打通手機和電腦，騰訊 WorkBuddy 上線多端同步功能
作者：遠洋 責編：遠洋 評論： 感謝網友 不一樣的體驗 的線索投遞！8 月 11 日消息，騰訊 WorkBuddy 宣佈上線多端同步功能，實現 PC、App、小程序三端的任務、對話記錄與產物的實時同步，並支持手機上遠程對電腦端任務進行授權與停止。此外，WorkBuddy 多端同步支持“鎖屏遠程”。本次升級讓 WorkBuddy 真正突破設備邊界，隨時隨地在線，跨設備切換不再打斷工作流。此前，WorkBuddy 已經為用戶提供了移動端遙控的部分能力。本次 App 的發佈和小程序的升級，解決了用戶無法同步電腦端任務和產物，以及需要進行授權確認和遠程停止的場景。
原來，用戶在電腦端上發起的任務，路上掏出手機看不了進度，特定操作如需人工確認，用戶只能乾著急。升級後，在連接電腦模式並保持電腦開機的情況下，WorkBuddy 移動端具備多端同步能力，可實現任務、工作記錄和產出在 PC、App 和小程序多端同步（App 需升級 1.2.0 及以上版本、PC 端升級到 5.3.8 及以上版本），並且支持遠程遙控電腦上的任務授權與停止。同時，App 與小程序本次更新後，PC 端的“任務”與“工作空間（桌面端特定文件夾）”的分組也將同步至移動端，哪怕在移動端，可以繼續基於此前選擇的工作空間繼續桌面端任務。
比如，用戶在 PC 端 WorkBuddy 同時開著幾個項目，在手機也可以同時查看對應的任務和工作空間分組，分別點進去查對話，互不干擾，並行對話。原來的 Claw 或助理通道則繼續保留，用戶可繼續用此連接微信 ClawBot、客服號等 im 通道。現在，哪怕是用戶在 WorkBuddy PC 端上發起任務，臨時有事需要離開電腦前，途中任務跑到一半卡住需要等用戶確認，用戶也可以在手機裡直接回復，然後 WorkBuddy 繼續接著跑。還有一些需要移動端和電腦端同時協作的任務，比如用手機拍發票直接發給 WorkBuddy 移動端，電腦直接同步並絲滑處理手機文件，無需額外傳輸流程。
據瞭解，用戶只需要在 PC 和移動端上使用同一賬號登錄，並打開連接開關，即可連接特定設備的 WorkBuddy，並可在移動端查看在線 / 離線 / 連接中等設備連接情況。同時移動端支持連接和查看多臺 PC 端設備上的任務和工作空間記錄。WorkBuddy 是騰訊雲推出的桌面 Agent 工具，該工具支持通過自然語言指令下達任務，可在本地電腦規劃並執行多模態任務，實現自動批量處理文件、生成文檔 / 表格 / PPT、多模態內容創作、數據深度分析、行業調研、多任務 Agent 並行處理等操作。
投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：騰訊，WorkBuddy內部“一路綠燈”：消息稱 WorkBuddy 已成騰訊 AI 應用戰略優先級最高產品之一騰訊《王者榮耀》IP 自走棋遊戲《王者萬象棋》定檔今年 9 月，全網預約人數突破 5000 萬網友直呼起猛了：《使命召喚手遊》×《崩壞 3》，騰訊與米哈遊首次遊戲聯動官宣QQ 鴻蒙版 App 獲 9.2.53 邀測升級，新增支持匿問我答等功能騰訊遊戲《怪物獵人：旅人》8 月 7 日開啟“啟明測試”，限驍龍 845 及以上安卓機型騰訊混元發佈語音識別模型 Hy ASR 3.0 preview，元寶已首發上線
Related
相關文章
消息稱 NVIDIA 考慮向 Perplexity AI 投資“數十億美元”
作者：溯波（實習） 責編：溯波 評論： 8 月 24 日消息，外媒 The Information 稍早前報道稱，NVIDIA（英偉達）考慮在 Perplexity AI 的最新融資輪中向這家人工智能初創企業投資“數十億美元”。雙方正就該交易展開磋商，還可能達成技術授權協議。
Rabbit做了個“所有Agents的Agent” ，體驗後我覺得Agent早就該長它這樣
Rabbit推出了一個被稱為「所有Agents的Agent」的新產品，實際體驗後讓人覺得Agent早就該長這樣。文章認為Agent普及的關鍵並非增加更多能力，而是讓用戶少理解十個概念，降低使用門檻。
OpenAI 高管勒漢恩警告：AI 已能策劃網絡攻擊，公眾企業須備好防禦
OpenAI首席全球事務官勒漢恩警告，前沿AI已能規劃並發動複雜網絡攻擊，公眾和企業須做好持續防禦。此番警告源於7月事件：訓練中的智能體突破沙箱、聯網入侵Hugging Face，OpenAI尚無法排除風險。他呼籲加強立法應對AI新階段威脅。
Guidelight評估五大AI實驗室，OpenAI遏制能力排名第一
該評估覆蓋Anthropic、Google、OpenAI、Meta和xAI，僅依據公開信息考察其是否建立監控、異常行為處置、第三方審計及失控模型關閉等機制。在滿分5分的評估中，OpenAI以3分排名最高，Anthropic和Meta得分最低。
τ_0-VLA長程操控
τ₀-VLA是一種層次化機器人基礎模型，透過世界模型引導的測試時計算來改善長程操控任務。高層策略在決策不確定時會額外分配計算資源，搜尋替代子任務並預測其視覺結果，而低層策略則在40,115小時的異質真實世界數據上訓練。在包含13到25個步驟的真實長程任務中，封閉迴路成功率從27.5%提升至45.0%。