中国办公 Agent 用户行为报告：派活之后，谁来确认工作完成？

有道9月报告（2026年10月19日）：其聊天应用用户的微信使用率为77%，渠道可重叠，仅为单平台观察。

这个入口值得关注。不过，入口的普及与工作的完成，是两件需要分别验证的事。下面是 Open Market Notes 的独立分析：当一句聊天消息可以启动一项任务，办公室里真正发生的变化，可能并不是人少点了几次鼠标，而是分派责任的成本降低了，确认责任已经履行的成本却未必同步下降。

一句“帮我做”，省略了多少条件

设想一个电商运营人员在通勤途中发出指令：根据新品资料，准备一份上架方案。Agent 收集资料、整理表格、写出介绍，还生成了配图。这是一个假设的工作场景，不是报告中的用户案例。

从文件的数量看，任务已经取得进展；从经营活动看，它可能还没有完成。产品型号是否对应，图片是否可以商用，价格是否仍有效，文案有没有超出产品实际能力，都是交付的一部分。系统如果还能够直接发布，目标店铺与发布时间也需要明确。人的表达越简短，系统就越需要决定哪些内容可以推断，哪些必须询问。

因此，聊天入口的价值不能只用“发出指令有多容易”衡量。还应看错误理解能否被及时发现，用户能否知道任务卡在哪里，以及结束之后是否有一个可检查的结果。一个持续显示“正在处理”的系统，可能比一个明确说明“缺少产品规格，暂不能继续”的系统更令人安心，却未必更有用。

有道的产品代码与说明展示了文件、浏览器、工具与聊天渠道之间的连接能力。对组织而言，这种连接意味着需要设计新的交接点：谁提供输入，谁批准对外动作，谁为最终版本负责。这些是工作安排问题，不能仅靠模型表现解决。

活跃是一种信号，验收才是一项结果

阅读任何用户行为报告，都应该先问一个朴素的问题：分母是谁？某个平台的用户、其中启用某项功能的人，以及一家公司全部员工，是不同的群体。同一个人跨设备、跨模型使用，也可能形成多次记录。不能因为一个指标被写成百分比，就认为它天然适合彼此比较。

行为数据适合发现值得进一步调查的现象。它可以帮助产品团队找到入口、障碍和需求，却不能独自回答一项任务是否让组织节约了时间。活动增加，可能来自新用户，也可能来自原有用户的反复尝试；调用增加，可能对应更复杂的工作，也可能对应更多重试。要作出判断，需要把这些可能性拆开，而不是选择其中最乐观的一种。

一个可行的企业评估办法，是先固定交付物。比如，同样一组商品资料，要求人工流程与辅助流程各自完成符合相同标准的上架草案。比较的不只是第一份文件何时出现，还包括核对、修改、等待补充信息，以及被退回以后重新处理的时间。质量应尽量由不知道制作方式的人按同一标准评定。这并不保证实验完美，却可以减少把“看起来很忙”当成“确实有用”的风险。

成本账单之外，还有一张返工账单

Token 用量是模型使用量指标，不是成果指标。一项任务读取长文档、保留上下文、尝试多种方案，可能合理地消耗更多计算；同样的增长，也可能来自无效循环。管理者真正关心的，应是每个可接受结果需要多少总成本，而不是某一种用量单独上升或下降。

DeepSeek 的缓存文档说明，缓存可复用匹配的输入前缀，输出仍需计算生成。缓存并不验证答案。

假设一份调研需要频繁读取同一组背景材料，那么复用输入可能很有价值。但如果研究对象选错了，即使每次读取都很便宜，最终报告仍然可能需要重做。对于有外部后果的任务，便宜的错误不一定是低成本的错误。一份未经核对的文件若被发给客户，还会占用沟通和解释的时间。这些成本通常不会完整出现在模型账单中。

这也是为什么“每次调用更便宜”应当与“每次验收更可靠”一起讨论。前者可以鼓励尝试，后者才决定尝试能否稳定进入正式工作。把两者混在一起，会让技术上的进步承担它尚未证明的商业结论。

文件完成之后，工作仍然需要交接

METR 2026年2月24日的方法更新指出，参与者选择与同时使用多个 Agent 会影响效率测量。本文不据此判断办公 Agent 的净收益。

另一个值得单独考虑的组织问题，是文件如何变成共识。继续前面的假设：运营人员拿到了上架草案，设计师修改了图片，销售又调整了产品描述。哪一个版本才是准备发布的版本？如果系统随后依据旧资料重新生成整套文件，先前的人工作业是否会被覆盖？这些问题与单次生成质量有关，却不能通过提高单次生成质量彻底解决。

比较清楚的做法，是把草案与批准版本区分开，让修改能够追溯到依据。对价格、规格、期限等容易变化的字段，标明核验时间与负责确认的人。Agent 可以协助整理差异，但“发现了不同”与“有权选择最终版本”仍是不同权限。如果每位参与者都以为另一个人已经确认，速度提升反而可能使未经确认的内容更快向外传播。

这种交接要求不必变成繁复的表格。一个短说明就可能足够：本次改了哪些内容，采用了什么资料，还有哪一项未确认。它的价值是让下一位处理者能够继续工作，而不必重新猜测整个过程。当个人助手进入团队协作，能否留下这样的上下文，就成为交付质量的一部分。

真正需要建立的是交付的秩序

办公 Agent 的吸引力，是把操作性的负担从人手中移走。要保住这种价值，就必须避免把节省下来的操作，重新变成不透明的监督负担。

一个较稳妥的流程，应当让用户看见目标、关键依据、当前状态和最终产物。涉及外发、付款或覆盖原文件的动作，需要与普通的整理和草拟区分处理。失败后再次执行，也应说明哪些步骤已经发生，避免重复发送或重复修改。这里讨论的是设计原则，不是对某个产品现有功能的保证。

这份报告提供了观察办公入口变化的机会。对用户和企业来说，下一步更值得追问的，是一次派活能否留下可复核的交付。入口决定人们愿不愿意开始；清楚的责任、证据与验收，决定他们是否愿意长期依赖。判断这类产品的成熟程度，最终要回到工作本身。

来源说明：本文链接网易有道原报告，并参考产品说明、DeepSeek 技术文档和 METR 方法更新。场景与评估建议为 Open Market Notes 原创分析；不把单平台使用情况推及全国，不构成投资建议。