Kupasan Kes WorkBuddy Tencent dalam Pembuatan: Mengapa Sistem Pembekal, Integrasi ERP dan Laporan Kilang Kini Mula Diserahkan kepada Ejen AI?

Di landasan industri pembuatan, perkara paling menarik tentang WorkBuddy bukan sekadar "ia juga boleh menulis kod". Yang lebih penting, ia sudah mula mengambil alih kerja yang paling berselerak, paling remeh dan paling memakan masa dalam organisasi:

• membina sistem pembekal dari sifar
• menyambungkan API dan aliran integrasi ERP
• menggabungkan Excel dari banyak kilang serta menyemak data yang pelik
• mengarkibkan rekod pemeriksaan
• mengurus daftar risiko keselamatan dan aliran peringatan

Saya meneliti semula beberapa artikel amali terbuka di Komuniti Pembangun Tencent Cloud dan membandingkannya dengan kenyataan rasmi Tencent tentang WorkBuddy. Kesimpulan saya cukup jelas:

Nilai terbesar WorkBuddy dalam sektor pembuatan bukanlah "membantu menulis satu bahagian kod", tetapi kemampuannya masuk ke dalam aliran kerja sebenar kilang dan IT perusahaan secara berterusan.

Kesimpulan ringkas

• Sehingga 29 Jun 2026, penggunaan WorkBuddy yang paling meyakinkan dalam bahan awam untuk sektor pembuatan tertumpu pada tiga garis utama:
  1. Pembangunan sistem pembekal / sistem perniagaan dalaman
  2. Integrasi ERP / sistem perusahaan dalaman
  3. Automasi laporan pengeluaran kilang, rekod pemeriksaan dan daftar keselamatan
• Ia bukan paling sesuai untuk "cuba tanya apa sahaja", tetapi untuk persekitaran yang ada:
  • aliran fail
  • aliran proses
  • aliran helaian data
  • keperluan integrasi sistem
  • kos kolaborasi rentas jabatan dan penyusunan data
• Berdasarkan naratif rasmi Tencent, WorkBuddy memang bukan mahu kekal sebagai chatbot semata-mata. Arah pertumbuhannya jelas ke arah meja kerja ejen perusahaan.

Mengapa pembuatan lebih cepat nampak nilai

Apabila orang bercakap tentang AI, ramai terus memikirkan penjanaan kandungan, salinan pemasaran atau jawapan khidmat pelanggan.

Namun, masalah sebenar dalam pembuatan dan IT perusahaan sebenarnya lebih serasi dengan produk seperti WorkBuddy:

• terlalu banyak bahan rujukan dan semuanya berpecah-pecah
• terlalu banyak jadual data, tetapi definisinya tidak seragam
• terlalu banyak proses, dan semuanya melibatkan ramai orang serta jabatan
• sistem lama terlalu banyak, manakala kos integrasi pula tinggi
• kerja berulang sangat banyak, tetapi setiap kali masih tidak boleh salin semula bulat-bulat dari proses lama

Maksudnya, masalah paling meletihkan dalam pembuatan selalunya bukan "tidak tahu buat", tetapi:

terlalu banyak kerja bernilai rendah, berulang dan terpecah-pecah yang mengikat masa manusia.

Di sinilah nilai WorkBuddy menjadi jelas:

• membaca dokumen
• memproses fail
• menyambung proses
• memahami API
• menjana Skill
• menyerahkan hasil yang boleh terus digunakan

Kes 1: Ketua IT pembuatan membina sistem pengurusan pembekal dari sifar

Kes terbuka yang paling hampir dengan persekitaran pengeluaran sebenar datang daripada artikel Komuniti Pembangun Tencent Cloud berikut:

WorkBuddy 深度实战：一个制造业 IT 负责人的 AI 工作流全揭秘

Nilai teras artikel ini bukan pada "berapa banyak kod yang ditulis AI", tetapi pada cara ia memperlihatkan dengan jelas persekitaran tugas sebenar seorang ketua IT dalam industri pembuatan.

Bahan awam itu menyatakan timbunan teknologi dengan cukup jelas:

• Next.js 14
• TypeScript
• PostgreSQL
• Prisma
• Ant Design 5

Matlamat tugasnya juga sangat tipikal:

• membina sistem pengurusan pembekal dari sifar
• menganalisis perbandingan data inventori antara beberapa kilang
• menyusun dokumen pengurusan proses

Mengapa kes ini lebih bernilai daripada demo coding biasa? Kerana ia bukan sekadar "tolong hasilkan satu halaman", tetapi memerlukan langkah seperti:

• membuat pemilihan teknologi terlebih dahulu
• memahami objek perniagaan
• membina model pangkalan data
• menyediakan API
• membina halaman frontend
• menyelesaikan ralat
• pada masa yang sama memajukan analisis data dan dokumentasi proses

Artikel terbuka itu juga menyebut bahawa dalam persekitaran ini, WorkBuddy sudah mampu mengambil alih beberapa bahagian yang benar-benar menjimatkan tenaga manusia:

• membandingkan Next.js dengan Nuxt
• membandingkan Prisma dengan TypeORM
• membandingkan Ant Design dengan Material UI
• terus menjana Prisma Schema yang agak lengkap
• menulis CRUD, pagination dan query berhubung kait
• membantu menjejak isu query serta jenis data Prisma

Daripada sini, ada satu perkara penting yang jelas:

Dalam senario IT pembuatan, ia bukan lagi "kotak sembang yang boleh menulis beberapa baris kod", tetapi sudah masuk ke rantaian penghantaran sistem sebenar.

Kes 2: Analisis inventori dan pembekal merentas kilang, nilai terbesar sebenarnya datang daripada Excel dan semakan anomali

Masih daripada artikel yang sama, satu lagi bahagian yang sangat menyerupai persekitaran pengeluaran ialah cara ia mengendalikan analisis data banyak kilang.

Senarionya sangat tipikal:

• data beberapa kilang tersebar dalam fail Excel yang berbeza
• dimensinya melibatkan sebut harga pembekal, kitaran bekalan dan kategori bahan
• perbandingan mendatar perlu dibuat setiap bulan
• cantuman manual sangat perlahan dan amat mudah menghasilkan kesilapan

Perkara paling penting dalam artikel itu bukan hanya keupayaan untuk "menggabungkan jadual", tetapi juga kebolehannya untuk:

• membersihkan data
• menyelaraskan dimensi
• mengesan nilai luar biasa
• terus menandakan sebut harga pembekal yang jelas tidak munasabah

Artikel itu memberi satu contoh yang sangat realistik: harga seorang pembekal adalah 30% lebih tinggi daripada pembekal lain, dan akhirnya disahkan sebagai kesilapan kemasukan data.

Nilai seperti ini sangat praktikal. Dalam banyak kilang dan pasukan perolehan, masa bukan paling banyak dihabiskan untuk "membuat analisis", tetapi untuk:

• mencari data
• menyemak definisi
• menyiasat anomali
• menjejaki siapa yang tersalah isi

Jika WorkBuddy boleh menyelesaikan langkah-langkah ini lebih awal, nilainya kepada pasukan pembuatan bukan lagi setakat "automasi", tetapi mengurangkan kerja ulang semula yang tidak perlu.

Kes 3: Integrasi ERP tidak lagi perlu bergantung pada pembangunan API secara manual sepenuhnya

Artikel kedua yang sangat patut dimasukkan ke dalam kandungan SEO pembuatan ialah:

WorkBuddy 打通企业内部 ERP 系统

Bahagian paling menarik dalam artikel ini ialah cara ia menjelaskan satu lagi bentuk nilai WorkBuddy:

Bukan menggantikan anda menulis setiap API baris demi baris, tetapi membantu memahami terlebih dahulu bagaimana sistem itu perlu disambungkan.

Bahan terbuka itu memberi beberapa isyarat penting secara langsung:

• ia boleh membaca dokumentasi API sendiri
• memahami spesifikasi integrasi
• menguji kebolehcapaian dan had API
• menjana Skill sendiri untuk dijadikan keupayaan boleh guna semula

Hala tuju ini sangat penting untuk pembuatan, kerana banyak perusahaan bukannya tiada sistem, tetapi:

• terlalu banyak sistem lama
• dokumentasi API tidak seragam
• pemetaan medan bergantung pada ingatan manusia
• setiap integrasi baharu perlu mengulangi lubang yang sama

Jika WorkBuddy benar-benar boleh melancarkan aliran "baca dokumen -> uji API -> ekstrak Skill" dalam senario ERP, nilainya akan jauh lebih tinggi berbanding skrip sekali guna.

Kerana yang benar-benar diperlukan perusahaan bukan sekadar "kali ini berjaya disambungkan", tetapi:

• boleh digunakan semula pada masa depan
• ahli baharu juga boleh menyambung kerja
• proses perlahan-lahan menjadi keupayaan dalaman organisasi

Itulah sebabnya saya rasa WorkBuddy sangat sesuai untuk integrasi sistem dalaman perusahaan. Siling nilainya dalam arah ini bukan sekadar penjanaan kod, tetapi menjadikan pengalaman integrasi sebagai aset organisasi.

Kes 4: Pengurusan kilang sudah mula menggunakannya untuk memproses laporan pengeluaran, rekod pemeriksaan dan daftar keselamatan

Jika dua kategori kes di atas lebih dekat dengan IT dan pembangunan sistem, kategori ketiga ini lebih hampir dengan persekitaran pengurusan barisan hadapan kilang.

Dalam Komuniti Pembangun Tencent Cloud, ada juga satu artikel dengan tajuk yang sangat terus terang:

WorkBuddy 帮我重生了

Walaupun tajuknya agak dramatik, kandungannya sebenarnya sangat menyerupai rutin pejabat pengurus kilang yang sebenar. Dalam bahan awam itu, tiga tugas berfrekuensi tinggi disebut dengan jelas:

1. meringkaskan laporan data pengeluaran
2. mengarkibkan rekod pemeriksaan peralatan dan mencari sejarah kerosakan
3. mengurus daftar risiko keselamatan dan susulan pembetulan

4.1 Laporan pengeluaran: 3 bengkel, 8 metrik teras, campuran Excel dan CSV

Bahan terbuka itu menerangkan persekitarannya dengan sangat spesifik:

• data pengeluaran daripada 3 bengkel
• format campuran Excel / CSV
• metrik teras termasuk:
  • output harian
  • kadar lulus kualiti
  • kadar penggunaan peralatan
  • kadar susut bahan

Yang lebih penting, ia juga menerangkan langkah operasinya dengan cara yang benar-benar terasa seperti pelaksanaan sebenar:

• fail disimpan di D:\工厂生产数据\5月汇总
• aktifkan WorkBuddy melalui Ctrl+Alt+W
• tukar ke Plan mode
• gunakan arahan bahasa semula jadi untuk gabung, bersihkan, kira dan hasilkan laporan carta

Butiran ini penting kerana ia menunjukkan kes awam tersebut bukan lagi sekadar kenyataan abstrak bahawa "AI boleh buat laporan", tetapi:

AI sudah mula masuk ke direktori fail tempatan, aturan penamaan tetap dan proses bulanan tetap yang benar-benar wujud dalam operasi pejabat.

4.2 Pemeriksaan peralatan: arkib automatik setiap hari pada 18:30, ekstrak ringkasan kerosakan mengikut nombor aset

Dalam artikel yang sama, ada juga satu senario yang sangat menyerupai rutin sebenar kilang:

• lebih 50 peralatan pengeluaran
• rekod pemeriksaan harian masih bermula di atas kertas
• data dimasukkan ke Excel sebelum tamat kerja
• selepas itu diarkibkan mengikut "nombor peralatan + tarikh"

Kesakitan proses lama itu sangat realistik:

• mencari rekod sejarah kerosakan bagi satu peralatan sangat lambat
• membuka lebih 20 helaian adalah perkara biasa
• pendua dan data hilang kerap berlaku

Cara penggunaan WorkBuddy yang diterangkan artikel itu juga cukup terperinci:

• cipta tugasan dalam modul automasi
• tetapkan ia berjalan automatik setiap hari pada 18:30
• imbas fail Excel pemeriksaan
• arkibkan mengikut nombor peralatan dan tarikh
• ekstrak "penerangan kerosakan" serta "hasil tindakan" untuk menjana jadual ringkasan kerosakan

Nilai senario seperti ini bukan terletak pada demonstrasi teknologi, tetapi pada hakikat bahawa ia membuang sebahagian besar kerja penyusunan berulang yang sangat tipikal dalam pengurusan kilang.

4.3 Daftar risiko keselamatan: pengecaman imej + pengelasan risiko + peringatan melalui WeCom / e-mel

Bagi saya, bahagian yang paling terasa seperti persekitaran pengeluaran sebenar dalam artikel ini sebenarnya ialah pengurusan keselamatan.

Bahan awam itu menerangkan aliran kerja yang sudah sangat dekat dengan realiti perusahaan:

• ambil gambar daftar kertas dan muat naik
• kenal pasti teks dalam imej
• susun semula menjadi daftar Excel
• tandakan tahap risiko secara automatik
• hantar peringatan untuk item pembetulan yang belum selesai
• buat susulan melalui WeCom / e-mel
• pada hujung bulan, hasilkan laporan analisis keselamatan secara automatik

Ini bukan lagi sekadar "pemprosesan dokumen", tetapi sudah hampir menjadi sebuah sistem proses kecil.

Bagi banyak kilang, perkara yang benar-benar menyusahkan dalam pengurusan daftar seperti ini bukan kerana mereka tidak tahu cara melakukannya, tetapi kerana:

• maklumat bertaburan antara foto, rekod kertas dan Excel
• tahap risiko masih dinilai secara manual
• kemajuan pembetulan perlu dikejar berkali-kali
• laporan bulanan selalunya hanya boleh disiapkan di hujung proses secara manual

Jika WorkBuddy boleh menutup jurang ini, nilainya kepada pengurusan kilang sangat langsung:

ia bukan menggantikan pengurusan, tetapi memotong kerja penyusunan bernilai rendah di sebalik tindakan pengurusan.

Apabila kes-kes ini digabungkan, bagaimana rupa persekitaran pengeluaran sebenar dalam pembuatan

Jika semua kes terbuka ini dilihat bersama, ada beberapa ciri bersama yang cukup jelas tentang "persekitaran pengeluaran sebenar" WorkBuddy dalam sektor pembuatan:

• direktori fail tempatan memang wujud dan penting
• Excel / CSV / Word / PDF / foto ialah input harian
• kerja perniagaan bukan soal jawab sekali lalu, tetapi proses yang berterusan
• banyak tugasan perlu merentasi sistem + helaian data + dokumen + peringatan
• hasil akhirnya biasanya bukan satu jawapan ringkas, tetapi:
  • sistem MVP
  • laporan
  • carta
  • daftar
  • laporan mingguan
  • Skill yang boleh digunakan semula

Itulah sebabnya saya rasa sektor pembuatan, berbanding banyak industri yang "nampak lebih AI", sebenarnya lebih mudah mendapat nilai awal daripada WorkBuddy.

Kerana perkara yang paling dikuasainya bukan hiburan, tetapi:

• memproses tugasan kecil yang berpecah-pecah
• menyambungkan proses berbilang langkah
• mengendalikan fail tempatan
• menyerahkan hasil berstruktur

Pasukan pembuatan mana yang paling sesuai mencubanya sekarang

Sesuai mencuba segera

• pasukan IT pembuatan yang ada keperluan pembangunan sistem dalaman
• pasukan yang perlu menyepadukan ERP / MES / WeCom
• pasukan pengurusan yang perlu mengendalikan laporan bulanan dari banyak kilang atau bengkel
• pasukan pengurusan kilang yang menanggung banyak rekod pemeriksaan, daftar, foto risiko dan aliran susulan pembetulan

Boleh tunggu dan lihat dahulu

• organisasi yang tiada proses tetap dan hanya ada permintaan soal jawab terpencar
• pasukan yang hampir tidak menyentuh fail tempatan atau sistem dalaman
• organisasi yang belum ada penamaan, direktori atau definisi data yang seragam
• organisasi yang masih belum bersedia dari segi kebenaran desktop agent dan sempadan data

Jika anda mahu menyambungkan aliran pembuatan seperti WorkBuddy kepada model tersuai, di mana nilai perolehannya

Dalam senario pembuatan, persoalan paling realistik tidak pernah semata-mata "adakah model ini cukup bijak", tetapi:

• adakah aliran panjang berjalan dengan stabil
• adakah kos token untuk tugasan fail tinggi atau rendah
• adakah routing model boleh diubah secara fleksibel ketika menyambung sistem dalaman
• adakah ejen dan ahli pasukan berbeza boleh berkongsi gateway model yang sama

Jadi jika anda sedang membina ejen pembuatan yang melibatkan sistem perusahaan + aliran fail + aliran proses, gateway model bersatu biasanya lebih praktikal berbanding hanya bergantung pada satu model tunggal.

Anda boleh terus rujuk halaman berikut:

• Model pricing
• Buy API key
• Tutorials

Penilaian akhir saya

Jika saya perlu merumuskan pandangan saya tentang kes WorkBuddy dalam pembuatan dengan satu ayat, inilah kesimpulannya:

Nilai terpentingnya hari ini bukan sekadar "AI sudah masuk ke pembuatan", tetapi "AI sudah mula menyambung sistem sebenar, jadual data sebenar dan proses sebenar, sambil mengambil alih kerja yang paling memakan masa namun paling rendah nilainya".

Sebaik sahaja perkara ini berjalan lancar, hasil paling awal yang biasanya dirasai pasukan pembuatan bukan "fungsi revolusioner baharu", tetapi tiga manfaat yang sangat praktikal:

1. pembangunan dan integrasi sistem menjadi lebih cepat
2. kerja berulang seperti laporan, daftar dan rekod pemeriksaan berkurang dengan ketara
3. pengalaman organisasi lebih mudah dipadatkan menjadi Skill dan proses yang boleh digunakan semula

Maksudnya, perkara paling wajar diperhatikan tentang WorkBuddy dalam sektor pembuatan bukan sama ada ia pandai bersembang, tetapi sama ada ia benar-benar sedang menjadi meja kerja Agent yang mampu menyambung operasi perniagaan.

Rujukan

• 腾讯云首发效率智能体工具集，构建面向多元人群的 AI 生产力入口
• WorkBuddy 深度实战：一个制造业 IT 负责人的 AI 工作流全揭秘
• WorkBuddy 打通企业内部 ERP 系统
• WorkBuddy 帮我重生了
• X: Introducing Tencent WorkBuddy — an AI-native agent designed for productivity
• X: Tencent AI launched a native integration between WorkBuddy and Tencent Docs