工作清單

腾讯AI助手WorkBuddy之外，为什么还开源一个Octop

逐字稿文字預覽

Workbody你大概率用過,或者至少聽說過。
騰訊出的AI助手,裝到電腦上登錄就能幹活。
寫文檔、讀材料、改方案都能丟給他,說不定你電腦裡現在就裝著。
而騰訊在Github上還開源了另一個助手,叫Octob。
Github就是放開原代碼的那個網站,自家有了一個,幹嘛再造一個?
很多人以為Octob就是Workbody的開源版。
第一反應我也是怎麼猜的。
我把Workbody的官方文檔和Octob的開源頁面都翻了一遍。
發現猜錯了,兩個是騰訊旗下不同的產品,不是一個東西的兩個版本。
更意外的是,大家以為的那個差別,也猜錯了。
那騰訊為什麼還要再做一個,這期分兩段說。
先把你手裡這個Workbody和那個開源的Octob是什麼關係講清楚。
再說,我把兩個裝進同一台電腦,跑同一件活,看到了什麼。
先說你熟悉的這個。
Workbody是騰訊做的桌面助手,裝在電腦上,註冊登錄就能用。
免費體驗版每月有積分,網上還有三檔付費。
那個開源的Octob呢,也是騰訊出的,掛在Github上。
授權協議是MIT,就是代碼誰都能拿走,能改的那種。
再說,大家猜錯的那個差別。
很多人以為,Workbody只能用騰訊內置的模型,想接自己的模型得找Octob。
Workbody的官方文檔不是這麼寫的。
文檔原文,模型配置允許您自行接入第三方大模型,作為Workbody調用底座。
配置參數含API Key僅保存在本地Workbody Models JSON中,不上傳雲端。
換成人話,你可以把別家模型接進來當發動機,密钥只存在你自己電腦的一個文件裡。
文檔還寫著,使用時,Workbody僅作為通信鏈路,將您的輸入直接轉發至所配置的第三方模型。
輸出由該模型直接返回。除,未完成請求,必要傳輸,安全審計,故障排查,依法留存所必需外。Workbody,不讀取,不存儲相關內容。
不過文檔裡有一處自己跟自己打架。
積分頁寫著,所有對話請求都要消耗積分。
模型頁寫著,自定義模型的費用是你付給第三方的。
到底扣不扣?我裝了免費體驗版實測,配好自己的模型,跑完一次任務。
積分頁顯示,已使用是0。一分積分都沒扣。
騰訊為什麼還要做兩個?內部怎麼想的我不知道,我只能把實測看到的擺給你。
先看拿到手這一步,差別從裝完那一刻就開始了。
Workbody是510M的安裝包,裝完登入就能幹活。
Octobus官方給的一行安裝指令,41秒裝完,可它開箱不能用。
第一瓶就有一個大紅叉,提示,沒配模型。
你得自己帶模型進來,要么填模型廠商發的密钥,要么在自己電腦上跑本地模型。
Workbody這邊,想接自己電腦上跑的本地模型也行。
官方文檔有專門一節講Olama,就是把模型跑在你自己機器上的工具。
不過我裝的5.56版里,供應商列表沒有現成的Olama選項,要走自訂一手填地址。
我實測跑通了。
也就是說,接自己模型這件事,兩個都行,差別不在這。
再看看同一件活,同一份材料,CNNIC的第56次報告,78頁的PDF,就是統計中國網民規模的那份官方文件。
同一句指令,逐字貼給兩邊。讀這份PDF,產出一份代數據的記要,再給我一張表。
最關鍵的控制項,兩邊接的是同一個模型,都是Deep Seek官方的Flash。
不這麼幹,交出來的東西有差別,就分不清是產品的差,還是模型的差。
Workbody那邊,9分34秒。PDF也讀完了,還現場裝了個解析工具包,可最後沒交東西。
反過來問我兩個問題。
記要是要哪種?這份報告不是會議記錄,是統計報告。
一張表是要哪張表?問完,還給了三個按鈕讓我挑。
平心而論,Workbody,問的都在裡。
我那句指令裡,記要確實有其意,一張表也確實沒說清。
Octop,一分鐘出頭就交卷。
先檢查電腦裡有什麼現成工具。
發現系統本來就有讀PDF的,直接拿來用。
然後交出一份分6個部分的記要,外加一張10行的對照表。
末尾還付了賬單,輸入269000個詞塊。
詞塊就是AI算帳時把文字切成的小塊,其中8x3命中緩存,輸出不到7000。
我把表裡的數字逐條對過原文。
10個全對。
所以這不是誰行誰不行。
Octop的取向是先幹出來再讓你挑。
Workbody的取向是先問清楚再動手。
一個直接給結果,一個先跟你確認。
到這兒,標題那個問題已經能達了。
騰訊為什麼還要做兩個?
因為幹的是兩類需求。
一個是開箱就能用的服務。
賬號、額度、計量都在騰訊那邊。
一個是自己搭起來的東西。
要自己帶模型,但數據和改動權在你手裡。
不花錢的話,Workbody能走到哪一步?
免費版賬上有2000積分。
500是套餐的。
1500是平台獎勵的。
接自己的模型。
實測,不扣積分。
用內置模型也不貴。
便宜的檔只按0.03倍扣。
還有幾個限時免費。
一分不扣的。
積分真用完了。
簽到能領100。
邀請一個人最高650。
不過免費檔買不了積分加量包。
Octop那邊是另一筆帳。
軟件本身一分錢不要。
可模型得自己掏。
你填哪家的密要,
就按哪家的價付給哪家。
換來的是,代碼是MIT。
建帳號連手機號都不用。
數據全落在自己電腦的一個文件夾裡。
所以該怎麼選?
想裝上就用。
不想操心模型和密要的。
選Workbody。
帳號、額度、默認模型都在騰訊那邊管著。
你只管幹活。
想讓數據留在自己電腦上。
願意自己帶模型的。
選Octop。
公司裡要拍板選哪個AI助手的。
把這條轉給他。
能省掉自己裝一遍對比的功夫。
繞回標題那個問題。
騰訊為什麼還要開源一個Octop?
騰訊的答案我給不了。
實測給的答案很清楚。
兩個根本不是給同一種人準備的。
差別不在能不能接你的模型。
在這套東西到底歸誰。
這類上手實測我每期都做。
裝一遍,跑一遍,把帳算給你看。
你手頭那台電腦,會裝開箱即用的那個,還是歸自己的那個。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://b23.tv/7a8SM9E --language zh --auto-source-subtitles

    來源：https://b23.tv/7a8SM9E

    辨識語言：zh ｜ 參數：--language zh --auto-source-subtitles

  2. 預期流程

    依指令產生的處理順序：

    1. 自動字幕優先，Whisper 作為備援
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：36.3 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：39.7 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  6. 4. 句子密度平衡

    工具：videonote_balance_sentence_units.py

    處理：平衡句子長度與密度

    產出：sentence_units.json（句子單元）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  7. 5. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  8. 6. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  9. 7. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  10. 8. 逐字稿交叉檢查

    工具：videonote_cross_check_transcript.py

    處理：交叉檢查逐字稿與來源字幕

    產出：transcript_crosscheck_report.json（交叉檢查）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  11. 9. 來源句整理

    工具：videonote_prepare_source_entries.py

    處理：整理來源句子供時間軸與頁面使用

    產出：sentence_units.json（句子單元）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  12. 10. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：88.1 秒

    關係：依序執行

    結果：完成

  13. 11. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.2 秒

    關係：依序執行

    結果：完成

  14. 12. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench