Work Agent使用调研：用户用途、成果与花费痛点

我们围绕个人办公场景下的Work Agent使用情况发起了调研，累计回收500+有效问卷，覆盖不同AI使用经验的用户群体，核心关注用户实际使用的任务类型、产出效果、人力投入以及付费意愿，以下是完整的调研数据。

赛道冷热分化，国内产品逆势增长

AI办公Agent的赛道呈现明显冷热分化。曾在2026年初掀起讨论热潮的OpenClaw，就像快速蹿红又迅速降温的红色龙虾：从2025年11月的周末项目起步，到当年3月GitHub星标突破25万，8月26日接近38.8万，让不少人首次直观感受到AI可以读取文件、调用工具、后台执行任务。但这股热潮很快降温，2026年4月到8月，其官网月访问量从1420万次跌至277万次，降幅达80%，活跃用户从631万降至141万，回落78%，8月环比仍有18%和17%的下滑。

国内Work Agent赛道则呈现增长态势。8月数据显示，WorkBuddy月访问量达1409万，环比增长135%，跻身国内AI工具访问榜前10；刚上线的千问办公访问量109万，活跃用户41万，环比增幅分别为552%和298%。在17个纳入统计的Work Agent与Skill平台中，4个实现环比增长，12个出现下滑，1个新晋榜单。需要说明的是，本次Web流量数据仅覆盖浏览器访问，未包含桌面客户端、移动App以及办公软件内嵌使用场景，也无法直接证明用户在产品间的迁移情况。

桌面端Agent产品快速扩张

进入2026年中，桌面端Work Agent产品已琳琅满目。海外方面，OpenAI在2月推出Codex桌面应用，7月发布ChatGPT Work，并将Chat、Work与Codex整合进全新桌面客户端。国内则有更多玩家入局：WorkBuddy3月上线后8月进入国内AI Web访问前10；千问办公8月将QoderWork、MuleRun和悟空整合为新入口；豆包工作打通飞书并支持云端续跑；Kimi Work将最多300个智能体并行能力放进本地工作台；百度搭子、AutoClaw、纳米Work、WPS灵犀也从各自擅长场景切入赛道。

调研核心：用户实际使用情况

尽管产品层出不穷，但功能清单无法回答更核心的问题：用户是否真正用起来？他们会将哪些工作交给Agent？产出的成果能否直接复用？后续需要多少人力修改？用户是否愿意为服务付费？带着这些疑问，本次调研团队发起本次Work Agent使用调研，邀请用户分享实际使用体验。本次参与调研的受访者中，88.4%在过去30天内使用过Work Agent，以下任务、成果和付费相关数据均来自这部分用户。

近八成用户每周都在使用

在近30天使用过Work Agent的受访者中，79.8%表示过去四周每周都有使用，说明这类工具已进入不少用户的日常工作流程。当然，每周使用和每日使用仍存在差异，部分用户仅在撰写报告等特定场景下打开工具，也有用户每天都会使用，本次调研未对此做进一步细分。那么用户究竟会用Agent完成哪些工作？

高频办公任务覆盖全场景

数据显示，71.9%的用户会让Agent搜索、调研或汇总资料，68.4%会用它撰写或修改文档、报告，50.9%的用户会用其处理表格、数据或图表，49.1%的用户用它制作PPT，43.9%的用户会让Agent编写代码、调试或搭建应用。这些任务都是日常办公的常见场景：比如撰写行业报告时，先收集资料、整理成表格，再整合为成文内容，Agent可以承接其中多个连贯步骤，用户仅需后续检查和修改。对于初次尝试的用户，可以从手边的一份资料或一张表格开始；对于产品开发者，则可以将入口设计得更具象，比如针对“帮我整理这些材料”的需求，快速输出可用成果。

Agent已经具备动手能力

除基础文本处理，不少用户已体验到Agent的“动手能力”：76.3%的使用者让Agent读取或修改过本地文件，65.8%的用户会让它操作浏览器或网页，也就是可以打开指定文件、抓取网页信息并将结果写入文档。72.8%的用户使用过Skill、插件或工具调用功能，简单来说就是为Agent配置标准化做事流程，或是让它调用合适的软件工具。另外两项能力使用率接近五成：48.2%的用户会让Agent记住偏好和过往资料，避免重复告知相同要求；49.1%的用户会使用云端续跑任务或定时执行功能。跨应用执行或多人协作的使用率为23.7%。

使用体验：初稿产出后仍需人力把关

从实际产出效果来看，48.2%的受访者表示，Agent生成的结果经过修改后大部分可以直接使用；28.1%的用户表示，多数成果可以直接交付使用；15.8%的用户仅会使用其中一小部分内容；7.9%的用户主要用Agent寻找创作思路。不难发现，“帮我生成一份初稿”已成为相当一部分用户的实际使用体验。但从初稿到最终交付，往往还需要用户亲自把关：比如撰写报告时，需要核对数据准确性、确认论据支撑结论、调整语气适配读者，这部分投入也需要计入整体工作成本。

后续人力投入差异巨大

那么Agent完成初步产出后，用户还需要投入多少精力？本次调研未统计具体耗时，但询问了用户通常需要完成的后续工作类型：43.0%的用户仅需处理少数关键问题；23.7%的用户主要做最终检查确认；7.0%的用户基本不需要额外处理。另一边，21.9%的用户需要频繁纠正或补充内容，4.4%的用户大部分工作都需要自己重做。不难发现，同样是“使用AI”，不同用户的后续投入差异巨大：有的用户仅需快速检查即可交付，有的则需要反复修改调整。如果产品团队想了解用户是否真正节省了时间，就需要进一步追问用户的卡点：是资料收集不全、需求理解不到位，还是最终结果难以核对？

任务复用：减少重复设置的关键

如果每周都需要完成相同任务，比如撰写周报，第一次需要告诉Agent整理材料的规则、格式要求和重点关注内容，那么下一次是否需要重复这些说明？这正是任务复用需要解决的问题。本次调研数据显示，37.7%的用户已保存模板、Skill或自动化任务用于反复调用；17.5%的用户形成了固定重复流程，可以直接按照既定步骤执行；33.3%的用户偶尔重复类似任务；11.4%的用户每次都需要从头开始设置。对于产品团队来说，可以在用户完成一次任务后，自动保存本次的格式、要求和操作流程，下次更换素材时即可直接复用，进一步提升使用效率。

用户核心痛点：贵、慢、检查累

不少用户在使用过程中遇到不少困扰：43.9%的受访者表示额度消耗快或价格高是主要问题，36.0%的用户觉得工具执行速度慢、等待时间久，22.8%的用户认为核对和检查结果的过程过于费事。这笔成本需要完整核算：订阅费用是固定支出，长任务可能还需要额外购买额度，加上等待任务完成的时间和后续检查修改的人力成本，整体投入并不低。因此，一款好用的Agent需要向用户清晰展示几个关键信息：本次任务大概需要消耗多少额度？当前任务进度如何？哪些数据有明确来源，哪些环节需要用户亲自确认？只有用户能清晰理解这些信息，才能决定是继续等待任务完成，还是手动接手处理。

用户认知与常用产品

调研初始环节，我们未给用户任何产品提示，请他们写下第一时间想到的Agent相关产品名称。其中，ChatGPT/Codex被49.0%的受访者提及，WorkBuddy为46.9%，Claude相关产品为21.9%。后续提及名单还包括各类办公工具、编程工具和自动化任务工具，可见在用户认知中，“Agent”已涵盖多种不同类型工具。需要说明的是，每位用户可写下多个产品名称，这里的比例仅代表“多少人想到了该产品”，而非“多少人正在使用该产品”。当被问及近30天内最常使用的产品时，ChatGPT桌面端（Codex）占比39.5%，WorkBuddy占比34.2%，Claude Cowork占比6.1%。这份名单更像用户的“常用工具栏”，每位用户可能尝试过多款工具，但最终选择了最适合自己的那一款。想要理解一款产品留存用户的原因，还需要进一步了解用户每天用它完成的具体任务，以及哪些场景下更换工具会不顺手。

用户获取渠道

用户最初如何了解到Work Agent工具？31.7%的用户最早通过科技媒体、公众号或内容创作者了解到这类产品；30.9%的用户原本就在使用相关模型或其他AI产品，进而接触到Agent工具；23.6%的用户通过朋友、同事或同学推荐了解到。对于尚未使用过Agent的用户来说，相比“拥有数十种能力”的笼统介绍，一段完整的操作演示可能更易理解：比如展示给工具一份素材，说明它如何完成任务，最终产出的成果是什么。在进行产品介绍时，不妨讲清这些细节，同时说明哪些环节需要人工修改，让用户提前预判使用效果。

更换产品的迁移成本

如果用户常用的Work Agent产品停止服务，更换新工具的难度有多大？42.1%的受访者表示当天就能完成切换；24.6%的用户需要几天时间适应和迁移内容；17.5%的用户需要明显调整现有工作流程或资料；13.2%的用户很难找到能完成相同任务的替代产品；2.6%的用户表示无法确定。不难发现，部分用户更换工具时会感到轻松，另一部分则会遇到不少麻烦。想要理解这些麻烦的来源，还需要进一步追问：用户的工具中保存了哪些内容，导致迁移时需要重新配置？

针对认为切换工具需要适应调整、大幅修改流程或难以找到替代产品的用户，我们做了进一步追问：65.1%的受访者认为最难迁移的是任务历史、记忆或个人上下文；38.1%的用户选择了保存的流程、模板、Skill或定时任务；34.9%的用户认为是使用习惯和对工具的信任。简单来说，迁移难点主要在于过往提供给工具的资料、对话进度以及工具记住的个人偏好。比如更换新的报告写作工具，可能需要重新告知其格式要求、常用素材和个人表达习惯。对于产品团队来说，除了让工具记住更多信息，还需要让用户能清晰查看工具记录的内容、修改过时信息、导出重要资料，这些细节都会影响用户日常使用体验。

付费情况与意愿

用户每月为常用Work Agent产品实际花费多少？数据显示，16.7%的用户直接支付100至199元每月，11.4%的用户支付200至499元每月，9.6%的用户每月支付1500元及以上。也有不少用户未单独为工具付费：15.8%的用户由他人、公司、学校或团队承担费用；8.8%的用户使用已有模型订阅或API服务，比如已购买某个模型服务，再用它接入Agent工具，无需额外付费；14.0%的用户从未直接付费；5.3%的用户之前付过费，但现在不再续费。这些不同付费情况背后的原因差异很大：比如公司付费的用户和试用后不再续费的用户，虽然当月都未自付费用，但背后逻辑完全不同。

如果假设用户需要长期自付费用，他们每月愿意支付的最高金额是多少？20.2%的受访者选择100至199元，14.0%的受访者选择1500元及以上；8.8%的用户暂时不愿意付费，7.9%的用户还没有明确想法。有人愿意支付上千元每月，也有人完全不愿意付费，背后影响因素包括用户使用Agent完成的具体任务、任务频率、手动完成该任务的耗时以及出错后的补救成本。需要注意的是，用户愿意支付的金额和最终实际购买行为仍存在差异，这组数据更多用于帮助理解用户使用场景，具体定价还需结合市场实际反馈验证。

总结：流畅日常使用才是核心

对于尚未使用过Work Agent的用户来说，不必先学习所有专业术语，只需要拿一份手边的素材，给工具一个清晰可验证的任务即可开始尝试。比如先让工具生成一份初稿，再查看自己需要修改哪些内容；下次再完成同类任务时，可以观察工具是否能保留上次的格式、要求和常用素材，减少重复准备工作。对于产品团队来说，需要关注用户的几笔核心成本：单次任务消耗的额度、等待任务完成的时间、后续检查和返工的耗时。新功能或许可以吸引用户首次尝试，但日常使用的流畅度才是留存用户的关键。当用户下周再次遇到相同工作任务时，是会自然打开Agent工具，还是觉得手动完成更省事？答案就藏在上一次任务完成后，用户需要额外完成的工作里。

关于本次调研

调查对象与目的

本次调研围绕个人办公场景中的Work Agent使用情况展开，面向不同AI使用经验的人群，既包括近期使用者，也包括曾经使用过、仅听说过或尚不了解这类产品的受访者。调研聚焦产品认知、具体任务类型、成果采用情况、人工投入、重复使用情况、使用阻碍以及个人付费意愿，不涉及企业采购或部署相关内容。

调查时间与方式

本次报告纳入的有效答卷来自2026年8月12日至9月9日期间提交的问卷，受访者自愿在线填写，属于非概率自选样本。问卷首先通过开放题收集无提示的产品回忆，之后解释Work Agent概念，并根据用户使用经历展示对应问题模块。

如何阅读比例数据

每张图表都标注了题目类型和统计对象：单选题展示各选项构成比例，多选题允许用户选择多个选项，因此比例之和可能超过100%；开放题的产品提及率以填写该题的用户为基数。百分比保留一位小数，四舍五入可能导致单选题比例合计略偏离100%。

适用范围

本次调研受访者以知识工作者和具备一定AI使用经验的人群为主，受访者职业分布为：产品、运营、市场或销售占31.0%，研究、咨询或投资占19.4%，软件开发、数据或其他技术工作占17.1%，这一职业结构体现了本次调研的知识工作者特征。另外，受访者对自身AI使用经验的自评如下：49.6%的用户表示可以设计工作流、Agent、自动化任务或使用API；27.1%的用户可以熟练处理文件和复杂任务。需要说明的是，这些自评内容并非经过考试或产品日志认定的能力等级，API在这里可理解为让程序调用模型或工具的接口。所有使用情况、成果交付和付费金额均为受访者自报，未经过产品日志、成果质量检测或支付凭证核验，本次报告不代表中国全体用户情况，也不用于估计市场份额或证明因果关系。