腾讯的 Agent 布局，不止 WorkBuddy

今年上半年，一谈腾讯AI，话题几乎都会落到Workbuddy身上，这个产品在前三季度彻底走红，也在一定程度上扭转了市场对腾讯AI的印象。

可要是眼睛只盯着WorkBuddy，对腾讯Agent的判断恐怕仍然不完整。

在刚落幕的腾讯全球数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生谈到，企业部署Agent时最头疼的地方并非模型能力不足，而是“断点太多”。他说的意思是，AI能写方案、能做分析，可一旦要接业务系统、要取企业数据，就接不上了。要让Agent真正落地，关键得把人、工具、系统和数据串起来，让AI走进真实的工作流程。

针对这些“断点”，腾讯提出打造“全场景、高效能、更放心”的Agent生产力系统。在腾讯全球数字生态大会的AI产品发布台上，这套思路被进一步铺开：两天时间里，40+场发布围绕应用、数据、安全和工程四个板块，呈现出包括WorkBuddy在内的更完整的Agent布局。

应用是最显眼的一层。这次大会上，腾讯发布了跨应用协同体系Buddy One：一头用WorkBuddy连接腾讯文档、腾讯网盘、腾讯乐享、设计和研发工具，让Agent从个人助手变成团队的新助理；另一头借助腾讯云ADP、元宝搜索、天籁语音大模型、MAGIC AI等产品，把Agent带进更多业务执行场景。

应用不过是个入口。Agent想进企业，还有三个更基本的问题要答：企业数据它读不读得懂、用不用得好；它能不能在划定的安全边界里行动；它能不能稳定跑起来、撑起规模。

腾讯此次集中展示数据、安全和工程产品，原因也在这里。

01

企业的数据，还没准备好迎接Agent

为什么先说数据？企业想让Agent真正上岗干活，第一脚往往就会踩进数据泥潭。

很多人都有过类似感受：让Agent帮忙查一个企业内部数据，它经常犯迷糊，给出错误的结果。

AWS和dbt Labs前不久讲过一个案例：让一个AI Agent自己去写SQL查营收，真实数字是1136万美元，Agent却多算了350万。后来排查才弄清楚，Agent用的是折扣和退款前的金额，退款表没有关联，已取消和待处理的订单也一并算了进去，内部测试账号同样没被排除。

Agent答错，毛病往往出在数据层，而不是模型。企业想让Agent准确回答问题，数据地基就得先打牢。具体有两件事要办：供给侧，得让Agent找得到、用得上完整的相关数据；语义侧，得把数据背后的业务规则跟Agent讲明白。数据和规则，缺哪一头都可能算错。

为了让Agent用好企业数据，腾讯云围绕“懂、存、跑、自治”展开了布局。

其中，TDSQL Nexa Lakebase帮助理解数据；TDSQL Boundless负责存储和处理多种类型的数据；TDSQL-C PostgreSQL为Agent提供弹性、隔离的数据库后端；TencentDB Agent则尝试接手数据库运维工作。此外，DataBuddy提供统一语义层，让Agent按照明确的业务口径查询和分析数据；对于有数据不出域要求的企业，DataBuddy还提供私有化方案。

此次发布的TDSQL Nexa Lakebase，把海量数据存储、事务、分析、搜索和AI计算放进同一套数据管理体系里。应用层可以通过SQL、HTTP或MCP接入，计算层由核心引擎负责统一访问和智能路由，往下再交给四类引擎分工处理负载。外部数据源与内部引擎之间，则由NTS数据通道连接。

Knowledge能力把术语、口径与规则梳理统一，再与已有数据对象建立关联，拼出业务上下文，为Agent补上业务背景。

DataBuddy还把业务规则用到数据分析里，在大模型与底层数据之间搭起统一语义层，Agent便能按明确口径挑数据、生成查询。

效果方面，腾讯内部测试显示，同一模型、同一批问题，加上DataBuddy语义层后，Agent问数准确率从83.5%升到95.9%。某头部银行接入超过100TB数据后，查询从分钟级缩短到秒级，指标来源和计算过程也不必再靠人工溯源。

02

Agent开始动手，

安全边界也要重划

数据准备好了，企业还得决定：究竟敢给Agent多大权限？

眼下不少企业都有这种纠结：想让Agent把活干完，就得给它更多权限；可权限一放大，又怕它看到不该看的数据，甚至做出危险操作。到头来，本来是帮企业干活的Agent，也可能变成风险源头。

这类风险在现实工作中已经出现过。Meta就出过一起相关的安全事件。今年3月，Meta内部曝出Agent失控，把公司系统级的敏感数据泄露给了一大批没有访问权限的员工。按事故报告的说法，这在Meta内部安全事件评级体系里属于第二高的严重等级。

企业要躲开这类事故，第一步是摸清家底：眼下有哪些Agent在跑，各自调用了哪些工具，又执行过什么操作。

在大会上能看到，腾讯围绕防止Agent越权落了不少子。据雷峰网了解，其新一代云安全中心新增了Agent资产盘点与行为审计两项能力，帮企业把Agent的运行状况握在手里；一旦发现恶意Skill、异常访问或数据泄露苗头，能够及时拦下。

当然，Agent并不只是被防范的对象，它同样能当安全人员的助手。找漏洞、识别黑产，这些活过去靠人一遍遍排查，现在可以交给Agent去做。

举例来说，腾讯云无境正试着让Agent扮演“黑客”，替企业提前把漏洞找出来。

按腾讯的说法，在一次针对在线教育SaaS平台的测试里，无境顺着真实攻击路径走，43分钟找出9个漏洞；另一场医疗预约平台测试中，它用34分钟发现了11个漏洞。

无境盯的是系统漏洞，腾讯云天御风控Agent盯的则是业务里的黑产。

大会上，腾讯云天御团队演示了一个“双十一”风控案例。工作人员只抛给Agent一句话：“结合外部情报，挖一挖大促存在什么风险，看看现有策略有没有缺口。”

30秒内，天御风控Agent检索了37条风险情报，扫描2140万笔订单，发现1000多笔订单集中流向4个地址。Agent据此判断，黄牛可能正在用一种新的“中转站”手法。随后它自动生成三条风控策略，拿过去14天的数据回测。腾讯披露，组合拦截率达到98.2%，误伤率低于0.02%。

03

Agent规模化，考验才刚开始

前两部分聊的是：数据问题解决了，Agent才能做对事；安全问题解决了，Agent才能不闯祸。

可当Agent成规模地进入企业，还有一个更长久的问题摆在面前：怎么让它们持续、稳定地干活？

首先，Agent跑在哪儿、由谁管、新技能从哪来，能不能按企业需求定制？腾讯云把Lighthouse Agent、ClawPro、SkillHub和Octop收进AgentHosting品牌，正是围绕部署、管理、运营和定制这几件事。

部署是头一步。腾讯云通用计算产品副总经理肖娜讲了他今年的一个切身体会：OpenClaw走红后，他们在深圳腾讯大厦办过一场“装机活动”，现场遇到不少特别的人，有62岁替孩子装机的母亲，也有退休的航天工程师……

大家对Agent是有渴望的，可当时OpenClaw部署起来太复杂，很多人的体验被卡在这一步。Lighthouse Agent推出的一个核心原因就在这里，让个人开发者和企业更省事地把Agent托管到自己的云服务器上，保持长期在线。

Agent进了企业，问题还会再变。数量从几个涨到几十、上百个，谁在用、能调哪些工具、花了多少Token，都得有一本明白账。

今年4月，腾讯云又推出ClawPro。这款产品面向企业，把云端和本地Agent统一纳管，集中管理组织权限、模型配额、Token用量和安全审计。企业还能把知识、技能和工作规范统一维护、分发给员工，并通过API把Agent接进现有业务系统。产品负责人黄绮婷提到，ClawPro目前已有1000多个企业客户。

一家做健康管理的公司把健康服务经验沉淀成技能，基于ClawPro搭起私人健康助理，嵌入原有App，已经卖出上千个智能体，给原来的业务添了一条收入来源。

Agent还得不断长出新本事。SkillHub做的是技能社区和市场，支持在对话里安装技能，也提供评测与安全检测；此次发布的SkillPay，让服务提供者把服务或API封装成付费技能，供用户和Agent按次购买、调用。Octop是一款开源、自托管的Agent引擎，从云服务器运维切入，开源社区在其上开发出更多场景方案。比如Octop与AI法律助手准典合作，推出一套智能合同审核系统，把应用拓展到法律场景，并支持对接长安链，可将Agent输出内容对应的引用资料与推理依据上链存证，产生争议时能快速完成取证与核验。

AgentHosting管的是怎么把Agent部署起来、管理起来。可当成千上万个Agent大规模进入生产环境，背后的环境撑不撑得住，同样是问题。

腾讯云李佳南在分享中说道，过去大量用户请求可以共享少量服务实例；如今Agent需要会话级隔离，相当于“给每个Agent分配一台云电脑”。这是什么概念？假设有10万个数字员工，背后至少要有10万个沙箱。这个规模是很恐怖的。这些云电脑既要各自保留工作进度，又要随时响应任务，挑战不小。

针对Agent进入大规模生产的需求，腾讯云也铺了一系列基础设施：Agent Runtime作为腾讯云Agent Infra企业级解决方案，从运行、治理、进化三域构建产品矩阵，覆盖Agent的执行、弹性调度、安全治理、运行观测与迭代优化等场景。

运行域里，开源项目CubeSandbox为代码和工具执行提供隔离的沙箱环境。

治理域里，AI网关把不同模型、MCP工具和Agent服务收拢到统一入口，企业不用反复改业务代码就能切换和调度模型，访问权限、安全风险和Token成本也能统一管理。

进化域里，TencentDB Agent Memory管的是上下文记忆，靠L0到L3四层记忆架构，让Agent跨会话延续用户背景和任务信息，还能沉淀团队记忆资产，项目自开源后多次登顶GitHub排行榜第一，已获得超30,000 Stars。

存储这一层，Agent CBS 扮演的是沙箱的“专属硬盘”角色。它靠快照和克隆实现环境恢复与并行探索，独立数据盘则能让业务数据跨会话保留下来。Agent CFS 给出的是可共享的文件工作区：多个沙箱按授权访问同一份数据，沙箱休眠后照样能查看、上传和下载文件，还支持多云数据统一纳管。至于文档、图片、视频这类工作产物，交给 Agent Bucket 打理——独立空间管理、分享、多模态检索，Agent 生成的东西更容易被找到、被复用。

模型能力要供得上，使用成本也得算得清。Agent 持续干活，模型调用就是一笔持续发生的开支。企业得想清楚：不同任务该调什么模型，哪些直接用现成服务，哪些要结合自家业务定制。

眼下 TokenHub 负责统一的模型接入和调度，企业可以按任务需要挑模型；TI-ONE 管的是模型训练、微调和部署，企业要定制模型、自己部署，走这条路。两条路各有各的选法，效果、调用规模、运维投入，账还得企业自己算。

WorkBuddy 是腾讯 Agent 布局里最容易被看见的一块，但只是其中一块。从应用到数据、安全和工程，腾讯为这场竞争备下的筹码，比这更多。