一位物料计划员用豆包桌面端的 Workbuddy 跑了 9 轮对话，把自己每天 40 分钟的手工数据搬运压成 38 秒。值得编辑部关心的是：这件事印证了一个判断 — 「做自动化」的门槛正在从「会写代码」变成「把话说清楚」。

这是什么

Workbuddy（豆包桌面端内置功能，本质是一个本地自动化助手）：用户用自然语言描述需求，AI 在多轮对话中追问细节，最终生成可在自己电脑上运行的自动化脚本。本质上是把「提需求—做需求」的全过程外包给 AI，留给用户的门槛只剩「需求描述能力」。

那位物料计划员总结出一套「四层法」：第一层写目的（我想解决什么麻烦），第二层列步骤（我现在是怎么做的，按 1/2/3 写），第三层写文件与规则（路径、命名、禁区），第四层写边界（什么时候必须停下来问我）。这是一份不需要懂技术也能填的需求清单。

但他也付了真实代价：日期格式没说清，AI 默认成了 20261006，返工一轮；更严重的一次，禁区没说，结果 AI 把整张表重写，清掉了他手工维护页签里 6000 多个公式的缓存值。

行业怎么看

支持方认为，这正是过去几年所有人期待的「AI 普惠」的样子 — 不再是大厂算法工程师独享红利，物料员、采购、运营也能上手。Gartner 2024 年就预测过，到 2026 年 80% 的「低代码公民开发」会落在业务部门而非 IT，Workbuddy 这类工具是这条路径上的具体落地。

但工程背景的人会指出三个隐患：第一，9 轮对话能跑通不等于能维护 — 出错时非程序员没有调试能力，IT 的兜底机制怎么设？第二，像清掉 6000 个公式缓存值这种事，是「需求没说清」造成的，但这种代价往往要企业整体承担；第三，「把需求说清楚」看似简单，实际对需求拆解的要求远高于写代码 — 很多基层员工恰恰缺的正是拆解能力。

对普通人的影响

对企业 IT：自动化的「业务方自助化」会加速，IT 部门的角色从写脚本转向治理与审计，预算结构可能要重写。

对个人职场：每天重复 1 小时以上的「搬数据」岗位（财务、物料、计划、运营助理）会被重新定价 — 能用 AI 把重复劳动砍掉的人会比不会的人贵出明显一截。

对消费市场：豆包、扣子、Kimi、智谱都在卷「AI 办公 Agent」，C 端用户先尝鲜，但企业付费的入口还没真正打开，2025 年下半年的看点是谁先把企业采购流程打通。