เจาะเคส Tencent WorkBuddy ในภาคการผลิต: ทำไมระบบซัพพลายเออร์ การเชื่อม ERP และรายงานโรงงาน ถึงเริ่มให้ AI Agent จัดการ?

จุดที่น่าจับตาของ WorkBuddy ในภาคการผลิต ไม่ใช่แค่เรื่อง “มันเขียนโค้ดได้” แต่คือมันเริ่มเข้าไปแตะงานที่ จุกจิก สกปรก และกินเวลาที่สุด ในองค์กรจริงแล้ว เช่น

• สร้างระบบซัพพลายเออร์ตั้งแต่ศูนย์
• เชื่อมต่อ API กับ ERP
• รวม Excel จากหลายโรงงานและไล่หาค่าผิดปกติ
• จัดเก็บบันทึกการตรวจอุปกรณ์
• ทำทะเบียนความเสี่ยงด้านความปลอดภัยและระบบติดตามแจ้งเตือน

ผมกลับไปอ่านบทความเชิงปฏิบัติที่ Tencent Cloud Developer Community เผยแพร่ไว้หลายชิ้น แล้วเทียบกับคำอธิบายสาธารณะของ Tencent เกี่ยวกับ WorkBuddy อีกครั้ง ข้อสรุปของผมตรงไปตรงมามาก:

คุณค่าหลักของ WorkBuddy ในอุตสาหกรรมการผลิต ไม่ใช่แค่ “ช่วยเขียนโค้ดบางช่วง” แต่คือมันเริ่มเข้าไปอยู่ในเวิร์กโฟลว์ต่อเนื่องของโรงงานจริงและทีม IT องค์กรแล้ว

สรุปก่อนเลย

• ณ วันที่ 29 มิถุนายน 2026 กรณีใช้งาน WorkBuddy ในภาคการผลิตที่มีน้ำหนักมากที่สุดจากข้อมูลสาธารณะ กระจุกอยู่ใน 3 เส้นหลัก:
  1. การพัฒนาระบบซัพพลายเออร์ / ระบบธุรกิจภายใน
  2. การเชื่อม ERP / ระบบภายในองค์กร
  3. งานอัตโนมัติด้านรายงานการผลิต บันทึกการตรวจ และทะเบียนความปลอดภัยในโรงงาน
• สิ่งที่มันเหมาะ ไม่ใช่แค่การถามตอบทั่วไป แต่คือสถานการณ์ที่มี:
  • กระแสไฟล์จำนวนมาก
  • กระบวนการทำงานหลายขั้น
  • ตารางและสเปรดชีตจำนวนมาก
  • ความต้องการเชื่อมระบบ
  • ต้นทุนในการประสานงานข้ามแผนกและจัดระเบียบข้อมูล
• จากทิศทางที่ Tencent สื่อสารต่อสาธารณะ WorkBuddy เองก็ไม่ได้อยากเป็นแค่แชตบอต แต่กำลังเติบโตไปทาง Enterprise Agent Workspace อย่างชัดเจน

ทำไมภาคการผลิตถึงเป็นกลุ่มที่เห็นคุณค่าได้เร็วกว่า

เวลาพูดถึง AI หลายคนจะนึกถึงการสร้างคอนเทนต์ การตลาด หรือระบบตอบคำถามลูกค้าก่อน

แต่ปัญหาจริงของโรงงานและทีม IT องค์กร กลับเหมาะกับเครื่องมือแบบ WorkBuddy มากกว่า เพราะมักมีลักษณะแบบนี้:

• เอกสารเยอะและกระจัดกระจาย
• ตารางเยอะและนิยามข้อมูลไม่ตรงกัน
• ขั้นตอนงานเยอะและเกี่ยวข้องกับหลายคนหลายแผนก
• ระบบเก่าเยอะและต้นทุนการเชื่อมสูง
• งานซ้ำเยอะ แต่ก็ไม่สามารถคัดลอกวิธีเดิมมาใช้ได้ 100%

พูดอีกแบบก็คือ ปัญหาที่น่าปวดหัวที่สุดในภาคการผลิต ไม่ใช่ “ทำไม่เป็น” แต่คือ:

คนถูกดึงเวลาไปกับงานมูลค่าต่ำ งานซ้ำ และงานชิ้นเล็กชิ้นน้อยมากเกินไป

และนั่นคือจุดที่ WorkBuddy มีคุณค่าโดยตรง:

• อ่านเอกสาร
• กินไฟล์
• ร้อยกระบวนการ
• อ่าน API
• สร้าง Skill
• ส่งมอบผลลัพธ์ที่เอาไปรันต่อได้

กรณีศึกษา 1: หัวหน้า IT โรงงาน ใช้มันสร้างระบบบริหารซัพพลายเออร์ตั้งแต่ศูนย์

หนึ่งในกรณีสาธารณะที่ใกล้เคียงสภาพแวดล้อมการทำงานจริงที่สุด คือบทความนี้จาก Tencent Cloud Developer Community:

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

คุณค่าของบทความนี้ไม่ได้อยู่ที่ “AI เขียนโค้ดได้กี่บรรทัด” แต่คือมันโชว์บริบทงานของหัวหน้า IT ในโรงงานแบบเต็ม ๆ

เทคสแตกที่บทความเปิดเผยไว้อย่างชัดเจนมีดังนี้:

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

เป้าหมายของงานก็เป็นโจทย์ที่คลาสสิกมาก:

• สร้างระบบบริหารซัพพลายเออร์ตั้งแต่ศูนย์
• วิเคราะห์เปรียบเทียบข้อมูลสต๊อกจากหลายโรงงาน
• จัดระเบียบเอกสารขั้นตอนการทำงาน

ทำไมเคสนี้ถึงมีค่ามากกว่าการเดโมโค้ดทั่วไป? เพราะมันไม่ใช่แค่ “ช่วยสร้างหน้าเว็บหนึ่งหน้า” แต่ต้อง:

• เลือกเทคโนโลยีให้เหมาะ
• เข้าใจวัตถุทางธุรกิจ
• ออกแบบโมเดลฐานข้อมูล
• ทำ API
• ทำหน้า frontend
• แก้ error
• และสุดท้ายยังต้องขยับทั้งงานวิเคราะห์ข้อมูลกับเอกสารกระบวนการไปพร้อมกัน

จากบทความสาธารณะ WorkBuddy ในบริบทแบบนี้ สามารถรับภาระงานที่ “ลดแรงคนได้จริง” ได้หลายช่วงแล้ว เช่น:

• เปรียบเทียบ Next.js vs Nuxt
• เปรียบเทียบ Prisma vs TypeORM
• เปรียบเทียบ Ant Design vs Material UI
• สร้าง Prisma Schema ที่ค่อนข้างสมบูรณ์ได้โดยตรง
• เขียน CRUD, pagination และ relation query
• ช่วยไล่ปัญหา query และ type ของ Prisma

สิ่งนี้สะท้อนประเด็นสำคัญมากอย่างหนึ่ง:

ในฉากทัศน์ IT ภาคการผลิต มันไม่ใช่แค่หน้าต่างแชตที่ “พอเขียนโค้ดได้บ้าง” แต่เริ่มเข้าไปอยู่ในเส้นทางส่งมอบระบบแล้ว

กรณีศึกษา 2: วิเคราะห์สต๊อกและซัพพลายเออร์หลายโรงงาน จุดที่ประหยัดเวลาจริงคือ Excel และการไล่ค่าผิดปกติ

ยังอยู่ในบทความเดิม ส่วนที่คล้ายงานจริงมากอีกช่วงหนึ่ง คือวิธีที่มันจัดการการวิเคราะห์ข้อมูลจากหลายโรงงาน

ตัวสถานการณ์เองเป็นเรื่องที่พบได้บ่อยมาก:

• ข้อมูลจากหลายโรงงานกระจายอยู่คนละไฟล์ Excel
• มิติวิเคราะห์เกี่ยวข้องกับราคาจากซัพพลายเออร์ ระยะเวลาส่งมอบ และประเภทวัสดุ
• ทุกเดือนต้องทำการเปรียบเทียบข้ามหน่วยงาน
• การประกบไฟล์ด้วยมือช้าและผิดพลาดง่ายมาก

สิ่งที่ควรจำจากบทความนี้ ไม่ใช่แค่มัน “รวมตารางได้” แต่คือมันยังช่วย:

• ทำความสะอาดข้อมูล
• จัดแนวมิติข้อมูลให้ตรงกัน
• ตรวจพบค่าผิดปกติ
• ชี้ให้เห็นราคาซัพพลายเออร์ที่ดูไม่สมเหตุสมผลได้ทันที

ในบทความมีตัวอย่างที่ชัดมาก: ราคาของซัพพลายเออร์รายหนึ่งสูงกว่ารายอื่นประมาณ 30% และภายหลังตรวจสอบพบว่าเป็นความผิดพลาดจากการกรอกข้อมูล

คุณค่าแบบนี้จับต้องได้มาก เพราะในฝั่งโรงงานและจัดซื้อ เวลาส่วนใหญ่ไม่ได้หมดไปกับ “การวิเคราะห์” โดยตรง แต่หมดไปกับ:

• ตามหาข้อมูล
• เช็กนิยามให้ตรงกัน
• ไล่ค่าผิดปกติ
• ตามหาว่าใครกรอกข้อมูลผิด

ถ้า WorkBuddy ช่วยจัดการขั้นตอนเหล่านี้ให้ล่วงหน้าได้ ความหมายต่อทีมภาคการผลิตจะไม่ได้หยุดอยู่แค่คำว่า “automation” แต่คือ ลดการทำงานซ้ำและลดการย้อนแก้หลายรอบ

กรณีศึกษา 3: การเชื่อม ERP ไม่จำเป็นต้องพึ่งนักพัฒนาเขียนอินเทอร์เฟซด้วยมือทุกครั้งอีกต่อไป

อีกบทความที่ควรใส่ไว้ในบทความ SEO ฝั่งภาคการผลิตอย่างมากคือ:

《WorkBuddy 打通企业内部 ERP 系统》

จุดที่น่าสนใจที่สุดของบทความนี้ คือมันอธิบายคุณค่าอีกแบบของ WorkBuddy ได้ชัดมาก:

มันไม่ได้แค่เขียนอินเทอร์เฟซทีละบรรทัดแทนคุณ แต่มันช่วย “เรียนรู้วิธีเชื่อมระบบ” ให้ก่อนด้วย

ในบทความมีสัญญาณสำคัญหลายข้อที่พูดตรง ๆ:

• มันอ่านเอกสาร API ได้เอง
• เข้าใจข้อกำหนดของอินเทอร์เฟซ
• ทดสอบความพร้อมใช้งานและขอบเขตของ API ได้เอง
• สร้าง Skill ขึ้นมาเป็นความสามารถที่นำกลับมาใช้ซ้ำได้

ทิศทางนี้สำคัญกับภาคการผลิตมาก เพราะหลายองค์กรไม่ได้ไม่มีระบบ แต่มีปัญหาว่า:

• ระบบเก่าเยอะ
• เอกสาร API ไม่เป็นมาตรฐานเดียวกัน
• การแมปฟิลด์ต้องจำกันเอง
• ทุกครั้งที่เชื่อมระบบใหม่ต้องกลับไปเจอกับดักเดิม

ถ้า WorkBuddy ทำเส้นทาง “อ่านเอกสาร -> ทดสอบ API -> สกัดเป็น Skill” ได้ลื่นจริง คุณค่าของมันจะสูงกว่าสคริปต์ใช้ครั้งเดียวอย่างชัดเจน

เพราะสิ่งที่องค์กรต้องการจริง ๆ ไม่ใช่แค่ “ครั้งนี้เชื่อมสำเร็จ” แต่คือ:

• ครั้งหน้าหยิบมาใช้ต่อได้
• คนใหม่เข้ามาก็ทำต่อได้
• กระบวนการค่อย ๆ ตกผลึกเป็นความสามารถภายในองค์กร

นี่จึงเป็นเหตุผลที่ผมมองว่า WorkBuddy เหมาะมากกับงานเชื่อมระบบภายในองค์กร เพดานของมันในทิศทางนี้ ไม่ได้มีแค่การ generate code แต่คือ การสะสมประสบการณ์การเชื่อมระบบให้กลายเป็นทรัพย์สินขององค์กร

กรณีศึกษา 4: ฝั่งผู้จัดการโรงงาน เริ่มใช้มันจัดการรายงานการผลิต บันทึกการตรวจ และทะเบียนความปลอดภัยแล้ว

ถ้าสองกรณีแรกเอนไปทาง IT และการพัฒนาระบบ กรณีที่สามนี้จะใกล้กับงานหน้างานโรงงานมากกว่า

ใน Tencent Cloud Developer Community ยังมีอีกบทความที่ตั้งชื่อได้ตรงมาก:

《WorkBuddy 帮我重生了》

แม้ชื่อบทความจะออกสไตล์อินเทอร์เน็ต แต่เนื้อหาข้างในกลับคล้ายงานออฟฟิศของผู้จัดการโรงงานจริงอย่างมาก โดยข้อมูลสาธารณะพูดถึงงานถี่ ๆ อยู่ 3 กลุ่ม:

1. สรุปรายงานข้อมูลการผลิต
2. จัดเก็บบันทึกการตรวจอุปกรณ์และค้นหาประวัติการเสีย
3. ทำทะเบียนความเสี่ยงด้านความปลอดภัยและติดตามการแก้ไข

4.1 รายงานการผลิต: 3 เวิร์กช็อป, 8 KPI หลัก, ไฟล์ Excel/CSV ปะปนกัน

สภาพแวดล้อมที่บทความบอกไว้นั้นชัดมาก:

• ข้อมูลการผลิตจาก 3 เวิร์กช็อป
• รูปแบบไฟล์เป็น Excel / CSV ปะปนกัน
• ตัวชี้วัดหลักประกอบด้วย:
  • ปริมาณการผลิตต่อวัน
  • อัตราของเสีย/อัตราผ่านมาตรฐาน
  • อัตราการใช้งานเครื่องจักร
  • อัตราการสูญเสียวัสดุ

ที่สำคัญยิ่งกว่านั้นคือ มันอธิบายวิธีใช้งานได้ใกล้กับการใช้งานจริงมาก:

• เก็บไฟล์ไว้ที่ D 盘 / 工厂生产数据 / 5 月汇总
• ปลุก WorkBuddy ด้วย Ctrl+Alt+W
• สลับไปที่ Plan 模式
• ใช้คำสั่งภาษาธรรมชาติให้รวม ล้างข้อมูล สรุปสถิติ และสร้างกราฟรายงาน

รายละเอียดแบบนี้สำคัญมาก เพราะมันแปลว่ากรณีตัวอย่างที่เผยแพร่ไม่ได้พูดแค่ว่า “AI ทำรายงานได้” แบบลอย ๆ แต่แสดงให้เห็นว่า:

มันเริ่มเข้าไปอยู่กับโฟลเดอร์ไฟล์ในเครื่อง รูปแบบการตั้งชื่อ และเวิร์กโฟลว์รายเดือนที่ตายตัวแล้ว

4.2 การตรวจอุปกรณ์: เก็บเข้าคลังอัตโนมัติทุกวัน 18:30 และดึงสรุปความขัดข้องตามหมายเลขเครื่อง

ในบทความเดียวกัน ยังมีอีกสถานการณ์ที่เหมือนชีวิตจริงในโรงงานมาก:

• อุปกรณ์การผลิตมากกว่า 50 เครื่อง
• มีบันทึกการตรวจแบบกระดาษทุกวัน
• ก่อนเลิกงานต้องกรอกลง Excel
• จากนั้นต้องจัดเก็บตาม “หมายเลขอุปกรณ์ + วันที่”

ปัญหาเดิม ๆ ก็สมจริงมาก:

• จะค้นประวัติการเสียของอุปกรณ์บางเครื่องช้ามาก
• การต้องเปิดดู 20 กว่าไฟล์เป็นเรื่องปกติ
• การกรอกซ้ำและการตกหล่นเกิดขึ้นบ่อย

วิธีใช้ WorkBuddy ที่บทความยกมาก็ลงรายละเอียดพอสมควร:

• สร้างงานในโมดูล automation
• ตั้งให้รันอัตโนมัติทุกวันเวลา 18:30
• สแกนไฟล์ตรวจอุปกรณ์ใน Excel
• จัดเก็บตามหมายเลขอุปกรณ์และวันที่
• ดึง “คำอธิบายความขัดข้อง” กับ “ผลการแก้ไข” มาทำเป็นตารางสรุปความเสียหาย

คุณค่าของฉากทัศน์แบบนี้ไม่ได้อยู่ที่ความหวือหวาทางเทคนิค แต่คือมันช่วยกินงาน จัดระเบียบซ้ำ ๆ ที่เป็นภาระมาตรฐานในงานบริหารโรงงาน

4.3 ทะเบียนความเสี่ยงด้านความปลอดภัย: อ่านภาพ + จัดระดับความเสี่ยง + แจ้งเตือนผ่าน WeCom/อีเมล

ส่วนที่ผมคิดว่าสะท้อน “กลิ่นของ production environment” ได้ชัดที่สุดในบทความนี้ กลับเป็นฝั่งงานความปลอดภัย

กระบวนการที่เปิดเผยไว้ ใกล้กับงานจริงขององค์กรมากแล้ว:

• ถ่ายรูปทะเบียนกระดาษแล้วอัปโหลด
• อ่านข้อความจากภาพ
• จัดระเบียบเป็นทะเบียนใน Excel
• ติดป้ายระดับความเสี่ยงอัตโนมัติ
• แจ้งเตือนรายการที่ยังแก้ไม่เสร็จ
• ติดตามผ่าน WeCom / อีเมล
• สรุปรายงานวิเคราะห์ความปลอดภัยอัตโนมัติช่วงสิ้นเดือน

นี่ไม่ใช่แค่งาน “ประมวลผลเอกสาร” ธรรมดาอีกต่อไป แต่ใกล้เคียงกับระบบ workflow ขนาดย่อมแล้ว

สำหรับหลายโรงงาน จุดที่ยากจริงของงานทะเบียนลักษณะนี้ไม่ใช่ว่าทำไม่เป็น แต่คือ:

• ข้อมูลกระจัดกระจายอยู่ระหว่างรูปถ่าย เอกสารกระดาษ และ Excel
• การประเมินระดับความเสี่ยงต้องอาศัยคนตัดสิน
• ความคืบหน้าของการแก้ไขต้องคอยเร่งตามหลายรอบ
• รายงานประจำเดือนสุดท้ายยังต้องมานั่งประกบด้วยมือ

ถ้า WorkBuddy ช่วยปิดงานหลายช่วงเหล่านี้ได้ คุณค่าต่อผู้บริหารโรงงานจะชัดมาก:

มันไม่ได้มาแทนการบริหาร แต่ตัดงานจัดระเบียบมูลค่าต่ำที่ซ่อนอยู่หลังการบริหารออกไป

เมื่อนำกรณีเหล่านี้มาวางรวมกัน สภาพ production จริงในภาคการผลิตหน้าตาเป็นอย่างไร

เมื่อดูกรณีศึกษาเหล่านี้รวมกัน ภาพของ “สภาพแวดล้อมการใช้งานจริง” ของ WorkBuddy ในภาคการผลิตเริ่มชัดขึ้นมาก:

• มีโฟลเดอร์ไฟล์ในเครื่องที่ใช้งานจริงอย่างชัดเจน
• Excel / CSV / Word / PDF / รูปถ่าย คืออินพุตปกติ
• งานธุรกิจไม่ได้จบในคำถามคำตอบรอบเดียว แต่เป็นกระบวนการต่อเนื่อง
• หลายงานต้องข้าม ระบบ + ตาราง + เอกสาร + การแจ้งเตือน
• ผลลัพธ์ที่ต้องส่งมอบ มักไม่ใช่คำตอบหนึ่งบรรทัด แต่เป็น:
  • ระบบ MVP
  • รายงาน
  • กราฟ
  • ทะเบียน
  • รายงานประจำสัปดาห์
  • Skill ที่นำกลับมาใช้ซ้ำได้

นี่จึงเป็นเหตุผลว่าทำไมผมถึงมองว่า ภาคการผลิตอาจเป็นหนึ่งในกลุ่มที่เห็นคุณค่าของ WorkBuddy ได้เร็วกว่าหลายอุตสาหกรรมที่ “ดูเหมือนจะเข้ากับ AI มากกว่า”

เพราะสิ่งที่มันถนัดที่สุดแต่แรก ไม่ใช่ความบันเทิง แต่คือ:

• รับมือกับงานย่อยจำนวนมาก
• ร้อยหลายขั้นตอนเข้าด้วยกัน
• จัดการไฟล์ในเครื่อง
• ส่งมอบผลลัพธ์ที่มีโครงสร้าง

ตอนนี้ทีมภาคการผลิตแบบไหนควรเริ่มลองก่อน

กลุ่มที่เหมาะจะลองทันที

• ทีม IT โรงงานที่มีความต้องการพัฒนาระบบภายใน
• ทีมที่ต้องเชื่อม ERP / MES / WeCom
• ทีมบริหารที่ต้องจัดการรายงานหลายโรงงาน หลายเวิร์กช็อปทุกเดือน
• ทีมบริหารโรงงานที่มีบันทึกการตรวจ ทะเบียน รูปถ่ายความเสี่ยง และขั้นตอนติดตามการแก้ไขจำนวนมาก

กลุ่มที่อาจรอดูไปก่อน

• องค์กรที่ยังไม่มีเวิร์กโฟลว์คงที่ มีแค่การถามตอบเป็นครั้งคราว
• ทีมที่แทบไม่แตะไฟล์ในเครื่องหรือระบบภายใน
• องค์กรที่ยังไม่มีมาตรฐานการตั้งชื่อไฟล์ โฟลเดอร์ หรือคำนิยามข้อมูล
• ทีมที่ยังไม่พร้อมเรื่องสิทธิ์ของ desktop agent และขอบเขตข้อมูล

ถ้าคุณอยากเชื่อมเวิร์กโฟลว์แบบ WorkBuddy เข้ากับโมเดลที่กำหนดเอง คุณค่าฝั่งจัดซื้ออยู่ตรงไหน

ในฉากทัศน์ภาคการผลิต คำถามที่เป็นจริงที่สุดไม่เคยมีแค่ว่า “โมเดลฉลาดแค่ไหน” แต่คือ:

• เวิร์กโฟลว์ยาว ๆ รันแล้วเสถียรพอไหม
• งานประเภทไฟล์มีต้นทุน token สูงแค่ไหน
• เวลาเชื่อมระบบภายใน สามารถสลับ routing ได้ยืดหยุ่นหรือไม่
• Agent และสมาชิกทีมหลายคน สามารถใช้ gateway กลางเดียวกันได้หรือเปล่า

ดังนั้นถ้าคุณกำลังทำ Agent สำหรับงาน ระบบองค์กร + กระแสไฟล์ + กระบวนการทำงาน ในภาคการผลิต การมี model gateway กลาง มักใช้งานได้จริงกว่าการเดิมพันกับโมเดลเดี่ยวเพียงตัวเดียว

ดูต่อได้จากลิงก์เหล่านี้:

• 模型定价
• 购买 API Key
• 使用教程

บทสรุปสุดท้ายของผม

ถ้าต้องสรุปมุมมองของผมต่อกรณี WorkBuddy ในภาคการผลิตเป็นประโยคเดียว มันคือ:

คุณค่าที่สำคัญที่สุดตอนนี้ ไม่ใช่แค่ “AI เข้ามาอยู่ในอุตสาหกรรมการผลิตแล้ว” แต่คือ “AI เริ่มเชื่อมกับระบบจริง ตารางจริง และกระบวนการจริง และมันกำลังจัดการกับงานที่เปลืองแรงคนที่สุดแต่สร้างมูลค่าน้อยที่สุด”

เมื่อสิ่งนี้เริ่มวิ่งได้ลื่น สิ่งที่ทีมภาคการผลิตจะได้รับก่อน มักไม่ใช่ “ฟีเจอร์ปฏิวัติโลก” แต่คือผลลัพธ์ที่จับต้องได้ 3 อย่าง:

1. ความเร็วในการพัฒนาและเชื่อมระบบดีขึ้น
2. งานซ้ำอย่างรายงาน ทะเบียน และบันทึกการตรวจลดลงอย่างชัดเจน
3. ประสบการณ์ขององค์กรสะสมเป็น Skill และ workflow ที่นำกลับมาใช้ซ้ำได้ง่ายขึ้น

กล่าวอีกแบบคือ สิ่งที่ควรจับตาใน WorkBuddy สำหรับภาคการผลิต ไม่ใช่ว่ามันคุยเก่งไหม แต่คือมันกำลังกลายเป็น Agent Workspace ที่เชื่อมกับธุรกิจได้จริง หรือไม่

参考资料

• 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