腾讯的AI产品线，如今看起来像是连锁经营模式。
WorkBuddy主攻办公场景，CodeBuddy协助编程，DataBuddy处理数据分析，MusicBuddy则助力音乐人创作。
现在，腾讯地图也推出了自己的AI工作台。
不久前，腾讯地图发布了一款桌面端AI产品，名为LBSwork，专注于零售、出行、文旅等垂直行业，提供地图开发、数据分析及经营决策等功能。
尽管这款产品没有采用MapBuddy的命名，但其底层框架与WorkBuddy同源，均基于Harness。
我仔细浏览了LBSwork的官网。从产品预览图中的对话框、任务列表、知识库、专家、技能和连接器等元素来看，它与WorkBuddy颇为相似，不信可以对比以下两张截图。
LBSwork产品界面👆🏻
WorkBuddy产品界面👆🏻
看来，WorkBuddy的模式已经开始被腾讯的其他业务部门借鉴。
关键问题是，WorkBuddy的成功经验，能否被大规模复制？
01 WorkBuddy的模式，腾讯正在多地推广
今年3月，WorkBuddy正式上线。
经过数月的运营，它已成为腾讯AI产品中的标杆，尤其在桌面端AI办公Agent领域表现突出。
根据易观分析的数据，2026年9月，WorkBuddy桌面端月访问量达到8534万次，在所统计的20款AI原生办公智能体中排名第一。这里统计的是访问次数，而非独立用户数。
这样的成绩，想必会吸引腾讯内部其他业务团队的兴趣。
以往开发AI产品时，技术团队需自行处理模型调用、任务管理、工具执行和权限控制等问题。如今，WorkBuddy已构建了一套Agent技术框架，其他业务团队可以复用。
LBSwork就是一个最新案例。
腾讯地图并未从头开发一套独立的Agent框架，而是采用了与WorkBuddy同源的Harness。
简单来说，Harness负责让AI高效执行任务。用户提出需求后，AI需明确调用哪些工具、按什么顺序执行、出错时如何处理，以及最终如何交付成果。
有了这一基础，业务团队可以更专注于自身专业领域。
腾讯地图集成了地图数据、路线规划、空间分析等能力；音乐业务则接入了创作工具；数据分析业务整合了数据库和数据处理功能。
同一套技术思路，换个行业就能应用。
对于业务多元的腾讯而言，这无疑具有吸引力。
腾讯旗下业务繁多，若每个团队都从零开发AI Agent，重复投入将非常巨大。技术框架的复用，有望提升产品研发效率。
常有读者问：既然都基于类似的技术框架，腾讯为何还要不断推出新的独立工作台？难道每个业务部门都需要自己的“Work”？
02 腾讯地图也能助力老板开店？
首先，我们来了解LBSwork的具体功能。
官网为其设计了七位地图专家，涵盖地图可视化、日常出行、营销洞察、零售选址、网约车、人群热力和物流履约。
其中，人群热力和物流履约标注为“即将上线”，其余五个是当前重点展示的场景。
这些功能中，我对零售选址尤为感兴趣。
假设你想开一家奶茶店，选址可能是最令人头疼的问题。
商圈内有多少人？年轻消费者占比如何？附近已有几家蜜雪冰城或霸王茶姬？这条街的消费潜力究竟如何？
过去，这些信息多依赖线下调研、商业数据分析以及拓展人员的经验。
LBSwork现在希望让AI参与其中。
根据官网介绍，企业可将过往的选址经验整理成知识库，再由AI依据这些标准评估候选店址，生成选址报告。
若企业拥有足够的历史经营数据，还可尝试建立销量预测模型，估算新店的未来销售情况。
想象一下，老板将几个候选位置输入AI，让其分析哪个更适合开店。
几分钟后，得到一份包含地图、图表和分析结论的报告，确实颇具吸引力。
当然，报告撰写得再精美，与开店能否盈利，完全是两回事。
AI认为某地人流量大，但门口可能修路半年；AI判断商圈消费力强，实际房租却高得离谱。若老板全盘接受，后续付出的代价可能不小。
因此，我对该功能最大的兴趣在于，它能否准确处理真实的商业数据。
其他场景也颇具趣味。
例如，LBSwork可通过一句自然语言生成地图看板、可视化大屏，甚至将李白一生游历的地点制成足迹地图。
这有点像Vibe Coding，不过它专门针对地图应用开发。
还有一个相对小众的场景：网约车判责。
司机投诉导航绕路，乘客质疑路线问题，平台需查看行程记录、分析路况，再判断原因。LBSwork展示了让AI结合行程日志分析异常、辅助处理工单的功能。
相比开店选址，这类业务场景更容易衡量效率提升。
但目前我未获得LBSwork的内测权限，这些功能的实际效果尚无法验证。尤其涉及位置大数据和行业数据分析，还需相应的账号授权。
官网介绍得很全面，产品究竟有多少实战能力，仍需用户检验。
03 高德、百度：腾讯你来晚了
若只看腾讯的发布会，可能会觉得AI地图工作台是个新鲜产品。
但高德和百度早已布局类似领域。
先说高德。
今年7月16日，高德正式发布了商业智能体“高德问店”。
这款产品主要面向商家，提供选址分析、商圈评估、门店经营诊断，并生成分析报告，支持PC端和移动端协同。
例如，你想开一家咖啡店，可让其分析候选位置，比较不同商圈的情况。
听起来是否与LBSwork相似？
而且高德也拥有自己的时空智能体平台，提供MCP、Skill等开发能力，布局已覆盖多个行业场景。
再看百度。
百度地图的慧眼业务，早已提供商业选址、客群分析、区域研究、业绩预测等服务。
现在又推出了“小度想想-慧眼版”，利用AI智能体辅助商业选址和数据分析。
针对地图开发，百度还推出了脉芽MAPYA，可用自然语言辅助查询地图API、生成代码、完成开发任务。
若将腾讯、高德、百度这几家的产品放在一起，会发现大家都在做类似的事情。
以前是地图API、位置大数据、行业解决方案，现在纷纷加入大模型、Agent、Skills，并搭配自然语言交互界面。
腾讯的LBSwork在产品整合方式上自有特色，但仅凭一个桌面AI工作台，很难建立明显优势。
况且，商业选址本就是一个专业市场，客户不会因某家公司发布了新Agent，就立即更换原有系统。
对企业而言，最重要的仍是数据质量、业务能力和分析准确率。
打个比方。
假设腾讯、高德、百度的AI都为同一家奶茶店推荐了三个不同位置，老板该相信谁？
总不能三家都开一家，看看谁说得对吧。
最终还需比较各家的数据依据、评估方法及实际预测效果。
AI生成报告越来越容易，但报告背后的数据和判断才是关键。
腾讯地图过去积累的位置服务能力，在这方面有一定基础。高德、百度同样经营多年，谁也不是新手。
地图行业的AI竞争，恐怕不会因大家都做出一个类似WorkBuddy的界面，就分出胜负。
04 复制WorkBuddy，恐怕没那么容易
WorkBuddy的经验有多少可复制到LBSwork？
我认为需分开看待。
技术框架可以复用，界面交互可以借鉴，甚至专家、技能、连接器等产品模块，也可采用类似设计。
但用户需求差异很大。
WorkBuddy面向职场办公人群。整理文档、制作PPT、处理Excel、搜索资料，这些是许多人每天的任务。
用户也较易判断其是否实用。
一份PPT做得不好，修改即可；Excel处理有误，重新运行一次也不算什么大事。
LBSwork服务的则多为专业客户。
一家连锁企业不会每天开十家新店，网约车平台也不可能让未经验证的AI处理所有复杂工单。
这些客户更关注数据安全、系统稳定性、业务流程适配和分析准确率。
尤其是商业选址。
WorkBuddy做错一份PPT，最多浪费你十几分钟。LBSwork若给出严重失真的选址报告，老板可能损失数十万元。
用户对两款产品的信任要求显然不同。
还有商业模式。
WorkBuddy可通过通用办公需求吸引大量个人用户，再逐步探索付费服务。
但LBSwork面向的许多专业场景，需要位置大数据、行业数据和企业经营资料。
使用门槛高了，潜在客户数量也会受限。
当然，企业客户的付费能力可能更强。一家连锁品牌若真能通过AI改善选址效率，花钱购买服务也说得过去。
前提是产品得有可靠结果。
因此，腾讯可将WorkBuddy的技术和产品经验搬过来，却很难直接照搬其用户增长方式。
同样的框架，换个业务场景，可能就是另一门生意。
05 腾讯真的需要这么多WorkBuddy吗？
常有读者问类似问题。
既然LBSwork和WorkBuddy使用同源技术框架，为何不直接将地图能力接入WorkBuddy？
例如，WorkBuddy已拥有技能体系，用户要做商圈分析、地图可视化、路线规划，能否直接安装对应的Skill？
对一般用户而言，这种方式或许更方便。
否则，以后做一份市场分析报告，先打开LBSwork生成地图，再切换DataBuddy分析数据，最后回到WorkBuddy整理PPT。
本想借助AI提效，结果自己成了几个AI同事之间的协调员。
当然，独立产品也有合理性。
LBSwork涉及大量专业地图能力，需复杂可视化界面，还要对接企业账号和行业数据。专业客户可能更愿意使用独立工具。
而WorkBuddy作为通用办公Agent，没必要将所有行业的复杂功能都塞进一个客户端。
但腾讯需解决一个问题：这么多AI工作台，未来究竟如何协同？
从目前公开的产品布局看，腾讯已有通用办公、代码开发、数据分析、音乐创作、地图分析等多个方向。
有些产品功能本就可能重叠。
企业用户想分析数据，究竟该找DataBuddy，还是LBSwork？想制作地图看板，该用CodeBuddy写代码，还是直接让LBSwork生成？
若每个团队都站在自身业务角度设计独立Agent，产品可能越做越多，用户反而越来越难选。
这让我想起过去互联网大厂做App的情况。
一个需求火了，内部不同团队可能都会尝试。等产品铺开后，又开始考虑入口整合、账号打通、功能协同。
AI时代若继续这样，最后可能真要弄出一个“腾讯Buddy全家桶”。
AI Agent多起来后，产品间的协同确实会成为问题。
尤其当AI逐渐能自动调用其他AI的能力时，用户可能更希望有一个统一入口，直接交付任务，至于背后调用的是哪款Buddy，未必需要关心。
目前腾讯既在做独立Agent产品，也通过Skills、MCP和连接器开放能力。最终是否会形成统一入口，尚难判断。
但我至少希望，腾讯别让用户为管理AI，反而增加一堆额外工作。
06 腾讯能复制出第二个WorkBuddy吗？
最近几个月，腾讯AI产品的更新速度确实很快。
从通用办公到编程、数据、音乐，再到地图，越来越多业务团队开始尝试Agent产品。
LBSwork的出现，说明WorkBuddy积累的技术能力正被其他业务应用。
这对腾讯是好事，毕竟成熟技术能复用，总比每个团队重复造轮子强。
但我并不认为所有业务都需要单独做一个WorkBuddy。
有些适合独立App，有些做成Skill就够了，还有些能力直接嵌入现有业务系统，用户可能更愿意使用。
腾讯过去推出过那么多产品，真正能长期留住用户的，终究只是其中一部分。
AI产品也不例外。
LBSwork现在才刚刚开始内测，竞争对手高德、百度已在相关方向上有所积累。腾讯能否凭借自身的地图数据、企业客户资源，以及WorkBuddy的技术底座取得优势，还需观察。
我倒是挺想看看，未来腾讯会不会让这些Buddy打通，形成一个完整的AI产品生态。
例如，WorkBuddy负责接收任务，DataBuddy处理数据，LBSwork做地图分析，最后再交给其他工具生成报告。
若真能实现这种程度的协作，腾讯这些年积累的产品和业务资源，或许就能发挥更大作用。
当然，前提是它们真的能把工作做好。
腾讯可以批量推出WorkBuddy式的产品，但用户不会因为它们都姓Buddy，就挨个下载安装。
本文来自微信公众号 “人人都是产品经理”（ID：woshipm），作者：怪哥，36氪经授权发布。
