一句话结论
腾讯发布覆盖应用、数据、安全及工程基础设施的全场景Agent系统,旨在通过打通底层断点解决企业AI落地难题。
关键要点
- 腾讯推出跨应用协同体系Buddy One,连接WorkBuddy与腾讯文档等工具,并通过腾讯云ADP等产品拓展业务执行场景。
- 新发布的DataBuddy语义层加入后,Agent问数准确率从83.5%提升至95.9%,某头部银行接入超100TB数据后查询从分钟级缩短至秒级。
- 腾讯云无境Agent在测试中43分钟找出9个漏洞,天御风控Agent在30秒内扫描2140万笔订单,生成策略组合拦截率达98.2%。
- AgentHosting品牌纳入Lighthouse Agent、ClawPro等组件,统一纳管云端和本地Agent,目前ClawPro已服务1000多家企业客户。
- Agent Infra方案包含CubeSandbox、TencentDB Agent Memory等基础设施,其中Agent Memory已获超30,000 GitHub Stars。
背景与事实
在刚结束的腾讯全球数字生态大会上,腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生指出,企业落地Agent的核心障碍在于“断点太多”,即AI难以接入业务系统和获取企业数据。为此,腾讯提出打造“全场景、高效能、更放心”的Agent生产力系统。该体系在大会两天的时间里,通过40多场发布,围绕应用、数据、安全和工程四个板块展开了完整布局。
在应用层面,腾讯发布了跨应用协同体系Buddy One。该系统一边利用WorkBuddy连接腾讯文档、腾讯网盘、腾讯乐享及研发工具,将Agent从个人助手升级为团队助理;另一边通过腾讯云ADP、元宝搜索、天籁语音大模型及MAGIC AI等产品,将Agent带入更多业务执行场景。这一层级的目标是为Agent提供统一的入口,使其能够跨越不同的应用边界进行协同工作。
数据层面被视为Agent准确性的基石。腾讯针对企业数据“供给侧”和“语义侧”的需求,布局了TDSQL Nexa Lakebase、TDSQL Boundless等产品。其中TDSQL Nexa Lakebase将海量数据存储、事务、分析和AI计算结合在同一管理体系中,应用层可通过SQL、HTTP或MCP接入。DataBuddy作为统一语义层,进一步将业务规则用于数据分析。腾讯内部测试显示,在相同模型和问题的条件下,加入DataBuddy语义层后,Agent问数准确率从83.5%提升至95.9%。在某头部银行的实际应用中,接入超过100TB数据后,查询响应时间从分钟级缩短至秒级,且指标来源无需人工溯源。
安全层面,腾讯重点解决Agent权限控制问题。腾讯云新一代云安全中心增加了Agent资产盘点和行为审计能力,可发现恶意Skill或异常访问。腾讯云无境通过模拟黑客攻击路径寻找漏洞,曾在43分钟内找出9个漏洞;天御风控Agent则在30秒内检索37条风险情报,扫描2140万笔订单,生成的三条风控策略组合拦截率达到98.2%,误伤率低于0.02%。
工程层面,腾讯云将Lighthouse Agent、ClawPro、SkillHub和Octop纳入AgentHosting品牌。ClawPro面向企业统一纳管Agent,管理组织权限、模型配额及Token用量,目前已拥有1000多家企业客户。为应对大规模Agent生产环境,腾讯云构建了Agent Infra解决方案,包括提供隔离沙箱的CubeSandbox、统一管理模型和MCP工具的AI网关,以及管理上下文记忆的TencentDB Agent Memory。后者采用L0到L3四层记忆架构,已获得超过30,000个GitHub Stars。此外,TokenHub提供统一的模型接入和调度,TI-ONE支持模型训练与部署,企业可根据任务效果、调用规模和运维投入选择合适方案。
影响分析
这一布局对中文开发者与企业IT从业者产生直接影响。首先,DataBuddy等语义层工具的标准化,降低了企业让AI准确查询内部数据的门槛,意味着原本需要大量人工编写SQL的逻辑可以通过业务口径自动化处理,这将改变数据分析师的工作方式。其次,ClawPro等管理工具提供了Token用量和安全审计的集中管理,企业无需再为每个Agent单独建立监控体系,降低了多Agent协作的管理复杂度。对于安全人员而言,无境和天御风控Agent将部分漏洞挖掘和风险控制工作自动化,意味着人工排查工作将减少,但安全团队需要适应与Agent协同的新模式。分析认为,腾讯通过提供从基础设施到应用层的全栈解决方案,实际上是在定义企业Agent落地的标准范式,这将影响后续第三方开发工具和企业内部系统的集成方向。
适用边界
上述结论主要适用于已采用腾讯云生态或愿意使用标准化Agent基础设施的中大型企业。对于已有成熟自研数据中台或安全系统的企业,直接接入腾讯的DataBuddy或云安全中心可能面临现有系统整合的技术挑战。小微型企业若缺乏大规模Agent部署需求,Agent Hosting和Agent Infra等重型基础设施可能并非必需。此外,Agent的自动化操作存在误判风险,如风控策略误伤正常用户,因此在高合规要求场景下,人工复核环节依然不可省略。
孤本观察
编辑判断:腾讯此次发布的显著特征在于并未单纯强调模型参数,而是聚焦于数据语义化、权限治理及沙箱化运行,这表明行业竞争已从“模型能力”转向“工程化落地”的确定性。









![]()
![]()
![]()

![]()

常见问题
加入DataBuddy语义层后,Agent问数准确率提升至多少?
在相同模型和问题的条件下,加入DataBuddy语义层后,Agent问数准确率从83.5%提升至95.9%。
天御风控Agent在扫描2140万笔订单时的策略拦截率是多少?
生成的三条风控策略组合拦截率达到98.2%,且误伤率低于0.02%。
TencentDB Agent Memory获得了多少个GitHub Stars?
TencentDB Agent Memory已获得超过30,000个GitHub Stars。
ClawPro目前服务了多少家企业客户?
ClawPro已服务1000多家企业客户。
来源:雷峰网