WorkBuddy如何让标准从真实协作中生长
2026-10-22
编者按：本文依据腾讯公司战略传播中心总监廖芳莉在第二届CEIC创新·标准化交流会上的演讲整理。
“标准不是写出来的，是无数buddy每天用出来的。”
这句话所指向的，不是用AI代替专家撰写标准，而是改变标准形成的起点：当大量企业与机构在同一平台上完成真实任务，反复出现的场景、需求、工具用法和交付方式，能不能成为标准最重要的原料？当这些经验能够被归纳、验证、推荐，并在更多任务中继续使用，平台能不能从办公工具进一步成为标准的策源地？
从工具到平台，再到标准，WorkBuddy所提出的并非三个彼此独立的产品标签，而是一条相互支撑的路径：工具解决具体任务，平台汇聚真实协作，真实协作产生共性，共性沉淀为事实标准，再经过专业提炼进入正式标准制定流程。
它讨论的因此不只是AI产品如何出海，更是产品实践如何成为标准创新的来源，以及企业如何从标准的使用者走向参与制定者。
01 从工具到平台：重要的不只是完成任务，而是把工作过程连接起来
聊天工具主要交付一个答案，任务型智能体则要交付一项工作。两者的区别，不只是回答更长或功能更多，而是后者开始进入工作的组织过程。
以会后整理为例，用户需要的往往不只是一段会议摘要，还包括提炼待办、对应负责人、形成表格，再把相关事项送达执行者。一个指令背后，实际上串联了内容理解、流程拆解、工具调用和成果交付。WorkBuddy的出发点，是把这条链路组织起来，让用户从逐项操作转向提出目标、接收交付。
要完成这样的任务，产品就不能只是某个模型的外壳。模型提供推理与生成能力，腾讯会议、文档、企业微信等工具承接具体工作，平台则负责把能力与流程连接起来。再通过接入不同模型，用户可以围绕任务选择能力，而不必每换一个模型，就重新建立一套工作方式。
这一步为什么与标准有关？因为完整的工作过程，比孤立的一次问答更能显现业务结构。用户要解决什么问题，通常拆成哪些步骤，调用哪些工具，最后接受什么样的成果，都可能在持续使用中形成可分析的规律。平台连接的不只是模型与工具，也连接了原本分散在不同应用和组织中的工作经验。
因此，从工具到平台的跃迁有两层价值：对用户，是减少完成任务的操作成本；对平台，是获得理解真实协作方式的机会。前者支撑产品被持续使用，后者才使平台有可能进一步参与标准的发现与形成。
02 “最大的平台”意味着什么：规模背后，是发现共性的能力
“最大的平台，沉淀事实标准”，其战略含义不只是争夺用户数量，而是把规模化使用转化为识别行业共性的能力。
一家企业的做法，可能只是自身组织习惯；一个任务的成功，可能依赖偶然条件。当数十万乃至数百万企业与机构持续进行日常协作，同类任务反复出现、不同做法不断得到实际检验，平台才有机会区分：哪些是个别用户的偏好，哪些是跨组织重复出现的需求，哪些做法具有更广泛的复用价值。
平台规模的意义，因而不止于“有多少人在用”，还在于能否观察到足够丰富的行业、任务和使用条件。高频模式说明问题值得重视，跨行业重复说明需求可能具有普遍性，不同条件下的反复使用则帮助识别方案的适用范围。
这也是数据脱敏在这条路径中的位置。要沉淀的不是某家企业的商业秘密，也不是某个员工的私人工作记录，而是在合规授权与必要保护下，从大量协作中抽象出的统计特征和共同结构。企业的具体内容可以不同，但任务结构、工具交互和成果要求可能存在共性。
用户规模只有被转化为对真实工作规律的理解，才可能成为标准化的资源。平台由此获得的潜在优势，不只是提供更多功能，而是更早、更系统地发现产业到底需要哪些共同规则。
03 四类共性：从海量协作中，究竟提炼什么
“真实使用是标准的原料”不能停留在一句口号。关键在于，如何把分散、具体、带有组织差异的工作，抽象为可以跨场景使用的规范。场景、需求、技术与应用四类共性，构成了从业务现象走向规范表达的不同层次。
场景共性：哪些工作在反复发生
场景共性关注高频办公活动的真实分布。会议整理、任务分派、巡检记录、资料汇总等工作出现在哪里、以什么频率出现、通常伴随哪些步骤，可以帮助判断标准化最值得从哪里开始。
制造企业的产线巡检与零售企业的门店巡查，表面上属于不同业务，但抽象后都可能包含检查对象、执行频次、异常记录、任务指派和结果反馈。识别这一层共性，不是抹去行业差异，而是把可以共同使用的协作结构与需要保留的专业要求分开。
由此，标准的适用范围不必机械地按行业名称划分，也可以围绕具有共同结构的任务来组织。
需求共性：用户反复要求解决什么问题
场景说明“发生了什么工作”，需求进一步回答“用户希望这项工作达到什么目的”。不同组织可能使用不同说法，但都要求任务不遗漏、责任可对应、进度能跟踪、结果可复核。
这类跨行业重复出现的诉求，可以帮助区分必要能力与个性化功能。某个企业喜欢怎样的界面，不一定适合写成共同规范；大量用户都需要交付结果明确对应责任人，则可能成为具有普遍意义的要求。
需求共性的价值，是让标准围绕真实问题组织，而不是把单一产品已有的功能清单直接改写成行业要求。
技术共性：不同工具与智能体怎样配合
同一类任务能否在不同系统之间完成，取决于工具如何发现、能力如何描述、任务如何交接，以及身份和权限如何确认。真实调用中的普遍用法，为接口、协议及互操作要求提供了实践线索。
在三层协议框架中，MCP连接外部工具与数据，A2A支持智能体之间的协作，AIP处理身份、授权与治理。它们分别回答如何使用工具、如何协同完成任务、以什么身份和权限执行。平台上的实际使用，则有助于进一步观察哪些交互方式最常见，哪些衔接环节经常失败，哪些约束需要被共同明确。
因此，技术共性不仅来自架构设计，也来自真实系统反复协同之后显现的要求。
应用共性：什么样的成果才算交付完成
任务最终要落在可使用的成果上。会议纪要、待办表、巡检记录或用工规划，名称和样式可以不同，但能否继续进入下一步工作，往往取决于一些相对稳定的信息结构。
例如，待办事项只有描述而没有负责人和完成要求，就难以进入执行。成果交付形态在实际使用中逐渐收敛，意味着用户不只是需要“生成一份文件”，而是需要一份包含必要要素、能够被后续流程承接的工作结果。
应用共性由此把标准化从输入与接口，延伸到交付内容和可用性要求。它关心的不是统一所有人的文档样式，而是找出一项工作得以完成、衔接和验收所必需的共同要素。
四类共性连在一起，形成了一条完整的问题链：哪些任务值得规范，必须解决什么问题，系统之间怎样配合，最后交付什么结果。这比单纯统计某项功能被点击多少次，更接近标准需要回答的问题。
04 AI归纳与持续推荐：事实标准是在使用循环中形成的
从数据中发现共性，只完成了第一步。要让共性成为可以复用的事实标准，还需要经历归纳、验证、推荐和再次使用的循环。
归纳，是把不同表达和不同流程背后的共同结构提炼出来；验证，是观察这种结构能否在更多真实任务中成立；推荐，则把已经显现出复用价值的做法带回用户工作中，让它继续接受检验。
这使平台不只是一个保存使用记录的地方，也可能成为经验传播的机制。一家企业在某类任务中形成有效做法，经过必要抽象与验证后，可以作为模板、流程或规则建议供其他用户采用。其他用户的实际使用，又会补充例外条件、暴露不适用之处，推动共同做法继续修正。
真实任务 → 归纳共性 → 推荐复用 → 更多任务验证 → 修正与沉淀，构成事实标准逐步形成的反馈循环。
这里的关键不是AI写得快，而是它有机会持续处理人难以逐一审阅的海量协作经验，并把分散经验重新组织成可复用的知识。规模提供观察基础，AI提供归纳和推荐能力，用户的反复使用则提供实践反馈。
事实标准也因此不只是平台发布的一套模板。只有某种做法持续被采用、能够跨越单个案例发挥作用，才具有从“一个建议”走向“共同做法”的基础。它首先存在于工作中，随后才被更清楚地表达出来。
05 从事实标准到正式标准：让每一条建议都带着实践依据
事实标准并不是这条路径的终点。更进一步的目标，是把已经得到实践支持的共同做法，提炼成可以提交专业机构审议的标准草案。
这需要经历几次转换。
首先，从具体行为转向统计依据。大量用户如何完成任务，要经过脱敏与分析，形成能够说明场景分布、需求重复程度和应用效果的基础，而不是把某个成功案例当作普遍结论。
其次，从统计规律转向规范条目。某种做法经常出现，说明它值得研究；要成为草案，还需要明确它适用于什么对象、在哪些条件下成立、提出什么要求，以及如何验证这些要求。AI可以帮助从共性中整理规范建议，专业人员则需要判断其必要性、合理性与可实施性。
最后，从平台经验转向专业审议。草案向信通院等专业标准机构推荐后，还要进入相应的标准研制程序，接受技术讨论、利益相关方协商与正式审查。平台提供的是具有实践依据的提案，不是自行宣布行业都应遵守的结论。
这条路径的分量，在于改变了规范建议的证据基础。理想状态下，一条建议不仅能说明“我们认为这样做合理”，还能够展示它来自哪些真实任务、在多大范围内重复出现、经过怎样的使用检验，以及已知的适用边界是什么。
数据基础 → 事实标准 → 标准草案 → 正式标准，不是把数据自动变成标准，而是让每一个阶段都为下一阶段提供更充分的依据。事实标准使草案不必从零想象，专业审议则使平台经验有机会超越单个平台，成为更广泛的共同规则。
06
自底向上的行业共识：为什么强调“不是paper work”
“标准不是写出来的，是无数buddy每天用出来的”，强调的是标准的生命力从何而来。
如果规范先于充分的问题识别，条文即使完整，也可能与实际工作脱节。发布之后，还需要重新说服企业采用、投入资源改造流程，并在应用中发现原先没有覆盖的情况。规范与实践之间的距离，最终表现为难落地、难维护的paper work。
自底向上的路径，则试图把这个次序改变过来：先在真实任务中形成可重复的做法，再归纳其共性，最后用规范语言表达。进入草案阶段时，它已经拥有一定的使用基础；进入正式审议时，也能够带着实际问题与验证材料展开讨论。
“共识先于规范”的含义，是实践层面的共同选择可以先于正式文本形成。用户在日常工作中采用、修正或放弃某种做法，持续表达了它是否有用。标准研制由此不再只是寻找一套应然方案，也是在识别和完善已经在实践中形成的秩序。
这并不是否定专家的作用，更不是说所有传统标准都来自闭门想象。真正改变的是专家与实践之间的关系：专家不必只依赖有限调研来推断需求，而可以围绕更丰富的真实协作证据，判断哪些经验值得上升为规范，哪些只是个别习惯，哪些还需要补充验证。
同样，“随使用迭代”首先发生在平台实践与事实标准层面。持续反馈能让问题更早暴露、修订依据更充分；正式标准仍按照相应程序更新。两者衔接，才可能让标准既保持稳定性，又不脱离不断变化的工作现场。
07 市场基础、专家基础、群众基础：为什么三者缺一不可
从工具到平台，再到标准策源地，最终需要回答一个问题：为什么这类平台提出的标准建议值得被认真讨论？市场基础、专家基础与群众基础，分别提供了不同的支撑。
市场基础，回答“有没有真实需求”。企业愿意持续使用并为实际价值付费，比一次性的演示或试用更能说明问题值得解决。标准化议题如果来自持续发生的协作活动，就更有机会对接真实成本、效率和业务要求，而不是为形成一份文件而寻找应用场景。
专家基础，回答“能否成为经得起推敲的规范”。使用者觉得好用，不等于相关要求已经足够准确、完整或公平。专业标准机构与行业专家的工作，是把产品经验转化为可审议的技术表达，检验适用范围、例外条件和验证方法，并处理不同参与方之间的分歧。
群众基础，回答“是否已经进入广泛的日常实践”。大量实际使用者不仅是最终接受标准的人，也是共同做法的创造者和检验者。他们通过日常使用持续贡献经验，使标准工作有机会从少数人的有限观察，走向更广泛的实践基础。
三者不能相互替代。付费不能代替技术论证，专家认可不能代替真实应用，大量使用也不能自动代替正式程序中的协商一致。它们结合起来，才构成一条更有生命力的路径：由市场证明问题，由使用者提供实践，由专业力量将实践提炼为共同规则。
WorkBuddy成为各行各业“标准buddy”的设想，正建立在这三种基础的连接上。它不是要取代标准机构，而是希望成为连接真实工作、共性经验和专业制标过程的伙伴。
08 出海的更深一层：不仅输出产品，也参与共同规则的形成
出海让这条路径的意义进一步显现。进入不同市场，产品不仅需要语言本地化，还要理解用户的工作习惯、工具环境与当地规则。面向企业出海的相关服务案例AI Navigator+，提出的正是从语言翻译走向“规则翻译”：把用工、税务、法律及市场准入等信息组织成可以支持企业行动的工作材料。
跨市场应用也使平台同时面对两类问题：哪些协作需求可以跨地区复用，哪些要求必须服从本地差异。前者为共同接口与协作规范提供基础，后者帮助明确规范的适用条件。国际化因此不只是扩大产品触达，也是检验通用能力与本地要求如何组合的过程。
当不同厂商的智能体需要相互协作，MCP、A2A、AIP所对应的工具连接、任务协作和身份治理，构成参与生态的重要基础。但更深一层的机会，是把跨组织、跨行业乃至跨市场的实践经验，转化为可以共同讨论的标准建议。
从这个角度看，产品与标准并不是先做完一个、再开始另一个。产品进入真实工作，带来标准化原料；共同规则降低连接和协作成本，又反过来扩展产品的应用空间。中国企业的机会，也不只在于开发更多使用既有协议的产品，而在于带着经过实践检验的问题、方案和证据，参与下一阶段规则的形成。
09 结语：从帮助人完成工作，到帮助行业发现共同的工作方式
WorkBuddy从工具到标准的路径，最值得关注的不是多了一项“标准化功能”，而是平台价值的进一步延伸。
作为工具，它帮助用户完成一项工作；作为平台，它连接模型、工具与组织流程；作为潜在的标准策源地，它尝试从大量工作中发现共同结构，把分散经验转化为可复用的事实标准，再与专业机构一起推进规范化表达。
这条路径真正需要贯通的，是两种积累：一端是无数用户每天完成真实工作的实践积累，另一端是专业标准机构长期形成的知识、程序与公信力。AI的作用，是在二者之间增加一条规模化归纳、持续验证和反馈的通道。
标准最有生命力的状态，不只是被发布出来，而是从真实工作中生长，又能回到真实工作中持续发挥作用。
从工具，到平台，再到标准的策源地——这才是“标准buddy”所指向的更大空间。
协议缩写速查
缩写英文名称本文含义MCPModel Context Protocol模型上下文协议；连接外部工具、数据源与服务A2AAgent-to-Agent / Agent2Agent智能体间协议；支持智能体发现、通信与任务协作AIPAgent Identity Protocol智能体身份协议；关注可验证身份、委托授权、权限控制与治理
