腾讯40+款Agent产品落地：企业级智能体怎么进生产
从能用到进入生产：腾讯如何构建企业级Agent生产力系统|甲子光年
月底对销售负责人来说有件绕不开的事：查清哪些客户回款逾期、为什么逾期。放到企业Agent身上，这活儿比翻一张报表难得多。客户管理、合同、财务几个系统得打通，发票和跟进记录要逐项核对。同样是这个问题，销售只能看自己名下的客户，主管能看到被授权的团队数据，财务人员的权限又是另一套。
这个例子出自腾讯云智能体开发平台ADP负责人马雁翔，他在腾讯全球数字生态大会上讲了它。模型如今已能听懂指令、调用工具，可每家公司都有自己的流程和权限。Agent能不能把活真正干完，要看它懂不懂这些规则，能不能跨系统把任务执行下去。
AI投入能不能换来业务价值，这个疑问也越来越压人。Gartner在2026年10月公布的CEO调查里，44%的受访CEO表示难以向利益相关者证明AI的财务回报；63%认为重构运营模式是加速价值兑现的重要举措；52%把为员工部署AI Agent列为重要方向。
10月29日至30日，腾讯全球数字生态大会在深圳召开。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生把话说得很直接：员工用AI Agent提效已是必选题，“否则不进即退”。
他的判断是，企业落地Agent卡住的地方不在模型够不够强，而在断点太多：AI能写方案、能做分析，却接不上业务系统，也拿不到数据。要落地，关键在连接——把人、工具、系统和数据连起来，让Agent理解业务、参与实际工作。围绕这一点，腾讯将从办公协同、数据管理与业务执行三大场景入手，帮企业搭一套可运营、可进化的智能生产力系统。
同一场大会上，AI产品发布台两天时间里围绕应用、数据、安全和工程四个板块，集中推出了40+款Agent产品。从员工日常使用的工作入口，到业务应用开发、云端运行和安全治理，腾讯想搭的是一套完整产品体系，支撑Agent走进企业生产环节。
1.超级个体，不等于超级组织
汤道生为这次大会的演讲做准备时，先把思路交给WorkBuddy梳理，随后用元宝核对信息，来回讨论、反复修改。人与Agent这样搭班干活，已经成了日常的一部分。
国家数据局的统计显示，中国日均Token调用量在2024年初是1000亿，到2026年7月已超过500万亿，涨幅超过5000倍。
可个人手里有个好用的AI助手，并不代表组织就自动多出生产力。
WorkBuddy高级产品经理李俞提到，员工手上的资料分散在各家AI工具里，换个应用就得把项目进展再讲一遍，账号和权限还得企业分头管。不少公司养出了一批会用AI的“超级个体”，协作方式却没跟上。
李俞说：“超级组织不是买出来的，是长出来的。”
腾讯这次发布的Buddy One办公套件，就是给出的一个答案。它以WorkBuddy作为工作台，把腾讯文档、ima等产品收进来，账号和使用管理也纳入同一套体系。文档内容和编辑记录能让Agent看懂进展，ima负责知识管理，资料和Agent产出则集中存到腾讯网盘。
按汤道生的描述，协作方式会变成这样：团队讨论完把需求交给AI，Agent先出初稿，员工再修改、验收，成果沉淀进知识库。下一个任务启动时，Agent能调用现成资料接着团队的进度走，项目背景不用重新讲，文件也不必员工一遍遍转手。
办公之外，经营管理是另一道坎。ERP、CRM和财务软件攒下大量数据，查询方式却各管各的。汤道生提到，数据工程师做一张经营报表可能要两三周，管理者看完再追问细节，报表更新又得等几周。数据齐了，决策时机可能已经过了。他的判断是，速度本身就是竞争力。
腾讯的办法是用MCP接口和Skills，让WorkBuddy接上企业原有的管理系统。腾讯云经营服务智能体磐石小O能让员工直接查销售业绩、客户情况和回款进度，不用挨个系统翻报表，操作可审计、可追溯。销售拜访前，它把CRM数据和公开信息合起来，备好客户动态和沟通建议，帮着约会议；拜访结束后整理报告、生成待办，需要时发起审批。
在汤道生看来，办公协同、数据管理和业务执行是企业Agent的三个重要场景。WorkBuddy已经让员工用企业信息更顺手，可客服、销售、营销这些专业任务各有各的业务规则。Agent要接手，企业得能按业务需求自己构建和管理智能体。
2.业务智能体的价值，终究要在经营里兑现
这次腾讯拿出的智能体应用产品，串起了智能体开发和行业运营的多个环节。具体来看，腾讯云智能体开发平台ADP负责帮企业搭业务智能体；音视频AI平台WAND把多模态模型汇到一起，压降内容生成的成本；腾讯云实时智能能支撑实时对话，还会把交流内容转成业务记录；元宝搜索给出的外部信息可以追溯；天籁语音大模型管的是多人、多语种语音；腾讯企点营销云MAGIC AI把客户分析和营销活动连起来，腾讯云Mall的云小莫则帮商家打理私域生意。
腾讯对企业如何构建智能体，思路集中体现在ADP的升级上。马雁翔讲了一家客户的故事：这家公司在ADP 3.0时期就搭了几十个智能体，今年又想用Agent来识别供应链风险——先检索公开的原材料和供应商风险事件，再结合内部数据判断哪些供应商、零部件可能受波及，最后产出一份深度分析报告。
客户看重的不只是Agent能自主执行，过程可不可控、Token成本划不划算同样在考量之内。ADP的安排是：固定的大批量检索交给工作流，交叉验证和深度分析由云端Agent来做，任务灵活性和成本两头兼顾。新版ADP还把自然语言引进了构建环节。业务人员把需求说清楚，平台就能帮着搭智能体和工作流，配置、预览、调试、评测都在同一个工作区里完成。
大会展示的养老信托场景是个现成的例子。员工提出要给老年客户做养老信托咨询，平台随即生成智能体，连同相关知识、工具和流程配置一并给出。ADP还把智能体和站点服务接到一起：前者管分析和执行，后者承载操作页面、业务逻辑和数据状态。这样一来，企业能直接搭出完整的业务应用，不用停在单个智能体上。
Agent跑起来只是第一步，能不能长期稳定工作才是关键。ADP这次升级的云端Agent Harness，管的是任务执行、记忆、工具调用和沙箱调度。员工把电脑一关，长任务照样在云端接着跑，沙箱按需启停，资源不至于空耗。业务人员要是发现结果不对，可以直接反馈，平台据此生成候选优化准则，人工审核并做样本复评之后才启用。
建好的Agent可以经由AgentPortal按部门、岗位分发下去，也能进到WorkBuddy里。反过来，员工在WorkBuddy中跑通、验证有效的工作流，能通过ADP连接器转成企业智能体，统一管理并推广。新版ADP开放了130多个Open API，覆盖十个模块，员工攒下的工作方法由此变成团队可复用的能力。
伊利已经把这套协作搬到了销售现场。WorkBuddy先把经营数据汇到一起、形成策略，再下发给上千名导购，整体运营提效超过50%；ADP导购智能体负责商品推荐和沟通话术，A/B测试显示销售订单提升26%。分析报告出得更快当然要紧，可策略能不能被一线用起来，才决定它是否真的带来经营收益。
另一项需求是及时、可靠地拿到外部信息。元宝AI搜索总经理叶莎妮提到，企业客户常反馈AI回答慢、不准确，甚至答不上来。模型承担的任务越复杂，信息的时效与出处就越重要。
元宝搜索此番升级后，把公开网络、腾讯生态和行业信源汇到一处：先做多源召回与排序，再做结果增强，最终给出结构化信息以及可核验的来源。索引规模为千亿级，已接入157个以上权威垂直领域接口，日均调用数亿次。企业不必自建搜索系统，走API、MCP或Skill即可调用。
叶莎妮说：“没有出处，答案再漂亮也难以置信。”
语音则让Agent能处理更多会议和电话里的业务信息。腾讯云副总裁、天籁负责人商世东提到，一位头部客户已经不只盯着识别效果，更希望语音AI帮业务增收，出问题时还能准确定位原因。
天籁此次一口气推出三款大模型。语音理解模型会借助会议文档、屏幕分享、参会人信息等上下文来辅助转写，在交替发言和重叠发言里分辨出是谁在说话，覆盖16种语言及多种方言，并通过多轮精修把准确率往上提；语音生成模型走端到端架构，自然对话、方言表达都支持，复刻声音只需5到10秒；同声传译模型在讲话人不停说话的同时给出翻译，还能保住对方的音色。三款模型都已上线腾讯云语音服务。
Agent接手的工作越多，企业就越要解决持续运行、成本管控和团队共享这几件事。
3.装机只是开始，管得住才能规模化
今年3月6日，腾讯大厦楼下办了一场OpenClaw装机活动，队伍排得很长。来的人里有带着孩子的，也有退休工程师专门赶来体验。那会儿，能把Agent装成功、再接入QQ，就够让人兴奋了。
半年多过去，腾讯云通用计算产品副总经理肖娜注意到，用户的要求变了：装好不算完，最好交代一件事，第二天直接拿到结果。腾讯自己的研发流程同样在变。过去一天发一个版本都很难，现在有些企业产品由产品经理在三个小时内完成构建和上线，研发人员把精力放在架构和质量验证上。
于是腾讯云把云端自托管Agent产品整合升级，定名AgentHosting，品牌理念叫Always Here：人离开电脑没关系，云端的Agent始终在，任务照常往下走。
围绕这个理念，腾讯云给出Here to Run、Here to Govern、Here to Connect三个方向，分别对应持续运行、组织治理和能力连接。腾讯披露的数据是，相关产品已支撑百万级Agent在云端稳定运行，服务上千家企业。
该品牌下有四款产品。第一款管部署和常驻，叫Lighthouse Agent，面向个人和开发者——OpenClaw、Hermes等Agent可以一键部署到用户自己的云端实例上。本地电脑关了，任务还在跑；记忆插件会留下背景和偏好，省得反复交代。
任务复杂时，用户还能让多个Agent分工：领航员把任务拆开，交给行业分析师、程序员这类专业Agent，最后汇总结果。每个Agent的模型可以单独配置，简单活儿不必烧昂贵的算力。接入腾讯会议、腾讯文档之后，它也能处理日常办公任务；遇到账号登录、文件上传这类得人工操作的环节，Agent会通过云桌面请求接管，处理完再接着执行。
可企业要是同时跑几十上百个Agent，麻烦就不只是让它们保持在线了。肖娜算过一笔账：用顶级模型去调一页PPT的字体和色号，最终花掉几百元——这笔钱够请资深设计专家干半天，结果只换来一次简单排版。每个Agent该干什么、有多大权限、要花多少成本，企业都得提前定清楚。
ClawPro要接的正是统一治理这摊事。产品负责人黄绮婷注意到几种情况：有员工盼着公司直接把配好的Agent发下来；熟手调出来的Skill只在群聊里传来传去，一更新又得重发一遍；管理者也看不清整个团队到底怎么用。
这款产品今年4月启动公测，此次正式全量发布。它能统一纳管分布在云端和本地的多个Agent，按组织分发配置与技能，并用四级权限隔离来管模型、技能和配额。企业可以集中查看Token消耗、做安全审计，还能借API把Agent嵌进业务系统。
一家财税代账企业把资深会计的经验做成Skills，经ClawPro分发给员工。结果单个会计服务的客户数从200多家涨到400多家，整体效率提升50%。目前ClawPro已服务超过1000家企业。员工不用再各自从零配置Agent，成熟的工作方法也能在组织里快速铺开。
经验攒下来，还得持续流动，才能形成能力供给。AgentHosting旗下的SkillHub负责技能的发现、评测、更新和分发，开发者和企业可以找到并复用现成的专业技能；SkillPay接着打通技能的付费与交付，让有价值的经验不光能分享，还有机会变成持续供给。
产品体系的另一头，是往专业场景里扎。腾讯云开源、可自托管的AI Agent引擎Octop从云服务器运维切入，把Agent能力落到具体工作上。开源三个多月，其GitHub Star数已超过1.1万。社区里已有法律科技企业基于Octop搭起合同审查工作台，并接入长安链，为AI引用的依据存证。
从Lighthouse Agent让任务持续执行，到ClawPro统一治理、SkillHub流通专业能力，再到Octop深入行业场景，AgentHosting要回答的已经不是装一个Agent方不方便，而是大量Agent如何长期干活、持续拿到新能力，并接进企业原有的业务系统。
对企业来说，装了多少个Agent并不关键，关键是能不能把它们带成一支可管理、能协作、会积累经验的数字员工队伍。
4.Agent进入生产，最终要算经营账
当Agent开始介入企业的经营决策，光能取到数据还不够，它得真正读懂数据指的是什么。销售额就是一个例子：同一个词，各部门的统计口径未必一样。哪怕Agent查得了数据库，也未必摸得清业务里的门道。
这次腾讯发布的AI原生多模数据库TDSQL Nexa Lakebase，靠Nexa Knowledge搭出一个能持续演进的语义层，让Agent理解企业数据以及数据之间的业务关系。多模AI数据底座TDSQL Boundless用一套内核同时管事务、宽表、分析、搜索和语义检索；TDSQL-C PostgreSQL提供的是弹性、隔离的数据库后端；TencentDB Agent则把腾讯云多年攒下的数据库运维经验封装成Skills，让Agent分担一部分DBA的活。
数据读懂了，接下来要保证用起来安全可控。AI产品发布台上的七场安全分享，话题从网络攻防一直延伸到业务风险防控。腾讯云AI Agent网络全链路安全方案能统一用户与Agent的身份，做细粒度授权，识别多轮对话里的风险，并按需实施数据脱敏、人工接管或阻断。Agent因此既能拿到完成任务所需的权限，又能在清晰的安全边界内行事，企业也敢把更多业务交出去。新一代云安全中心则把主机、容器和云安全态势管理整合到一起，让安全防护从被动响应转向主动运营。
腾讯云无境则让AI自己去跑渗透测试。腾讯披露的数据是：单站验证平均耗时约91分钟，成本在百元级，帮助企业更高效地找出漏洞。业务侧的天御风控Agent则结合黑灰产情报，基于AI，只要对话就能随时随地把业务风险分析和策略调优做完。
这些基础能力未必直接拉动销售增长，但企业敢不敢把更多业务交给Agent，很大程度上取决于它们。腾讯的底子在于，企业微信、腾讯文档等产品早已进入大量企业的日常协作，腾讯云又攒下了服务不同行业客户的经验。从员工熟悉的工作入口切入，再往业务系统延伸，参与企业经营流程，这条路腾讯是有机会走的。
把腾讯这次44场集中发布放在一起看，从应用构建到数据、安全和工程能力，布局已经不只是单一AI工具。汤道生提出的可运营、可进化的智能生产力系统，说明腾讯正一步步深入企业的日常经营。
Agent能不能真正成为企业生产力，说到底还得看业务结果。
对腾讯来说，光让更多企业部署Agent还不够，让客户愿意把更重要的工作交过来、并在长期使用中拿到收益，才是关键。专业经验能不能在组织里持续沉淀，复杂任务能不能由Agent稳定完成，这两点将决定AI是停在个人效率提升，还是进一步改变企业的经营方式与竞争力。
