WorkBuddy là gì: AI agent văn phòng chạy trên máy (2026)

Bạn mở laptop: bản ghi cuộc họp sáng nay, bản báo cáo tuần phải nộp trước khi tan làm, và tin nhắn sếp: “biến đống này thành PPT”. Trước đây bạn phải làm từng việc bằng tay. Giờ một lớp công cụ mới tuyên bố làm hết chuỗi đó một lần — WorkBuddy của Tencent, ra mắt tháng 3/2026, là một trong số đó.

Đây không chỉ là thêm một trợ lý AI. Đây là tín hiệu xem AI có thật sự nhận việc văn phòng hàng ngày hay không. Phần lớn bài viết chỉ chép thông cáo, liệt kê tính năng rồi dừng. Chúng không nói cách dùng, cũng không nói chỗ còn chưa làm được. Hướng dẫn này phủ cả hai.

WorkBuddy là gì: agent văn phòng chạy local trong 30 giây

WorkBuddy là AI office agent trong họ CodeBuddy của Tencent. Nó ra mắt ngày 9/3/2026, điểm nhấn là chạy local: chạy trên máy của bạn, tự lên kế hoạch và giao việc nhiều bước như làm PPT hay viết báo cáo, và có thể chạy nhiều agent song song. Cổng chính thức: Tencent WorkBuddy.

Khác chatbot chỉ trả lời câu hỏi, một agent nhận mục tiêu, tách bước, gọi công cụ, rồi đưa bạn thành phẩm. WorkBuddy đến từ dòng CodeBuddy của Tencent: nó đưa năng lực agent vốn dành cho developer sang công việc văn phòng nói chung.

Một tin đồn cần dập sớm: WorkBuddy không phải “thay Yuanbao của Tencent làm lõi”. Tính đến giữa 2026, Tencent chạy song song nhiều sản phẩm — Hunyuan làm engine model, Yuanbao là cửa chat cho người dùng, CodeBuddy cho developer, WorkBuddy cho việc văn phòng, cộng thêm QClaw và Marvis. WorkBuddy là mảnh thật sự làm việc văn phòng.

Quy tắc thực tế: Trước khi hỏi AI agent có viết được PPT của bạn không, hãy hỏi nó có đọc được định dạng bạn đang làm việc hay không.

Cách dùng WorkBuddy: năm model, gói skill, kết nối doanh nghiệp

Cách dùng WorkBuddy tách thành ba năng lực. Thấy ba mảnh đó, bạn biết nó ngồi chỗ nào trong workflow.

Thứ nhất, chuyển tự do giữa năm model. Theo trang chính thức của Tencent, WorkBuddy cho bạn chuyển giữa Hunyuan, DeepSeek, GLM, Kimi và MiniMax. Việc giống code thì chọn model lý luận mạnh hơn, việc viết thì chọn model viết khỏe hơn, tất cả trong cùng một công cụ.

Thứ hai, skill có sẵn và connector doanh nghiệp. WorkBuddy đi kèm hơn 20 “gói skill” bạn thêm được mà không viết một dòng code. Nó cũng kết nối thẳng WeCom, QQ, Lark (Feishu) và DingTalk, nên output của agent rơi lại đúng công cụ bạn đang dùng. Với người dùng doanh nghiệp còn có audit bảo mật.

Thứ ba, chạy local cộng nhiều agent song song. Task chạy trên máy bạn. Nhiều agent có thể đẩy các sub-task khác nhau cùng lúc — một đứa research, một đứa outline, một đứa dàn slide — rồi gộp thành báo cáo hoặc PPT.

Năng lực	WorkBuddy làm gì	Vì sao quan trọng
Model	Chuyển giữa Hunyuan / DeepSeek / GLM / Kimi / MiniMax	Chọn đúng “não” theo từng việc
Mở rộng	Hơn 20 gói skill có sẵn, không cần code	Người không dev cũng thêm được năng lực
Kết nối	WeCom / QQ / Lark / DingTalk	Output chảy lại vào công cụ hàng ngày
Thực thi	Local, nhiều agent song song	Data ở trên máy; việc chạy nhanh hơn
Việc	Tự làm PPT và báo cáo	Nhận phần sản xuất tài liệu lặp lại

WorkBuddy làm được gì cho bạn — và chỗ nó kẹt

Ánh xạ các năng lực đó lên người thật thì cả giá trị lẫn mép đều rõ.

Với người đi làm, thắng ngay là tự động hóa “biến một đống tài liệu thành văn bản nộp được” — báo cáo tuần, brief đối thủ, lượt thứ hai trên biên bản họp. Với ops và product, nó kéo thông tin rải trong công cụ doanh nghiệp thành bản nháp. Với founder và team nhỏ, một người gánh được nửa vai trợ lý.

Gần như mọi office agent thế hệ này chung một điểm mù: chúng mặc định đầu vào là chữ. Bản ghi cuộc họp hai tiếng, podcast ngành, livestream đối thủ, khóa học online — agent không đọc được. Nó biến brief đã là chữ thành PPT. Nó không “xem hết video hai tiếng rồi mới bắt đầu”.

Muốn nó xem video trước, transcript tìm được là bước bắt buộc — mỗi câu nói thành chữ bạn truy được.

Screenshot này làm tương phản cụ thể:

Screenshot: BibiGPT · demo Deep Search

Một phần lớn thông tin nơi làm việc là audio và video: họp là bản ghi, tin ngành là podcast và livestream, học là khóa học. Phần lớn thứ vào là “nghe và xem”. Agent chỉ “đọc”.

Quy tắc thực tế: Đừng nhét cho AI một định dạng nó không đọc được — chuyển audio và video thành chữ, rồi đưa chữ đó cho bất kỳ agent nào.

Ghép cho WorkBuddy một tay “xem video”: kết hợp với BibiGPT

Bước WorkBuddy kẹt — “biến audio và video thành chữ bạn nhét vào được” — đúng là việc trợ lý AI audio/video như BibiGPT làm. Chúng không cạnh tranh. Chúng nối tiếp: BibiGPT biến “nghe và xem” thành chữ có cấu trúc; WorkBuddy cầm chữ đó đi tiếp thành PPT và báo cáo. Tính đến tháng 7/2026, BibiGPT đã phục vụ hơn 1 triệu người dùng, tạo hơn 5 triệu bản tóm tắt AI, và hỗ trợ hơn 30 nền tảng audio/video lớn.

Đây là pairing bạn chạy được hôm nay.

Bước 1: biến audio/video thành takeaway chữ dùng được. Dán link YouTube hoặc Bilibili, hoặc upload bản ghi local. BibiGPT trích phụ đề và dựng tóm tắt có cấu trúc. Cùng một thao tác có thể biến video thành bài minh họa — thường đúng là tài liệu bạn cần nộp. Xem AI video thành bài minh họa.

Đây là cửa vào: một link vào, output ra:

Screenshot: BibiGPT · demo video-to-article

Bước 2: tóm tắt nhiều video cùng lúc. Nếu bạn đang gom cả series — mười bài của một khóa, một quý talk ngành — dùng tóm tắt video hàng loạt miễn phí để gấp chúng thành một overview và mind map, thay vì xem từng cái.

Đây là cửa tóm tắt bộ sưu tập:

Screenshot: BibiGPT · demo tóm tắt bộ sưu tập

Bước 3: hỏi lại kết luận, có nguồn. Sau tóm tắt bạn thường muốn biết “con số này lấy từ đoạn nào?” Tóm tắt video YouTube có truy nguồn của BibiGPT gắn timestamp bấm được và clip gốc vào mỗi câu trả lời, nên model không bịa suông.

Capture này cho thấy mỗi câu trả lời nhảy về đúng khoảnh khắc trong video:

Screenshot: BibiGPT · demo chat AI video có truy nguồn

Quy tắc thực tế: Tóm tắt trước, rồi mới quyết định có xem không — bỏ năm phút tóm tắt thay vì hai tiếng xem, đó mới là quyết định đầu tư thời gian.

Bước 4: đưa chữ đã sạch cho agent. Sau khi đã dò các điểm bằng phân tích nội dung hình ảnh video, xuất sang ghi chú Obsidian một click sang Notion, Obsidian, Readwise, hoặc tải Markdown/PDF. Chữ sạch đó là nguyên liệu WorkBuddy biến thành PPT hoặc báo cáo.

Đây là cửa chat hỏi tiếp:

Screenshot: BibiGPT · demo chat hỏi tiếp AI

Khi bạn cần tìm câu nào đó được nói lúc nào, tìm nội dung video tìm toàn bộ transcript, không chỉ title và abstract. Relay đó — BibiGPT biến audio/video thành chữ, WorkBuddy biến chữ thành thành phẩm — là vòng để agent phủ mọi cửa thông tin bạn thật sự có.

Quan điểm của chúng tôi: trạm tiếp theo của office agent là đầu vào multimodal

Vài claim bạn có thể giữ chúng tôi chịu.

Claim 1: đầu vào multimodal sẽ là chiến trường chính tiếp theo của office agent. Thế hệ workbench này (WorkBuddy, TRAE Work, và phần còn lại) cạnh tranh ở “agent nào plan tốt hơn và gọi tool tốt hơn.” Nút thắt thật nằm sớm hơn — audio và video không vào được. Cược của chúng tôi: trước tháng 6/2027, office agent mainstream nào vẫn không đọc native được audio/video sẽ mất họp, khóa học và podcast cho bên nào ship được trước. Chúng tôi sẽ kiểm tra câu trả lời lúc đó.

Claim 2: gần hạn, agent sẽ không tự mọc một stack hiểu audio/video tốt. Biến audio/video thành chữ ổn định, chất lượng, dùng được là việc chuyên biệt — trích phụ đề, tách người nói, adapter đa nền tảng. Chúng tôi nghĩ 12 tháng tới office agent dễ cắm một lớp chuyển đổi bên ngoài hơn là tự xây in-house. Góc nhìn này trùng vị trí sản phẩm của chúng tôi; hãy đọc kèm xung đột lợi ích đó.

Claim 3: “tóm tắt trước, rồi mới quyết định có xem” sẽ thay “xem trước, rồi mới sắp xếp.” Một khi agent đưa takeaway của một video trong vài giây, hành vi lật: xem hàng, rồi mới quyết định có bỏ thời gian. Bên nào đứng ở cửa quyết định xem/không xem là đúng phía câu chuyện.

Câu hỏi thường gặp (FAQ)

Q1: WorkBuddy liên quan thế nào với Yuanbao của Tencent? Chúng là sản phẩm song song. Yuanbao là cửa chat cho người dùng; WorkBuddy là office agent kiểu thực thi từ họ CodeBuddy. WorkBuddy không phải “thay Yuanbao”.

Q2: WorkBuddy hỗ trợ những model nào? Theo trang chính thức của Tencent, bạn chuyển giữa Hunyuan, DeepSeek, GLM, Kimi và MiniMax, rồi chọn theo loại việc.

Q3: WorkBuddy đọc được bản ghi họp hay podcast không? Tính đến tháng 7/2026, office agent thế hệ này mặc định đầu vào là chữ. Audio và video không được hỗ trợ trực tiếp. Chuyển chúng thành chữ có cấu trúc bằng BibiGPT trước, rồi đưa cho WorkBuddy.

Q4: Chạy local nghĩa là gì, data có an toàn không? Chạy local nghĩa là task chạy trên máy của bạn. Data không bắt buộc rời máy để được xử lý. Người dùng doanh nghiệp còn có audit bảo mật, kiểm soát được hơn.

Q5: Tôi không phải lập trình viên. Vẫn dùng WorkBuddy được chứ? Được. Nó đi kèm hơn 20 gói skill và được thiết kế mở rộng zero-code. PPT và báo cáo nhắm người không dev.

---

Audio và video là “vật chất tối” lớn nhất của đầu vào thông tin thời AI — agent không đọc được, bạn thì không sống thiếu được. Đổi chúng thành chữ trước, mọi công cụ AI bạn đã dùng mới thật sự bắt đầu làm việc.

Mở BibiGPT và biến bản ghi họp cùng khóa học thành chữ dùng được

BibiGPT Team