、整理一堆网页材料，这些都是Kimi用户最常用的场景。到了Agent阶段，Kimi的逻辑也很自然：不仅读完材料回答问题，还要继续帮用户处理文件、跑脚本、改代码、生成结果。 **如果说Claude Code和Codex的强项在于代码任务的闭环，那么Kimi更值得关注的，是它试图将“长文本阅读”的优势，转化为“长程任务”的优势。** 无论是Kimi Code还是Work，Agent集群都是一个绕不开的设计。按照官方说法，面对复杂问题时，Kimi可以自动协调多个专业智能体，同时分解并解决多层次任务。此外，为了吸引金融用户，Kimi Work还预集成了A股、港股和美股的深度数据源。这些，共同构成了Kimi Code与Kimi Work的差异化体验。 ## 阿里Qoder：从通义灵码，演变为桌面Agent 阿里Qoder的起点有些不同。它并非从零起步的新产品，而是从一个AI IDE产品（通义灵码）经过几轮迭代，逐步演变而来，并衍生出Qoder Desktop、QoderWork、QoderWake、Qoder CLI、Cloud Agents等一系列产品。  图片来源：阿里Qoder **核心产品仍然是Qoder Desktop和QoderWork。** Qoder Desktop面向软件开发场景，更接近Claude Code；QoderWork则面向日常工作，负责文件整理、数据处理、文档生成、浏览器自动化、桌面控制、定时任务等任务，定位与Claude Cowork相似。 QoderWork将Agent能力从代码扩展到了普通工作。作为一款桌面端智能工作助手，它可以通过自然语言完成文件整理、数据处理、文档生成，还能连接办公工具、操控浏览器和电脑；同时支持定时任务，非常适合每天拉数据、写周报、整理月度材料这类重复但不能遗漏的工作。从产品设计来看，QoderWork除了“通用”模式，还专门设有“设计”“幻灯片”“写作”模式，在贴近实际用户场景上有所侧重。但除此之外，目前还没有看到太多突出的特色和优势。 ## MiniMax Code/Agent：模型与Agent的垂直整合 与前面几家类似，MiniMax也分别推出了MiniMax Code和MiniMax Agent两款产品。值得一提的是，随着6月新一代大模型MiniMax M3的发布，MiniMax Code也迎来了一次大更新。按照官方说法，这是一款专为M3设计、并与M3共同训练的Agent产品。  图片来源：MiniMax **简单来说，MiniMax Code能够充分释放M3在长上下文、Coding/Agentic、原生多模态方面的潜力，是搭配MiniMax M3的首选Agent。** 在长程任务上，MiniMax Code会将任务拆解为Workflow，由Agent集群协作，通过Producer和Verifier构成的对抗式Harness循环自主运行。 事实上，Claude Code也推出了类似策略的Dynamic Workflows，但MiniMax Code更聚焦于“深度反思与持续纠错”，Agent会根据任务进展实时调整方案和优先级，用户也可以随时介入，追加需求或修正方向。 至于MiniMax Agent，实际上更早就开始挑战长程任务。在5月的更新中，它上线了Ma vis模式，利用多Agent协作，并包含类似Codex那样随时介入Agent思考和工作的设计。这可以说是6月MiniMax M3发布和MiniMax Code更新之前的预演。 不过需要指出的是，这条路也最容易出现演示效果与真实体验之间的落差。长上下文不等于真的理解全局，多Agent协作也不意味着结果一定更稳。角色越多，链路越长，中间任何一步偏离，最终都可能被放大成错误。 ## 字节TRAE Work：从AI IDE走向通用工作台 严格来说，TRAE（SOLO）最早被大多数人认识，是因为它是一款对标Cursor、Claude Code的AI IDE。但前段时间升级推出的TRAE Work，已经把边界向外推了一步——官方定位也很直接：不只编码。 **按照官方介绍，TRAE Work提供了Web、Desktop和Mobile多端入口，兼顾本地与云端任务，且不依赖于TRAE IDE运行。** 用户在桌面端发起任务后，Agent可以在云端或本地继续运行，多个任务也能并行推进；离开电脑后，用户还可以在手机上查看进度、审查结果、继续调整方向。  图片来源：字节TRAE **另外值得一提的是，TRAE Work还分为Work和Code两种模式，可以理解为字节版的Codex——将Code和Work两个Agent产品合二为一。** Code模式继续处理开发任务，Work模式则面向更通用的工作场景，比如资料整理、项目推进、网页操作、文件处理和内容生成。不同的是，Codex是真正的合二为一，而TRAE Work则以两种模式运行，用户需要从不同入口进入。 这也很符合字节的风格。相比腾讯WorkBuddy借助微信、文档、会议等生态上下文，TRAE Work更像是一个面向个人和小团队的效率入口。它不一定要求用户先进入一套办公生态，而是先把“任务”变成核心单位：你只要把需求交给它，它就负责拆解、执行、反馈进度，用户可以在这个过程中随时介入。 此外，TRAE还有一个值得关注的动作：开源了Trae Agent。根据GitHub页面介绍，Trae Agent是一个面向软件工程任务的LLM Agent工具包，支持文件编辑、bash执行、结构化思考和任务完成，也可以接入多种模型供应商。 ## 智谱ZCode：先把Code Agent这条线做深 与其它几家相比，智谱的路线更为集中。它没有急于将自己包装成一个通用办公Agent，而是明确先聚焦开发者场景，推出了智谱ZCode。但和Kimi、MiniMax一样，它也瞄准了长程任务的难点与场景。这与许多国产Agent产品的思路有所不同——腾讯、阿里、Kimi、字节都在做Code和Work两条线。 值得一提的是，上月智谱发布备受关注的GLM-5.2时，**还同步升级了ZCode 3.0，全面切换自研ZCode Agent内核，并深度适配GLM-5.2，针对长程推理、工具调用和大型工程执行链路进行了优化。**  图片来源：智谱 ZCode 3.0还围绕实际开发体验做了一些补强，比如分组式任务工作区、Zread项目知识库、可视化Git分支图谱等功能。这些听起来没有多Agent协作、长上下文那么惊艳，但都与Code Agent的稳定性息息相关：Agent要接手一个工程任务，首先得看懂项目、记住上下文，同时也要让用户看得清它改了什么、走到了哪一步。 这条路的优势是目标清晰，短板也很明显。ZCode的用户盘子暂时不会像WorkBuddy或TRAE Work那样大，想象空间也更集中在开发者场景。但假如它能在复杂代码库、长程任务和工程验证上真正跑稳，反而更容易建立起专业用户的信任。 ## 国产Agent的机会，藏在足够的差异化里 把这些产品摆在一起看，国产Agent并非在用同一种方式替代Claude Code、Claude Cowork和Codex。 阿里Qoder、字节TRAE和腾讯Buddy系列，大公司都在学习Anthropic和OpenAI的Code+Work模式，但产品路径和重心明显不同。作为百模大战中活下来的大模型创业公司，Kimi、MiniMax以及智谱都更注重技术优势，尝试攻克“长程任务”这个Agent必经之路，也都在强调从模型到Agent的垂直整合。 但归根结底，国产Agent追赶的也不仅仅是Claude Code、Claude Cowork或Codex中的某一个产品，而是一种全新的工作方式：用户不再只是向AI提出一个问题，而是把一件事交给AI，再在过程中审查、修正、接管、继续指挥。 **相比海外产品，国产Agent的优势首先在于更贴近本土工作流。** Claude Code、Claude Cowork、Codex的产品完成度更高，开发者心智也更强，但它们毕竟更围绕海外用户的软件生态、办公环境和订阅体系展开。国内用户每天使用的工具和系统，很多时候是微信、腾讯会议、腾讯文档、钉钉、飞书、本地文件、国产模型以及企业内部知识库。如果Agent接不住这些上下文，再强大也容易停留在演示和尝鲜阶段。 这正是WorkBuddy、QoderWork、TRAE Work的机会所在。它们未必一开始就比Claude Cowork更聪明，但假如能更顺畅地进入国内用户已经熟悉的办公、沟通和文件环境，就有机会先把使用频率做上去。 **另一方面，国产Agent普遍更愿意接入不同模型，也更愿意把能力开放给开发者和企业进行改造。** 对个人用户来说，这意味着可以在效果和成本之间灵活切换；对企业来说，则意味着可以接入自己的工具、权限、数据和业务流程。Agent不是单纯的聊天产品，它天然需要接工具、接文件、接系统、接工作流。越往真实的业务场景中走，这种可控性就越重要。 总而言之，国产Agent现在不缺方向：Code、Work、多Agent、长上下文、桌面工作台、云端任务、企业协同……接下来真正要看的，是谁能稳定完成更多真实任务。 用户第一次打开Agent，可能是因为好奇。但用户第二天、第三天还愿意打开它，一定是因为它真的省事。