号外号外!WorkBuddy终于又能签到了,每天150积分,而且新推出了「专家团」功能,体验就送500积分,赶紧去薅!
签到功能点开客户端右下角你的头像就能看到:


友情提示,可以先随便召唤一个专家团,看到网页能领积分就停止任务;后面试用专家团测试内容较长,结论是太费积分,建议观望,领积分的朋友可以划走了
所谓专家团,其实就是多Agent协作,对于折腾过小龙虾的朋友来说不会陌生。也算是WorkBuddy召唤专家功能的升级版。底层就是把一个任务拆解成多个流程,由不同的专家来执行,最终汇总并交付。目前处于Beta测试中:

我第一眼看过去,设想的是,基于内置的一百多个专家,自行挑选并配置成一个专家团,结果并不是,至少目前并不是,不知道那个尚未开放的「我的专家」是否能实现此功能。
我数了一下,官方给你配好了32个专家团,分布于12个分类功能,其中大部分都是workbuddy团队的,还有少部分是“特邀专家”,其中看到了花叔:

从调用量上来看,「软件开发团队」遥遥领先,接近30万次的调用,比第二名「交易分析团队」足足多了23万+次:


召唤专家团首先会看到一个温馨提示:

这个提示很有必要,我测试了三个专家团,一共耗费了近千积分。接下来容我逐一介绍:
第一个测试的是「中文法律咨询团」,毕竟是我的专业:

看到介绍里面有法条研究、判例分析,忽然就想到我刚做的一个「法条校验」skill(自制、开源,后续会单独写一篇来发布)。
制作这个skill的初衷,就是因为一份法条适用错误的代理意见,测试的时候我专门制作了一份脱敏版的代理意见文档。
文档的问题在于,引用的法条文本正确且现行有效,但不符合司法解释定义的适用情形,因此属于错误使用。刚好拿来测试一下这个专家团:


由于我的WorkBuddy中安装了法条校验技能,因此我输入提示词的时候特意强调了不调用该技能,只使用专家团。
为了保证测试结果,模型我也选择了测试技能的时候我使用过的免费模型和内置模型。
运行后,专家团会调用团队各个专家,看这个样子应该是调用了6个,主理人+5个专家,每个专家都有各自的姓和特定身份,两个模型都是一样:

你也可以在右侧栏看到每个agent的工作内容:

用免费模型的时候,刚开始就提示token不足,没办法我又新注册了一个,然后它直接把我一个刚注册的2000多万的glm免费token全部耗光了;内置模型耗费280积分左右。
在工作区新建了交付物(deliverables)文件夹,两个模型都耗时较久,约10分钟,也都产出了一份200多行的报告,包括案情摘要、法律依据、法律分析、行动建议、风险提醒等:

有意思的是,glm-4.5-air免费模型告诉我法条全部真实有效:

而内置的GLM-5.1则给出了两条风险:

文档中唯一的一处错误被它找了出来(劳动合同法第14条),但它又新增了一个错误(民法典第543条),而实际上这条引用并无错误。
首先,这个案例告诉我们,一分价钱一分货!免费模型还是得看情况使用,那些好模型卖的贵是有道理的!
其次,该团作为参考基本可用,虽然错判一个,但找出了我用通用大模型都没找出来的错误还是不错的。
最后,一个重要的问题就是我的提示词分明是校验法条,它却死板地把所有agent都调用一遍,生成了许多我不需要的信息,可能是自然语言理解问题,也可能是多agent调度规则问题,多耗费了许多token。
然后我又测试了一下「内容创作团」:

既然是多模态,生成视频太费积分,我就试了一下图片,刚好我这篇文章也需要一个封面图:

道理上内置的模型都没有生图功能,不确定选哪个,所以我选了Auto,很快啊,完全没有调用专家的过程,直接调用的工具,大概2分钟,积分也只用了不到50,一张图片就出现了:

用过公众号创作内置AI配图功能的小伙伴应该一眼就看出来了,这风格简直如出一辙,果然都是用的Hy3.0:

我还想了解一下其他模型,于是又追问了一句,果然内置模型只有它能生图:

说实话这效果不敢恭维,对比一下ChatGPT Images 2.0同样的提示词:






这两个专家团,都让我心疼积分,哪怕是那个只消耗了不到50积分的。
这个PPT专家团调用的人最少还是有原因的。
换个角度来理解,需求至上,可能原本生图或者制作PPT都不需要多agent协作吧?
总结一下
灵活性不足
表现在两个方面。一是你无法自己组建专家团,只能调用内置的;二是内置专家团的运行逻辑基本都是死板的流水线,无视用户提示词,导致了大量无效Token和积分的浪费。
积分消耗快
基于灵活性不足的原因,初步判断所有专家团都必须执行6个角色并行的运行规则,自然会出现成本与收益倒挂的情形,如无必要,实在不建议这样去浪费积分。
能力尚可,亟待优化
能力决定你能走多远,调度决定你的效率和成本。不可否认WorkBuddy从推出专家开始,调教的都不算太差,所以至少是具有参考价值的,尤其是针对一些新手朋友,省去很多学习成本,但这个场景适用和调度逻辑实在不敢恭维。
一个成熟的多Agent系统,核心不仅是拥有多少个专家,更在于是否具备精准的意图识别和动态调度能力。
说到底,按需分配才能体现AI的价值,而不是为了协作而协作。无论是WorkBuddy还是专家团,都是为了降低门槛、提质增效。
可能是我试用的几个场景需求过于单一,至少目前,我认为这个降低门槛毫无意义,因为全量调用带来的耗费,至少和增效是背道而驰的。
当然,必须指出的是,多Agent原本就属于高阶用法,也绝不是所有场景的解药,还是得按需而行。
最后,腾讯技术平权的做法还是值得推崇的,试过几乎市面上的AI客户端,用的最多的还是WorkBuddy,希望腾讯继续努力,把专家团打造成能用、好用的多agent功能。