11 月的一个周四上午，相隔三分钟，同一台 Windows PC 上的两个 AI 智能体收到了一份完全相同的 205 词任务简报：把一张人像变成一段 10 秒的雨夜屋顶镜头，先停在低成本的草稿阶段，等待确认后，再输出 1080p 成片。一个是腾讯的 WorkBuddy。另一个是 OpenClaw——这款开源助手在 11 月 5 日拥有 393,921 个 GitHub 星标。
这篇 WorkBuddy vs OpenClaw 对比就基于那次运行。两个智能体使用相同的大脑（DeepSeek V4 Pro）和相同的技能文件夹，因此你看到的差距来自智能体本身：安装配置、计费、技能处理与安全性。最后一节会介绍人们拿来与 WorkBuddy 对比的其他智能体。
核心要点
- WorkBuddy 是腾讯基于安装程序的桌面智能体；OpenClaw 是免费、MIT 许可、由你自己运行的智能体。
- 接入 Atlas Cloud 后，两个智能体都运行了同一份 Seedance 2.5 API 先草稿后 1080p 的任务简报。
- 除非添加自定义模型，否则 WorkBuddy 按积分计费；OpenClaw 免费，你只需为模型 API 付费。
- 在我们的测试中，技能文件夹双向互通：OpenClaw 能加载 WorkBuddy 的技能，WorkBuddy 也能加载 OpenClaw 的技能。
- OpenClaw 文档称应将第三方技能视为不可信代码，而 WorkBuddy 会对每次上传进行安全检查。
WorkBuddy vs OpenClaw 一览
两个智能体都不只是聊天，而是能操作你的文件和应用程序。它们的起点截然相反：一个是来自云巨头的打包产品，另一个是由你自己托管的社区项目。
| WorkBuddy | OpenClaw | |
|---|---|---|
| 出品方 | 腾讯 | OpenClaw Foundation，一家 501(c)(3) 非营利组织 |
| 源代码 | 闭源 | 开源，MIT 许可 |
| 运行方式 | Windows 和 Mac 桌面应用，另有 Web 应用 | 在 macOS、Linux 或 Windows 上运行的 Node.js 服务，配有浏览器控制界面 |
| 对话入口 | 应用内，或通过 Discord、Slack 和 Telegram 远程对话 | 29 个聊天渠道，包括 WhatsApp、Telegram、Slack 和 iMessage |
| 首次发布 | 中国 2026 年 3 月 9 日；国际版 2026 年 5 月 28 日 | GitHub 仓库于 2025 年 11 月 24 日开放 |
| 我们测试的版本 | 5.9.4 | 2026.10.10 |
腾讯的全球发布公告称 WorkBuddy 为“智能体 AI 工作空间”，而 TechNode 曾将其 3 月在中国首次亮相描述为一款“类 OpenClaw”的职场智能体。OpenClaw 在 GitHub 上公开发布，我们测试的 2026.10.10 版本于 11 月 3 日发布。
在两个智能体中运行同一份 Seedance 2.5 简报
两个智能体都以相同方式接入 Seedance——通过 Atlas Cloud，它用一个 API 密钥同时提供 Seedance 2.5 和驱动各智能体的 DeepSeek 模型。以下是两个成片并排展示。
这份简报使用了参考图生视频端点，将人像作为 Image 1，并开启草稿模式，因此首次渲染以 480p 返回，并附带一个草稿 ID。
随后，1080p 草稿完成会在七天内的任意时间，依据草稿自身的提示词、种子和音频设置重新渲染该镜头。这为每个智能体提供了一个自然停下来询问的节点。
方法 1：在 WorkBuddy 中使用 Atlas Cloud 技能
WorkBuddy 从包含 SKILL.md 文件的文件夹或 zip 安装技能；我们的 WorkBuddy AI 指南展示了上传过程。启用 Atlas Cloud 技能后，桌面端运行用了四步。
- 创建一个工作区，把参考照片放进它的文件夹。我们的工作区叫 rooftop-clip。
- 选择模型。我们使用 DeepSeek V4 Pro，通过 Atlas 添加为自定义模型。
- 粘贴简报。最后输入 @Image1 标签：在 WorkBuddy 的输入框中，@ 会打开上下文选择器，并把标签变成一个 chip。
- 点击发送。
plaintext1Use the atlas-cloud skill. Make a 10-second 16:9 cinematic clip with Seedance 2.5 reference-to-video (model bytedance/seedance-2.5/reference-to-video), using model-ref.jpg in this workspace as the character reference. Upload the image to Atlas Cloud first. 2 3Scene prompt: "@Image1 the young woman from the reference photo, dark brown hair, black leather biker jacket over a black-and-white striped top, stands on a rain-soaked rooftop at night above the city. Warm amber streetlight rises from below, a cool shop-sign glow sits behind her, and light rain catches the light. She turns from the skyline and glances just past the camera as the wind lifts her hair, with a faint smile. Slow dolly-in, shallow depth of field, 35mm film grain, natural skin texture. Sound: steady rain, distant traffic and a low synth hum, no dialogue." 4 5Step 1: check the price with POST https://api.atlascloud.ai/api/v1/model/calculate, then generate a DRAFT only (draft: true, generate_audio: true, ratio 16:9, duration 10). Show me the draft video URL and the draft_id, then stop and ask me before spending more. 6Step 2: only after I approve, render the 1080p final with bytedance/seedance-2.5/draft-complete and save the final mp4 in this workspace. 7 8Use the REST API with ATLASCLOUD_API_KEY from the environment. Do not use the hosted MCP server. Reply in English.
WorkBuddy 上传了照片，为任务估价，提交草稿，然后停下来，附上一张摘要表和一个直接的问题。我们输入“Approved”后，它渲染了 1080p 成片，并把两个文件都保存到了工作区。
方法 2：为 OpenClaw 添加 Atlas Cloud 技能
我们在 Windows 上走了 OpenClaw 的 npm 路线。它的引导流程会打印一条提示，说它“在 WSL2 上运行良好”，但原生安装完成了整个测试。
第 1 步：创建 API 密钥。 在 Atlas Cloud 控制台中，打开 Settings，然后打开 API Keys，创建一个密钥。将其保存为 ATLASCLOUD_API_KEY 环境变量：Atlas 技能会在两个智能体中从这里读取它，OpenClaw 的配置也可以指向它，而不必保存密钥。
第 2 步：安装 OpenClaw 并将其指向 Atlas。 Atlas 文档列出了模型 ID；下面的基础 URL 是 OpenAI 兼容的那个。在 npm 11.15 或更早版本上要加上 allow-scripts 标志。我们的 OpenClaw 自定义 API 指南逐行解释了 provider 配置块。
plaintext1npm install -g openclaw@latest --allow-scripts=openclaw 2openclaw onboard --non-interactive --accept-risk --flow quickstart --auth-choice custom-api-key --custom-base-url https://api.atlascloud.ai/v1 --custom-model-id deepseek-ai/deepseek-v4-pro --custom-provider-id atlascloud-llm --custom-text-input --secret-input-mode ref --skip-channels --skip-search --skip-daemon 3openclaw config set models.providers.atlascloud-llm.apiKey '${ATLASCLOUD_API_KEY}'
第 3 步：添加技能并发送简报。 把同一个 atlas-cloud 文件夹复制到 OpenClaw 的技能目录，在一个终端启动 Gateway，然后从另一个终端发送简报。最后一行会在 OpenClaw 的终端 UI 中打开同一个会话，你可以在那里阅读草稿摘要并批准。
plaintext1cp -r atlas-cloud ~/.openclaw/skills/ 2openclaw gateway run 3openclaw agent --session-key agent:main:seedance-brief --message-file brief.md 4openclaw tui agent:main:seedance-brief
随后 OpenClaw 为模型查询、上传、价格检查、草稿和轮询编写了五个一次性 PowerShell 脚本，完成后删除了它们，然后带着草稿 ID 和价格停了下来。在同样的“Approved”之后，它把 1080p 文件保存到了自己的工作区。
因为两个智能体用一个密钥调用相同的 Atlas 端点，换成另一个视频模型只需修改简报中的模型字符串。密钥和端点保持不变。
同一份简报下 WorkBuddy vs OpenClaw 的测试结果
相同的简报、相同的模型、相同的 PC。时间为实际耗时（wall-clock），由各智能体自行报告。
| WorkBuddy 5.9.4（桌面端） | OpenClaw 2026.10.10 | |
|---|---|---|
| 安装 | 484 MB 签名的 Windows 安装程序 | npm 全局安装：3 分 33 秒，360 个包 |
| 首次运行设置 | 登录，然后在 Settings 中添加自定义模型 | 一条引导命令（32 秒）和一个启动耗时 63 秒的 Gateway |
| 简报→草稿 | 3 分 43 秒 | 6 分 32 秒 |
| Atlas 上的草稿渲染 | 70 秒 | 85 秒 |
| 停下来询问 | 是，附摘要表 | 是，附草稿 ID 和价格 |
| 批准→1080p 文件 | 2 分 17 秒 | 3 分 13 秒 |
| Atlas 上的 1080p 渲染 | 46 秒 | 37 秒 |
| 最终文件 | 1920 x 1080，10 秒，带音频 | 1920 x 1080，10 秒，带音频 |
| 使用的 WorkBuddy 积分 | 0（自定义模型） | 不适用 |
| 报告的 token 数 | 任务视图中未显示 | 输入 79,531，输出 9,854，缓存 2.39M |
Atlas 渲染两个片段的时间相差在 15 秒以内，因此差距来自智能体本身。WorkBuddy 两轮共用了 6 分钟。OpenClaw 需要 9 分 45 秒，其中大部分时间花在原生 Windows 上编写和运行自己的脚本。两者都恰好停在简报指定的位置——当一次失误就要付出一次 1080p 渲染的代价时，这比速度更重要。
WorkBuddy 积分 vs OpenClaw 自带模型账单
两个智能体收费的项目不同。WorkBuddy 为其内置模型出售积分；OpenClaw 本身不收费，把所有 token 账单转给你接入的任意提供商。
| WorkBuddy（国际站，2026 年 11 月） | OpenClaw | |
|---|---|---|
| 免费 | 每月 100 积分，另有标注为促销的每日 30 积分奖励 | 整个应用 |
| 付费 | Pro 每月 $10 或每年 $96；Team 每月每位 $40 | 无付费层级、托管方案或 token |
| 模型成本 | 内置模型按模型菜单中标示的费率消耗积分；自定义模型不消耗 | 由你的模型提供商计费 |
| 媒体生成 | 由技能背后的提供商计费 | 由技能背后的提供商计费 |
有两个细节比套餐价格更重要。只要你留在自定义模型所在的桌面应用中，WorkBuddy 的自定义模型路线就会把它变成一个围绕你自己 API 密钥的免费外壳。OpenClaw 的运行报告统计了每个 token，但显示成本为 $0，因为自定义提供商在你添加价格表之前不携带任何价格信息，所以要改看你提供商的仪表盘。
OpenClaw 技能能在 WorkBuddy 中使用吗？
中国科技媒体对 3 月发布的报道称，WorkBuddy 完全兼容 OpenClaw 技能。我们找到的排名页面都没有测试过这一点，所以我们双向迁移了技能。
| 技能 | 来源 | 复制到 | 结果 |
|---|---|---|---|
| atlas-cloud | Atlas Cloud 的 GitHub 仓库，已上传到 WorkBuddy | OpenClaw 的技能文件夹 | 列为就绪，随后运行了完整简报 |
| pptx-generator | WorkBuddy 的技能市场 | OpenClaw 的技能文件夹 | 列为就绪，未报告缺少工具 |
| weather | 随 OpenClaw 捆绑 | WorkBuddy 的技能文件夹 | 出现在自定义技能下，并在 42 秒内回答了上海天气预报 |
两个智能体读取相同的格式：一个包含 SKILL.md 文件的文件夹，其头部带有名称和描述。尽管 OpenClaw weather 技能的头部包含一段为 OpenClaw 编写的安装块，WorkBuddy 仍加载了它。
WorkBuddy 自己的市场已经存在这种重叠：当我们在 11 月 4 日拉取目录时，其 215 个技能中有 20 个将 ClawHub 列为来源。反方向则有局限。OpenClaw 的 migrate 命令可从 Claude Code 和 Hermes 导入，没有 WorkBuddy 选项，因此技能只能通过复制文件夹来迁移。
WorkBuddy 比 OpenClaw 更安全吗？
两者采取相反的立场。OpenClaw 把整台机器交给智能体，并把风险记录在案；其安全指南称它“不是敌意多租户的安全边界”。WorkBuddy 则用应用层检查包裹住同样的能力。
The Hacker News 报道了 CVE-2026-25253——一个一键远程代码执行漏洞，评分 8.8，已在 2026.1.29 版本中修复——并另行报道了 Koi Security 的一项审计，该审计将 2,857 个 ClawHub 技能中的 341 个标记为恶意。
OpenClaw 现在会用 VirusTotal 扫描 ClawHub 上传内容，但仍警告“扫描干净并不意味着技能安全”。其技能文档说得更直白：将第三方技能视为不可信代码。
我们遇到的默认设置都很合理。OpenClaw 的浏览器仪表盘在收到 Gateway token 之前一直锁定，其 Gateway 也只监听本机。
WorkBuddy 会对每个上传的技能运行安全检查，在安装被评定为高风险的技能前总会询问，并且在我们早前的测试中，直到我们点击 Trust 才让新的 MCP 服务器上线。两个智能体都不能免去你在启用技能前先阅读它的必要。
OpenClaw 是 WorkBuddy 的最佳替代品吗？
如果你想要 WorkBuddy 那种对文件和应用的触达能力，又不想有厂商账户，OpenClaw 是最接近的选择。人们拿来与 WorkBuddy 比较的其他智能体，则按运行位置和谁为模型付费而划分。
| 智能体 | 运行位置 | 入门价格 | 适合选择的情形 |
|---|---|---|---|
| OpenClaw | 你的电脑或服务器 | 免费，任意模型提供商 | 你想要完全的控制权和聊天应用访问 |
| Claude Cowork | Claude 桌面应用 | Pro 套餐，每月 $20 | 你的团队已经在用 Claude |
| Claude Code | 终端、IDE、桌面 | Pro 套餐，每月 $20 | 任务是写代码 |
| Codex | CLI、IDE、Web、ChatGPT 桌面 | 免费套餐；Plus 每月 $20 | 任务是写代码，且你生活在 ChatGPT 中 |
| ChatGPT Work | OpenAI 的云 | 发布时的付费 ChatGPT 套餐 | 任务应在你的笔记本关机后继续运行 |
| Manus | Web、桌面、移动 | 每天 300 免费积分；Pro 每月 $20 起 | 你想要一个带有云电脑附加组件的托管智能体 |
| Kimi Claw | kimi.com 云或桌面应用 | 一键安装的 Allegretto 会员 | 你想要 OpenClaw，但不想自己托管 |
价格来自各厂商 2026 年 11 月的定价或帮助页面。
WorkBuddy vs Claude Cowork：办公场景
Claude Cowork 是与 WorkBuddy 最接近的产品。两者都是面向知识工作的桌面智能体，能读取本地文件、接入 MCP 连接器并安装技能包。Cowork 需要付费的 Claude 套餐，而 WorkBuddy 有免费套餐；它们在模型和平台上也各有不同。
| WorkBuddy | Claude Cowork | |
|---|---|---|
| 模型 | 菜单中有 Hy4、Hy3、DeepSeek、GPT、Grok、Gemini、GLM、Kimi 和 MiniMax，还可使用你自己的模型 | Anthropic 的 Claude 模型 |
| 桌面端 | Windows 和 Mac | macOS 和 Windows，Linux 为 beta |
如果你的文档和习惯已经扎根于 Claude，就选 Cowork。如果你想要免费层级或可用自己的密钥扩展的模型菜单，就选 WorkBuddy。
常见问题
WorkBuddy 比 ChatGPT Work 更好吗？
两者都没有绝对胜出，因为它们在不同的地方工作。据 VentureBeat 报道于 2026 年 7 月推出的 ChatGPT Work，能从 OpenAI 的云通过 MCP 连接器访问 Gmail、Calendar、Slack 和 GitHub。WorkBuddy 则直接打开本地文件夹，并有免费套餐。根据你的文件在哪里来选择。
Kimi Claw 是 WorkBuddy 的竞争对手，还是只是托管的 OpenClaw？
它是托管的 OpenClaw。Moonshot 的帮助中心将 Kimi Claw 描述为运行在 Kimi 内的 OpenClaw，并且可以关联你已在运行的 OpenClaw 安装。与 WorkBuddy 相比，它测试的是本文讨论的同样取舍，只是少了安装配置工作。WorkBuddy 这边，则在自己的模型菜单中列出了 Kimi K3 和 Kimi K3.1 Pro。
WorkBuddy 与 Manus 相比如何？
Manus 更依赖云：其 2.0 版本在应用旁增加了 Cloud Computer 附加组件，而 WorkBuddy 的桌面任务在你自己的机器上运行。两者还有资金上的联系：财新在 2026 年 8 月报道，在 Meta 的收购被解除后，腾讯成为 Manus 的最大股东。
开发者应该选 WorkBuddy、Claude Code 还是 Codex？
就代码而言，Claude Code 和 Codex 就是为此而生的，两者都接受各自厂商的 API 密钥。WorkBuddy 的桌面应用在 Work 旁边有一个 Code 模式，适合已经生活在 WorkBuddy 中的团队。如果你更愿意从聊天中驱动编码工具，OpenClaw 随附了一个编码智能体技能。
Seedance 2.5 草稿工作流的成本是多少？
在 Atlas Cloud 上，一段带音频的 10 秒 480p 草稿花费 $1.34，将其完成为 1080p 花费 $5.94，因此一个获批准的片段合计 $7.28。直接渲染 1080p 花费同样的 $5.94，因此当第一次尝试就成功时，草稿多花 $1.34；而对你每个在选中之前被否掉的想法，它节省 $4.60。
两个价格都包含 Atlas Cloud 当前 20% 的折扣，截至 2026 年 11 月 5 日该折扣没有公布结束日期。两个智能体四轮对话背后的 DeepSeek V4 Pro token 总共增加约 $0.95。
结论
两个智能体都把一张人像变成了相同的雨夜屋顶片段，在草稿处暂停并等待确认。差异出现在边缘环节：WorkBuddy 一路对我们的要求更少，OpenClaw 要求更多，但把整个技术栈都交还给你。
这使得 WorkBuddy vs OpenClaw 的选择变成了谁来维护智能体的问题。想要一个应用？选 WorkBuddy，并添加自定义模型来跳过积分。想拥有整个技术栈？选 OpenClaw，并在启用每个技能前先阅读它。无论哪种方式，媒体层都可以保持不变，因为一个 Atlas Cloud 密钥和一个技能文件夹就把这份简报贯穿了两者。
