阿里重磅上线了 QoderWork,一个真正能干活的 AI Agent

春节假期在家里闲的没事,我打开 Qoder 官网突然发现阿里竟然上线了一款桌面级通用智能体助手 QoderWork,看名字我们就知道它是做什么的了,就是为普通人打造的一款 AI Agent,目的是将 Qoder 的 Agent 能力从代码领域扩展到日常工作场景,描述需求,自动执行,直接交付结果。

不像是 Qoder AI 编程 IDE 或者  Qoder CLI 终端 Agent ,上手有门槛,更像是跟专业程序员使用的。QoderWork 是可视化的 UI 界面,桌面应用,上手超级简单,几乎没有门槛。

image.png

不止聊天,搞定一切

这是 QoderWork 最核心的理念。QoderWork 的定位是「本地运行、自主规划、安全可控的 AI 工作搭子」。

注意这几个关键词:本地运行,自主规划,安全可控。

本地运行意味着它不是一个网页工具,而是装在你电脑上的桌面应用。自主规划意味着你不用一步步告诉它该怎么做,你只要说清楚想要什么结果就行。安全可控意味着你的数据不会被上传到云端,隐私有保障。

这三点加在一起,其实解决了当前 AI 工具的一个核心痛点:我想让 AI 帮我干活,但我不想把数据交出去,也不想当它的人肉指挥官。

传统的 AI 对话是这样的:你问一个问题,它回答你,你再追问,它再补充,来回好几轮,最后你还得自己复制粘贴、整理格式、手动执行。

QoderWork 想把这个流程压缩成一句话:你说你想要什么,它直接给你结果。

比如你说「帮我把这周的会议纪要整理成一份周报」,它不会问你「请问会议纪要在哪里」「周报格式是什么」,而是自己去找文件、分析内容、生成周报、保存到指定位置。整个过程你只需要描述需求,然后等着收结果就行。

这才是 Agent 该有的样子。不是一个等着你喂指令的聊天机器人,而是一个能理解目标、自主规划、独立执行的工作搭子。

能力可扩展,场景无边界

QoderWork 内置了多种主流 MCP(Model Context Protocol),这是一种让 AI 能够调用外部工具和服务的协议。简单说,就是它能连接各种第三方能力,不局限于纯文本对话。

更有意思的是,它支持自定义 Skills。你可以根据自己的工作场景,定制专属的能力模块。比如你是做运营的,可以定制一个「竞品分析」的 Skill;你是做财务的,可以定制一个「报表生成」的 Skill。

这个设计思路很聪明。与其做一个大而全的通用工具,不如提供一个可扩展的框架,让每个人都能把它调教成最适合自己的样子。

工作场景千差万别,没有一个 AI 能覆盖所有人的需求。但如果这个 AI 能让你自己扩展能力,那它就能适应任何场景。

跑了几个 Case,效果很赞

在家闲的没事,所以,我就尝试跑了几个案例,看看效果会不会像是介绍的一样这么好用,说实话,几个案例跑下来,效果超出了我的想象。我给大家看看我跑的几个案例。

央视春晚 PPT 汇总

央视春晚刚播出完,所以,我想看一下 QoderWork 的内容创作与文档分析能力怎么样?所以,我给它布置了一个任务:

2026 年央视春晚已经播放完了,帮我搜集一下 2026 年央视春晚的相关评论和报道,制作成一个 PPT 文档。要包含群众对央视春晚的经典吐槽内容。

它就会开始根据任务工作了,在工作之前还询问我要制作多少页的 PPT ,风格什么样的?都是可视化操作的。

根据需求操作完之后,就开始工作了,一会就把工作做完了。注意:生成的是 PPT ,应该是工具中内置了 PPT Skill ,所以,它先是制作了 22 页的可视化网页, 然后将网页转成了 PPT 文档。整个效果非常经验,排版也非常好看,颜值挺在线的。

image.png

PPT 文档效果如下:

image.png
image.png
image.png
image.png

一共 22 页,内容相当丰富,搜索的资料很多,展示的内容也很多。整体看下来,创作能力和文章的处理能力相当强,超乎想象。大家可以去试试,22 页,做的跟一个报告一样。

写作风格分析

我看可以对接一些 MCP 服务,内置了浏览器的网页抓取的 MCP 服务,所以,我就配置并开启了这个 MCP 服务,让它去抓取我微博的最近 10 条的内容,并分析我的微博写作风格,帮我写一条拜年的祝福语。

帮我爬虫这个博主微博主页前 10 条微博并分析写作风格,微博主页地址 :https://weibo.com/u/5078115336
523ac736933a912067f70f22e732aae8.png
image.png

经过了爬虫、数据的整理和分析等 8  个步骤,最终形成了一份 word 写作分析的报告,这份报告看完我直接惊呆了。大家可以看看。

看完你是不是也感觉很惊讶,从基本画像到数据概览再到主题分析、语言风格、 结构特征等,内容详细到一丝不苟。我仅仅只是说了一句话,分析写作风格,它就能干的这么仔细,终于让我们体会到了一个能干活的 AI 到底应该是什么样。

最后,我说,请基于写作风格分析报告,帮我写一份拜年祝福语,它给出的文案是:

image.png

不得不说,我看完之后,确实感觉有点我的味道。哈哈……

制作拜年祝福语视频

QoderWork 不是内置了各种 Skill 吗?我一看默认 Skill 当中竟然有 Remotion Skill ,那干脆让它把刚才生成的祝福语使用这个 Skill 制作成一个祝福语的拜年视频吧。

image.png
image.png

就这么一条指令,点击回车之后,我们就坐等视频就行了,大家可以看看效果,我感觉非常不错。

image.png

视频如下:

是不是很赞?自带音效和背景音乐和文字动画相得益彰。其实通过这个案例也体现了QoderWork 内置的 coding 模型能力非常强。所以,我就用测试了一个案例,让它制作一个网页应用看看它的 coding 能力到底怎么样?

春节亲戚称呼计算器

我们都知道春节回家最尴尬的是见到各种一年只见一回面的亲戚可能不知道该怎么称呼,我就使用 QoderWork 帮我开发了一个春节亲戚称呼计算器。

我是这么说的:

请帮我开发一个 “春节亲戚称呼计算器” 的单页应用。要求界面设计喜庆、美观,符合春节氛围,同时操作人性化、易用。

不到几分钟,一个非常好看的符合春节调性的春节亲戚计算器就帮你开发完成了。效果如下:

整个页面非常好看,颜值在线,红色主题,顶部还悬挂着灯笼,分别写作福字和春字。支持两种模式,一种是按钮选择模式,一种是直接文字输入的模式,同时支持暗色模式。

所以,代码能力也是很在线。

写在最后

说实话,整个体验下来,我最大的感觉就是:QoderWork 是一个实实在在真正能帮我们干活的 AI Agent 。

真正的 AI Agent,就应该这样。你说目标,它交结果。你掌控方向,它负责执行。

QoderWork 正在往这个方向走。本地运行保证安全,自主规划提升效率,可扩展设计覆盖场景。这三点加在一起,就是一个靠谱的 AI 工作搭子该有的样子。

感兴趣的朋友可以去 Qoder 官网看看,体验一下这个「不止聊天」的 AI Agent。

官网地址:https://qoder.com/qoderwork

Read more

Cursor实战:Web版背单词应用开发演示

Cursor实战:Web版背单词应用开发演示

Cursor实战:Web版背单词应用开发演示 * 需求分析 * 自行编写需求文档 * 借助Cursor生成需求文档 * 前端UI设计 * 后端开发 * 项目结构 * 环境参数 * 数据库设计 * 安装Python依赖 * 运行应用 * 前端代码修改 * 测试前端界面 * 测试数据生成 * 功能测试 * Bug修复 * 总结 在上一篇《Cursor AI编程助手不完全指南》中,我们详细介绍了Cursor这款强大的AI编程工具。为了让大家能更直观地了解 Cursor 的实战应用价值,本文将通过一个实际项目来展示其开发流程。我们将使用 Cursor 开发一个 Web 版单词学习程序,通过这个案例,您将看到 AI 辅助开发的完整过程,体验从需求分析到代码实现的全过程。让我们开始这次实战之旅。 需求分析 在开始开发之前,明确的需求文档是项目成功的关键。一个好的需求文档不仅能指导开发方向,还能作为与 Cursor 进行高效对话的重要基础。我们有两种方式来准备需求文档:自行编写需求文档和借助 Cursor 生成需求文档

【前端小站】CSS 样式美学:从基础语法到界面精筑的实战宝典

【前端小站】CSS 样式美学:从基础语法到界面精筑的实战宝典

半桔:个人主页  🔥 个人专栏: 《前端扫盲》《手撕面试算法》《C++从入门到入土》 🔖阻止了我的脚步的,并不是我所看见的东西,而是我所无法看见的那些东西。 《海上钢琴师》 文章目录 * 前言 * 一. CSS是什么 * 1.1 概念 * 1.2 基本语法 * 二. CSS如何引入HTML * 2.1 内部样式表 * 2.2 行内选择器 * 2.3 外部引入 * 三. CSS选择器 * 3.1 基础选择器 * 3.1.1 标签选择器 * 3.1.2 类选择器 * 3.1.3 id选择器 * 3.

基于YOLO26/11/v8算法的Web目标检测系统,人脸表情识别系统,Django+Vue3 的前后端分离,实现摄像头实时识别,YOLO26/YOLO11/v8 + LLM大模型智能分析,科研必备

基于YOLO26/11/v8算法的Web目标检测系统,人脸表情识别系统,Django+Vue3 的前后端分离,实现摄像头实时识别,YOLO26/YOLO11/v8 + LLM大模型智能分析,科研必备

✨ 更新日志 * ✔️ 2026/3/3,2.0 版本,前端导航栏改为侧边栏系统,视频流采用websocket框架延迟更低, YOLO26/YOLO11/YOLOv8 视频流更稳定,在之前的系统增加 LLM 大模型智能分析,是科研必备,支持 YOLO26/11/v8 分类模型、目标检测、分割、obb、关键点检测任务,还支持双模型联合检测与识别,如人脸表情识别、人脸识别等一些识别任务需要检测模型与分类模型共同完成,在人脸表情识别中,单独使用检测模型去识别人脸表情也不是不可以,但有一个问题数据集如果全是头部照片的话,当模型预测的照片是全身照片时,模型识别准确率就没有这么高了, 那么这时候可以用检测模型识别人脸,把人脸信息输入到表情分类模型进行分类即可,反正这是一个通用的系统,更换自己模型即可,大家懂得都懂的,更多功能看下文即可。 摘要 在人工智能迈向通用化(AGI)的今天,“视觉感知 + 语言理解”的多模态联合是未来的趋势。单纯的检测画框已经无法满足复杂的业务需求,如何让系统“看懂”

前端学习日记 - 前端函数防抖详解

前端学习日记 - 前端函数防抖详解

前端函数防抖详解 * 为什么使用防抖 * 函数防抖的应用场景 * 函数防抖原理与手写实现 * 原理 * 手写实现 * 使用 Lodash 的 \_.debounce * 完整示例:防抖搜索组件 * 结语 在现代 Web 应用中,函数防抖(debounce)是一种常见且高效的性能优化手段,用于限制高频事件触发下的函数调用次数,从而减少不必要的计算、网络请求或 DOM 操作。本文将从“为什么使用防抖”切入,介绍典型的应用场景,深入解析防抖原理,并给出从零实现到在实际项目中使用 Lodash 的完整代码示例,帮助你快速掌握前端防抖技术。 为什么使用防抖 函数防抖的核心思想是在连续触发的事件停止后,仅执行最后一次调用,以避免频繁触发带来的性能问题 ([MDN Web Docs][1])。 在不使用防抖的情况下,例如在 input 输入事件或 window.resize 事件中直接调用逻辑,页面可能会因短时间内大量调用而出现卡顿或请求风暴 ([GeeksforGeeks]