这位作者长期从事文档制作和数据管理工作，对表格的挑剔程度远高于普通用户。他第一次试用Excel版Copilot时体验并不好：本以为能带来实打实的效率提升，实际却把时间花在了向它解释工作簿结构、纠正错误假设、反复核对建议是否真的符合意图上。那时的Copilot确实能生成公式、解释功能、提出思路，但在缺乏引导的情况下，它并不理解一张表格”为什么这么设计”——有些公式单独看没问题，放进工作簿结构里就不合适；有些”优化建议”简化了表格，却顺手删掉了原本有存在理由的部分。于是他降级回了不含Copilot的微软365经典版。

一年半后，他决定再给这个工具一次机会，重新升级到Microsoft 365 Copilot，并设计了三道难度递增的题目。

第一题：从一张销售表直接生成管理层仪表盘

他给出一张包含10列的销售数据表，要求Copilot做出一个面向管理层的专业仪表盘，需要包含KPI卡片、数据透视图、切片器和条件格式。

结果超出预期。Copilot新建了一个仪表盘工作表，里面的KPI卡片和图表从多个角度呈现数据，且全部回链到原始销售表，还配了用于筛选的切片器。

最让他认可的是一个细节：Copilot额外创建了一张隐藏的数据透视工作表，其中的数据透视表直接取自源数据表。也就是说，整个仪表盘是用Excel的标准结构搭起来的，而不是把一堆静态数字贴上去。计算结果正确，KPI卡片用的是实时公式，配色主题在各处保持一致。它生成表格时还会自动起有意义的名字，插入图表时自动加标题——这些都是手工建表后通常还要再收拾一遍的地方。

问题同样存在：图表尺寸不统一；切片器没有像要求的那样关联到每一张图；它还自作主张添加了位置别扭的冻结窗格，把一个切片器拦腰截断；此外，它在没被要求的情况下动手改了源数据的格式。他的评价是”能用，但分享出去之前还得再修一遍”。另一个意外的限制是，Copilot并不总能把对话记录保存在工作簿里——生成的公式、图表、数据透视表都会留在文件中，但产生这些结果的对话过程有时会丢失。

第二题：一条规则复杂的奖金公式

第二道题是在新列中计算绩效奖金，规则牵涉员工的客户评分、司龄、部门，以及是否超额完成目标。

他故意只给了计算规则、没有说明该如何组织公式，想看看Copilot会怎么处理这种复杂计算。他心里预期的是一串自己一向尽量避免的嵌套IF，结果Copilot用的是LET函数，把销售额、目标、奖金比例、评分资格、封顶值分别拆成清晰的变量。公式虽然长，但可读性和可维护性都不错。

考虑到LET函数在较老版本的Excel中并不可用，他又要求Copilot改用辅助列重做一版。Copilot另建了一张计算表，把逻辑拆成一步步的中间列，最终算出的奖金数值与LET版本完全一致。额外的好处是，这些中间步骤现在可以被其他计算复用，而在LET写法里它们是藏在公式内部的。

这是他认为最有说服力的一次测试：Copilot不仅写出了能跑的公式，还能根据工作簿后续如何共享、如何维护，给出同一套逻辑的不同实现版本。

第三题：给每位员工单独出一份可打印报告

最后一题在第二题的基础上加码：为每位员工生成独立的绩效报告，每人一张工作表，包含KPI卡片、图表、计算、条件格式，并且排版要适合导出为PDF。

Copilot完成得依然接近要求：分别建好报告表、把计算回链到源数据表、算出绩效评级、加上销售额与目标的对比，以及展示绩效和奖金构成的图表，打印出来的PDF正好排进一页。那些手工做报告时最耗时间的琐碎环节——格式设置、打印设置、隐藏网格线、统一配色——它也一并处理了。

其中一项功能被他认为对重复性工作特别有价值：可以创建一张名为”.Rules”的工作表，相当于附在工作簿上的一份说明书，写明货币格式要统一、标题要加粗、命名要遵循某种规范、优先使用较新的函数等。这些偏好会跟着工作簿走，不必每次让Copilot改东西时都重新交代一遍。

这一轮暴露的问题大多是视觉层面的：部分间距需要调整、个别图表标签重叠、货币格式要微调。但他的总结是，Copilot省掉了大量重复的搭建工作，交到手里的是一个”需要改进”的成品，而不是一张白纸。

结论：改观了，但还没到”必需品”

三次测试改变了他对Excel版Copilot的看法，不过他也没有把话说满。它确实在多步骤的表格任务上省了时间，把想法变成可用文件的能力也比预期强得多；但他并不打算仅仅为了一个更能干的Excel助手而额外付费。

在他看来，真正的考验还在后面：能否处理VBA自动化、复杂的数据清洗、可重复的报表流程，以及Word、PowerPoint、Outlook等其他办公组件。

“它已经从一个我退订过的功能，变成了一个我真心想继续测试下去的工具。”他写道，”这个变化比我18个月前预想的要大得多。”

需要提醒的是，Microsoft 365 Copilot在不同地区的可用性和订阅方式存在差异，上述功能以作者实际测试的版本为准，实际体验可能因版本和地区而不同。

来源：How-To Geek《I hated Copilot in Excel, but these 3 tests made me change my mind》，作者 Tony Phillips

OpenAI 经济研究团队追踪了 2025 年 8 月至 2026 年 6 月期间旗下智能体编程工具 Codex 的使用情况，得出一个核心结论：AI 智能体不只是让打工人干活更快，而是让他们开始做起了「完全不同的工作」。美国科技媒体 Axios 于 7 月 27 日率先报道了这项研究。

非开发者成了增长最快的用户群

Codex 起初是一款面向程序员的编程工具，开发者自然是第一批用户。但研究数据显示，随着 Codex 向更广泛的知识型工作扩展，非开发者群体的增长速度反而更快。

自 2025 年 8 月以来，个人用户中的非开发者数量增长了 137 倍，机构用户中的非开发者增长了 189 倍，OpenAI 内部的非开发者用户也增长了 12 倍。在个人、企业和 OpenAI 内部三个群体中，非开发者的每周活跃用户增速全部超过了开发者。

更值得注意的是跨界深度：业务部门员工用 Codex 完成的工作中，超过四分之一属于工程或编码任务。也就是说，法务、财务、招聘这些岗位上的人，正在批量涉足一年前还必须招聘一名开发者才能搞定的技术领域。

OpenAI 内部：律师 85% 的产出都来自智能体

OpenAI 自家员工的使用轨迹颇具代表性。工程师是最早一批采用者，到 2025 年 12 月，普通工程师已将大部分使用量转移到 Codex 上；如今，普通工程师 99% 的输出 Token 由 Codex 生成，而非 ChatGPT。

法务、财务和招聘部门的转向发生得更晚——大约在 2026 年 4 月——但过渡速度快得多。目前，OpenAI 内部普通律师或招聘人员超过 85% 的输出 Token 都由 Codex 生成。

从用量增幅看，研究部门的变化最为惊人：到 2026 年 6 月，其中位数使用量达到 2025 年 11 月的 56 倍；客户支持部门增长 32 倍，工程部门增长 27 倍，法务部门也达到 13 倍。

任务越来越重：七成请求相当于人工干一小时以上

除了用的人变多，任务本身也在变重。2026 年 5 月，超过 70% 的 Codex 请求涉及的任务，如果交给人类完成需要花费一个小时以上。

截至 2026 年 5 月，80.6% 的个人用户提出过至少一项相当于人工 30 分钟以上工作量的请求，70.2% 的用户提出过超过一小时工作量的请求。而重度用户的玩法更加激进：在 OpenAI 的日活跃用户中，排名前 1% 的用户平均每天生成超过 60 小时的智能体运行时长——秘诀是把任务分配给多个并行运行的智能体。

研究指出，整个行业的 AI 交互方式正在从「聊天机器人」转向「智能体」，用户不再是一问一答地索取答案，而是像管理团队一样，在一天内同时调度多项智能体任务。

职业边界模糊之后

OpenAI 在研究中总结道：智能体工具降低了跨越任务边界的成本，让员工能够承担过去需要专门技术支持才能完成的相邻工作。这对三类人都有直接影响——企业需要重新设计工作流程，员工需要重新判断哪些技能更值钱，政策制定者和研究者则需要理解 AI 究竟如何改变劳动力市场。

当一名招聘专员可以随手搭建自动化流程、一名律师可以让智能体跑通数据分析时，「这不是我的工作」这句话，恐怕正在失去它的字面意义。

来源：Axios、OpenAI 官方研究

一周就把 PC 版赶出来了

此前 WorkBuddy 鸿蒙手机版上线后，应用市场的留言区几乎被”什么时候出电脑版”刷屏——对要处理复杂工作的职场人来说，电脑才是真正的生产力主场。这次从移动端到电脑端，前后仅相隔一周左右，响应速度堪称”宠粉级”。

不过把一款成熟的效率智能体搬上全新的操作系统，绝不是复制粘贴代码那么简单。截至 2026 年 7 月，鸿蒙生态设备规模已突破 7000 万台，但面对零经验可循的新系统环境，WorkBuddy 团队与鸿蒙专家团队进行了深度协同：一方面联合攻克了系统登录、电脑连接、技能调用、产物预览等核心场景的系统级权限适配；另一方面，研发过程中团队大量调用了 WorkBuddy 自身的开发能力，”用 AI 开发 AI”，靠人机协同大幅压缩了开发周期。

「碰一碰」：连上下文一起传给同事

这次最有意思的，是一个目前其他主流系统都做不到的功能——「碰一碰」分享。

过去要把电脑里的工作成果或 AI 对话发给同事，免不了截图、复制、粘贴、再重新解释背景这一整套繁琐动作。而依托鸿蒙系统的底层近场通信能力，现在两台设备轻轻一碰，不仅产物文件瞬间直达，连同与 AI 沟通的完整上下文历史记录也能一并传过去。接收方打开后不需要重新描述背景，直接顺着原有上下文继续跟智能体交流。

灵感记录、资料流转、跨设备任务执行——AI 办公工作流由此打破了设备的物理边界。

手机派活，电脑干活

作为桌面级智能体，WorkBuddy 在获得授权后可以直接读写鸿蒙电脑的本地文件夹，批量重命名、跨表格数据提取、文件自动归档这类高频繁琐工作都能秒级完成。它还内置了覆盖 12 个行业的 140 多位 AI 顾问，兼容 2.2 万多个技能插件。

更实用的是跨端联动：出差途中接到紧急任务，只需在手机端下达指令，就能远程”遥控”挂机的鸿蒙电脑做数据分析、资料检索或方案撰写——人还在路上，电脑已经把活干完了。

从”AI 给出方法”到”AI 直接把活干好”，AI 办公正在经历从问答式到执行式的转变。鸿蒙电脑用户现在前往鸿蒙电脑应用市场搜索 WorkBuddy，即可一键下载体验。

来源：36氪、腾讯云