QAgent:把"自然语言"变成企业办公新操作系统的智能体助手
一句话,就是一个结果。
一分钟视频版
我们每天 70% 的时间,花在了能自动化的琐事上
整理周报、填票据台账、查数据库、生成销售图表、按国标格式起草通知、按部门周报汇总 PPT……这些事每一件都不能不做,但如果一件件做下来,一天就过去了。
数据上,这类事务性工作占据了员工 70% 的工作时间。
但它们有一个共同点:能自动化。
问题只是过去没有一款工具,能让员工用日常语言就把这些事情一句话交代出去,而不是先去学 Python、学 SQL、学 VBA、再写脚本。
QAgent 是什么:自然语言对话,就是操作本身
QAgent(全称 "企业打工人智能体助手")是一款面向企业员工的本地桌面端智能体助手,基于开源的 Hermes Agent 内核,主打"自然语言对话即操作" —— 你只用说一句话,它就代为完成。
它的产品形态有四个关键设计:
- 本地桌面端 + Web 交互界面 —— 跑在员工自己的电脑上(Electron 应用),文件不出本地,企业数据可控;
- 写操作先授权 —— 所有数据修改、文件写入、邮件发送均需用户点击确认,杜绝 Agent 越权;
- 技能可扩展 —— 能力以"技能 (Skill)"为单位组织,内置 51 个技能、覆盖 12 大类;
- 支持 cron 定时任务 + 看门狗模式 —— 从一次性会话延伸到无人值守的自动化。
和传统自动化工具的差异在于:你不需要会写脚本。它替你写、替你执行、替你检查每一步要不要继续。
它能做什么:4 个真实场景演示
下面这 4 个场景,都是从实际办公流程里提炼出来的。
场景 1 · 一句话查数
输入:"生成本周销售数据图表"
QAgent 会把你的自然语言转成 SQL 查询企业数据库(MySQL / PostgreSQL),返回结构化结果,然后自动绘制折线图、柱状图。整个过程不到 5 秒。
场景 2 · 一句话做表
输入:"把这 4 张发票信息填进台账"
QAgent 用 OCR 识别扫描件或拍照件中的发票号码、金额、税额、供应商、日期等字段,自动填入 Excel 对应单元格 —— 人工核对一次即可。
场景 3 · 一句话写公文
输入:"按国标格式写一份推广通知"
QAgent 内置了符合 GB/T 9704-2012《党政机关公文格式》的公文模板,可以生成红头文件、通知、请示、批复等正式文件,自动排版红头、标题、正文、落款、日期。
场景 4 · 一句话做周报
输入:"总结本周团队周报并生成 PPT"
QAgent 可以批量阅读 7 篇团队周报,自动提炼亮点、风险、待办事项,导出为 Word 总结 + 4-6 页的 PPT 汇报材料。
51 个技能 × 12 大类,能力随业务一起成长
QAgent 内置 51 个技能,覆盖以下 12 大类:
| 类别 | 代表技能 | 典型用途 |
|---|---|---|
| 生产力办公 | PPT 制作、PowerPoint 编辑、OCR 提取、PDF 修改、Notion、Airtable、Google Workspace、Teams 会议纪要 | 办公文档全流程处理 |
| 创意设计 | 信息图(21 布局×21 风格)、架构图、Excalidraw 手绘图、HTML 设计稿、Manim 动画 | 可视化与设计产出 |
| 软件开发 | TDD、系统化调试、代码审查、代码简化、计划模式、Node 调试 | 研发全流程支撑 |
| GitHub 协作 | PR 全流程、Issue 管理、代码评审、仓库管理、代码库体检 | 代码协作自动化 |
| AI 工程 | llama.cpp 本地推理、HuggingFace 模型、W&B 实验追踪、SAM 图像分割 | AI 模型应用与实验 |
| 信息研究 | arXiv 论文检索、博客与 RSS 监控、媒体内容提炼 | 信息收集与整理 |
| 自主 Agent 编排 | 委派 Claude Code / Codex / OpenCode 执行编码任务 | 多 Agent 协同开发 |
| 数据分析 | Jupyter、SQL 自然语言查询、CSV 处理 | 数据处理 |
| 桌面自动化 | computer-use 后台操控 | 跨应用操作 |
| 笔记与知识库 | Obsidian、RAGFlow、向量检索 | 个人 / 企业知识沉淀 |
| 邮件与协同 | Himalaya (IMAP/SMTP)、企业微信、飞书 | 沟通自动化 |
| 工具评测 | Web 应用 QA、dogfood 测试 | 自动化验证 |
更关键的是:能力边界不限于内置。QAgent 提供技能商店,可以在线浏览、安装、卸载第三方技能,也可以把团队内部 SOP、个性化工作流沉淀成自定义技能并发布共享。
它和普通的聊天 AI 有何不同
很多人第一次接触 QAgent 时,会把它和 ChatGPT、DeepSeek、文心一言、通义千问这类聊天型 AI 混为一谈 —— 都能聊、都能理解自然语言。但二者本质上服务的是两类不同的任务:
| 维度 | 聊天 AI(ChatGPT / DeepSeek 等) | QAgent |
|---|---|---|
| 核心形态 | 对话窗口 + 大模型推理 | 本地桌面应用 + 大模型 + 工具/技能调用 |
| 回答问题 | ✅ 能 | ✅ 能 |
| 生成文本/代码 | ✅ 能 | ✅ 能 |
| 执行写操作(改文件、发邮件、写数据库) | ❌ 不能(只能给"步骤建议") | ✅ 能,真做 |
| 连接你的真实数据(企业数据库、本地文件、知识库) | ❌ 需要手动复制粘贴 | ✅ 直连,数据不出本地 |
| 可重复执行的自动化流程 | ❌ 每次都要重新提问 | ✅ 技能 + cron 定时任务,可无人值守 |
| 能否长期记忆企业上下文 | ❌ 默认无记忆,需每次解释背景 | ✅ 内置企业知识库 + 会话持久化 |
简而言之:聊天 AI 是"军师",给你出主意;QAgent 是"执行者",按你的主意真把事办了。
QAgent 在做执行类操作时,多了一层关键设计:
写操作先授权 —— 每个写操作前弹出一个 ✓ 授权卡片,卡片显示"将修改 12 行 Excel 单元格",你点 ✓ 后才执行。
数据流向也完全在企业授权范围内:本地电脑 ← → 企业数据库 / 企业知识库,全程不离开企业内网。
对于 IT 决策者来说,这意味着 QAgent 既能享受到大模型的能力,又不会成为数据外泄或操作失控的入口。
它和 Workbuddy 这类通用 AI Agent 有何不同
除了聊天 AI,市面上还有 Workbuddy 这类"通用 Agent"产品 —— 形态上跟 QAgent 相似(都能调用工具、能执行任务),乍看像是同一类工具。但在技能质量的取舍上,两者走的是完全不同的路线:
| 维度 | 通用 AI Agent(如 Workbuddy 等) | QAgent |
|---|---|---|
| 技能数量策略 | 海量堆砌(动辄几百上千),"先有再优" | 克制精选(51 个),每个都打磨到位 |
| 技能来源 | 通常开放社区提交,准入门槛低 | 由官方 + 精选合作方推出,严控质量 |
| 技能完成度 | 很多只是"能用",文档不全、错误处理粗糙、出错时不知所措 | 充分打磨:完善文档、稳定运行、清晰的错误提示、降级路径 |
| 用户感受 | 在技能商店里翻半天不知道哪个能解决自己的问题,试错成本高 | 51 个技能覆盖 12 大类,按业务场景就能找到对应的那一个 |
| 出错时 | 经常把半成品甩给用户 | 在内部已经把失败处理、权限校验、人工兜底都做好了 |
简而言之:通用 Agent 的技能商店是"市场"—— 货多但鱼龙混杂;QAgent 的技能商店是"精品店"—— 少而精,件件可用。
我们见过太多用户在别的 Agent 平台装了十几个技能,结果发现 80% 是充数的、或者场景对不上、或者跑两步就报错 —— 最终要么放弃,要么又回到手动操作。技能不在多,在能用、好用、用得起来。
把时间留给真正需要判断的工作
如果事务性工作占据了 70% 的时间,那真正需要判断力的核心业务,只能挤进剩下的 30%。这是一笔并不划算的时间账。
QAgent 的产品定位就是:把 70% 的琐事时间尽可能自动化,把判断力和创造力的空间还给员工。
它不是要替代谁,而是让每一句"帮我做一下 X" 都得到一个可以验收的结果。
附录:上手信息
| 项目 | 内容 |
|---|---|
| 产品名称 | QAgent(企业打工人智能体助手) |
| 内核 | Hermes Agent(Nous Research 开源) |
| 形态 | 本地桌面端应用(Electron) |
| 平台 | Windows 10/11(macOS、Linux 即将支持) |
| 试用地址 | enterprise.quseit.com |