【AI工具测评】WorkBuddy文献检索能力实测！它给科研人带来了哪些助力？
2026-09-11
10576
最近也是被WorkBuddy轮番刷屏了！
“大家用WorkBuddy都用来干啥？”“如何评价WorkBuddy”“WorkBuddy和 codex 的差距在哪里？”......
我是艾思科蓝的AI研究员，日常基本都在跟模型和文献打交道。科研圈里有句老话：“AI能帮你写代码，但查文献还得靠自己”。不过这两天腾讯的Workbuddy火出圈了，我决定拿它做个硬核的科研测试。
1. Workbuddy是什么？
WorkBuddy 是腾讯出品的全场景 AI 办公工作台。内置了多家主流大模型，可以按任务需求挑着用。
l 混元 Hy3：腾讯自家的思考模型，目前限时免费，适合日常通用任务；
l DeepSeek-V4-Pro：1M超长上下文 + 深度思考，适合长文档、复杂推理；
l Kimi-K3：长程自主能力强，科研推理表现突出。
l GLM-5.2：1M 上下文，长程资料处理很能打；
l GLM-5.1：通用均衡选手。
l Kimi-K2.7-Code：专精代码；
l DeepSeek-V4-Flash：1M上下文、速度优先，赶时间用；
l MiniMax-M3 / MiniMax-m2.7：轻量快速。
l GLM-5v-Turbo：看图、识图类的活。
2. workbuddy对科研人来说可以做什么？
很多科研人还没意识到：WorkBuddy 的适用场景里，一半以上都是科研刚需。
深度研究：对复杂问题做深度调研并输出报告；
数据分析：上传数据文件，自动分析 + 可视化；
文档 / 报告生成：技术文档、开题报告、周报；
多模态处理：图表、PPT、数据图一键出；
本地文件操作：读取你电脑里的文献、批量整理/重命名/格式转换。
3. workbuddy进行文献检索汇总的能力测试
（1）我们给出详细的文献查找要求，三个硬约束：
① 最新；② 必须中科院 1–2 区（SCI 来源刊）；③ 研究主题为磁化焙烧。
（2）模型上我们选择限时免费的混元模型，让其直接开始工作。workbuddy没有凭记忆胡编文献，而是真的一轮一轮去联网检索。也没有泛泛搜"magnetization roasting 文献"这类关键词，而是按目标期刊逐个汇总：
每一轮搜索回来，都会拿出版社主页 / Web of Science / Scopus 去交叉核对作者、题名、年、卷期、页码、DOI。
通过源文件查看，30 条里有好几条都标了"已核验"，甚至有一处它还自己做出纠正：某篇搜索结果返回的 DOI 前缀是 `S13835866`，它没直接抄，而是判断出那其实属Separation and Purification Technology期刊而非Chemical Engineering Journal期刊，并标注了正确归属。
（3）最终交出来的 30 篇要求上均达标（页面限制，仅展示部分文献）：
期刊分布：Minerals Engineering（1 区，9 篇）、Separation and Purification Technology（1 区，5 篇），其余分布在 J. Cleaner Production、IJMMM、Powder Tech、Chem. Eng. Sci.、Waste Management、Adv. Powder Tech、J. Alloys Compd.、TNMSC、JISRI、JECE、IJMST、CJChE、Process Saf. Environ. Prot.（均 2 区）。
时间分布：2026 年 8 篇、2025 年 10 篇、2024 年 5 篇、2023 年 5 篇、2022 年 1 篇、2021 年 1 篇——2024–2026 占 23/30。
且每一条都带 DOI，且能点开对应出版社页面。
（4）workbuddy给出的文献真实可靠吗？
不废话，我们直接上检测工具，测一下这30篇文献中有多少篇虚假文献：
从艾思科蓝的参考文献真实性检测结果来看，workbuddy的混元模型完全适合我们科研人的高效文献检索，屏幕前的各位科研人们，趁着混元模型限时免费，大家快去试试吧！
此外，如果大家面临投稿需求，也希望大家能够体验一下艾思科蓝的参考文献真实性检测，排除ai带来的虚假文献问题，提高论文质量，提升论文进审率。
