豆包也有Agent了，免费上岗一个月，这次你真的可以早点下班

过去两年，豆包逐渐成为我们最熟悉的 AI 产品之一。

有人拿它查资料、写东西，有人让它识图、做图，也有人只是把它当成一个随时可以聊两句的日常助手。就连家里的长辈、平时并不关心 AI 技术的亲人，也会用豆包解答生活里的疑问，聊聊身边的事。

和其他 AI 产品相比，豆包一直显得更加亲切，也更容易上手。遇到问题，先问一句“豆包豆包”，早已变成许多人下意识的习惯。

但“会回答问题”和“能把一件事交给它”，其实是两种不同的能力。对于豆包来说，它有没有可能继续往前走一步，进入更加复杂的真实场景？

最近，豆包正式推出了面向工作场景的“豆包工作”。用户可以直接在豆包 PC 中切换到“工作任务”模式，也可以使用独立的豆包工作电脑端；手机端则可以继续查看和推进电脑上的任务。

（来源：豆包工作）

对于已经习惯使用豆包的人来说，这件事的门槛并不高：原来用来聊天、搜索、写作和生成图片的入口，现在也可以直接派发工作任务，不需要再重新适应另一套办公 Agent。

在豆包工作中，相较于此前以简单对话为主的使用方式，用户可以直接给出一个相对完整的目标，由 Agent 自行拆解步骤、查找资料、调用工具，并根据中间结果继续推进，最终交付文档、表格、PPT 或网页等成果。

为了让这些任务真正落到具体工作中，豆包工作也提供了一套可以直接调用的 Skill。你可以把 Skill 理解成一套已经整理好的任务处理方法：比如怎么做 PPT、怎么生成文档、怎么处理表格、怎么画图。用户可以直接添加现成的 Skill，也可以把自己反复使用的工作流程保存下来，之后在输入框中直接调用。

（来源：豆包工作）

和 Skill 放在一起的，还有连接器。它解决的是另一件事：让豆包工作直接连接外部软件和数据。目前平台已经提供超过 200 个 Skill 和连接器，覆盖飞书、钉钉、腾讯会议、百度网盘，以及地图、出行、航班等服务。接入之后，Agent可以直接从这些工具中获取信息，并继续完成后续任务。

（来源：DeepTech 实测）

除此之外，它还接入了大量金融、商业、招聘和专业数据服务，让原本需要在多个网站之间来回查找的信息，也可以直接进入 Agent 的工作流。

另一个更重要的变化，是这些任务不用再绑在一台电脑上。

豆包工作同时支持本地电脑和云端任务：需要读取本机文件、操作软件时，可以直接在本地运行；需要离开电脑时，则可以把任务放到云端继续执行，再通过手机查看进度、继续派活。近期豆包工作还上线了“多Agent并行”能力，可以把复杂任务拆给多个子 Agent 同时推进。

最近，我们也拿到了“豆包工作”的体验资格，开始尝试把一些真实的日常工作交给它，比如资料研究与信息整理、内容与文档制作、数据处理，以及需要持续跟进的日常任务。看看它是不是真的能帮我们早些下班。

一件完整的活，能不能直接交给它？

很多办公室里的工作，真正麻烦的不是其中任何一步，而是串起来的过程。比如做一份竞品分析。先要找产品、查官网、翻新闻和报告，再把零散的数据整理进表格，建立比较维度，最后才能写结论、做汇报。

而这一趟下来，半天甚至一天的时间一下子就过去了，非常耗费心力。

所以第一项测试，我们没有替豆包拆任务，而是只给了它一个最终目标：完成一份可以直接交付的行业竞品研究。

这也是这次我们特意想试试多 Agent 的地方。豆包可以把资料搜索、数据整理、路线分析等模块拆给多个子 Agent 同时进行，不同子 Agent 还可以承担不同类型的交付任务。我们想看看，把原来串行完成的一套工作并行展开以后，实际能快多少，能交付多少种结果。

具体任务方面，我们选了一份相当典型的行业研究：做一份2026 年 AI 眼镜市场竞品分析。它既需要大量信息搜索，也涉及数据整理、横向比较和最终汇报。

收到任务后，豆包先拆出了资料搜索、数据整理和路线分析等不同模块，交给多个子 Agent 并行推进。从下达任务到拿到第一轮完整交付，大约只用了十分钟。最后，它整理了 9 款 AI 眼镜，交付了一份包含 3 个 Sheet 的 Excel 数据表、一份 Research Brief，以及 3 份针对不同品牌的附录调研报告，并归纳出了无屏音频拍摄、轻量显示 + AI、全彩 AR 空间计算等几条主要产品路线。

从下面的表格可以看出，豆包收集到的资料维度非常全面。

拿到这些材料后，我们继续要求它。基于刚刚完成的研究，制作一份 10 页以内的汇报 PPT。豆包很快直接沿用前面的数据和结论完成了整套演示文稿。整体的信息层级、版式和审美都在线，具备了一定的汇报设计能力。

随后，我们又要求它减少文字密度、放大重点信息、加入产品图片，并把整体视觉调整得更有科技感。最后效果已经接近一份可以直接汇报的材料。在这个过程中，我们也进一步给它提出了封面设计的要求。

豆包直接调用 Seedream 5.0 skill，根据“AI 眼镜竞品分析”的主题生成了一张科技极简风封面图，再把它融入整套 PPT。

从最终效果来看，生成图片和整套 PPT 的色调、构图和视觉语言基本保持一致，没有明显的割裂感；而且相比常见的 AI 生图，画面也更克制，少了一眼可见的“AI 味”。

在这之后，我们又让它把同一份竞品分析做成一个可交互网页，加入滚动动画、产品筛选、路线切换和交互式散点图，整体视觉也延续了前面的科技风格。

实际体验下来，动画过渡比较顺，交互也很流畅，页面完成度比普通静态报告高不少。

这类能力对咨询、市场研究、产品经理、投研这类经常需要做汇报的人会比较实用。临时要给客户、老板或团队做一次展示时，不需要再单独找设计和前端补一套网页，原有研究结果可以很快换成更直观、也更丰富的展示形式。

我下班了，它还能继续工作吗？

第二项能力测试，我们瞄准了一个许多人都发愁的场景：有些事情并不需要一直操作，却需要一直有人盯着。

做市场的人要关注竞品动态，做投资和研究的人要跟踪行业变化，做品牌和运营的人要留意舆情和数据。对我们来说，则是每天晚上仍然可能出现的新产品、新论文和公司新闻。

麻烦在于，这些信息出现的时间并不固定，即使电脑已经合上，人还是很难彻底放下，总会担心是不是漏掉了什么重要消息。

这正好适合测试豆包工作的云电脑和多端能力。任务既可以在本地电脑上运行，也可以转到云端继续执行；人离开电脑以后，还能通过手机查看进度、补充要求，电脑不需要一直开着。

我们让豆包从晚上开始持续监控全球商业、金融和科技动态，每半小时自动检索一次；遇到可能明显影响市场或行业的重大消息，就通过飞书提醒，第二天早上再汇总成一份晨报。设置完成后，我们关掉本地电脑，让任务继续留在云端运行。

离开电脑以后，我们又从手机端打开任务，临时补了一句：“再重点关注一下 AI 芯片相关的动态。”豆包开始调整时，我们又中途补充：“AI 芯片或者半导体行业相关的都可以。”

它随后把监控范围扩展到整个半导体产业链，将 GPU、HBM、先进制程、国产替代和出口管制等方向加入后续检索。

这里最能体现多端价值的，其实不是“手机上也能看到结果”，而是任务已经开始运行以后，人仍然可以从手机端继续修改要求。电脑端发起任务，云端接着跑，手机端中途再调整重点，整个过程不需要重新开一项任务，也不用回到最开始重新配置。产品说明里提到的“随时打断”和跨端继续任务，在这次测试里基本都体现出来了。

到了第二天早上八点，我们打开手机一看，晨报果然按计划生成了。

它把前一晚到早间持续监测到的信息整理成一份”全球财经科技晨报“，分成宏观与市场、头部公司、融资并购、AI/芯片/科技几类，共筛出了 20 条动态。其中既有美股、油价和政策变化，也包括 Mistral 融资、燧原科技 IPO、DeepSeek 芯片采购等科技行业消息。

更重要的是，这份晨报并不是早上临时搜一遍再生成。前一晚监控过程中，豆包一直在按半小时频率继续检索，遇到它判断较重要的消息还会先通过飞书提醒；我们中途在手机上把重点从 AI 芯片扩展到整个半导体产业链以后，后续监控和晨报里也明显增加了相关内容。

对这类需要持续值守的任务来说，这次测试最直观的感受是：人可以先离开，任务继续往下跑，第二天回来再接结果。如果对信息质量有更高要求，也可以提前限定关注范围和信源，比如指定公司官网、监管机构、论文平台或某几家媒体，让后续监控更贴近自己的工作需求。

每周都要做一遍的工作，能不能只教它一次？

除了复杂任务和需要时时上心的工作，办公室里更让人头疼的，还有另一类工作：它们并不难，只是隔几天就要重新做一遍。周报、月报、项目复盘、数据汇总……流程往往大同小异，无非是重新找材料、核数据、翻纪要，再按照固定格式整理一遍。

所以第三项，我们想试试豆包工作的 Skill。简单来说，就是看它能不能先完成一次工作，再把其中的分析方法、处理步骤和输出格式保存下来，以后遇到同类任务直接复用。

为此，我们准备了一套虚构的「星舟 App」项目材料，里面混合了运营数据、市场投放、用户反馈、会议纪要、上个月复盘，以及一些与任务无关的文件，然后只给了它一个相对宽泛的目标：

“这是我们『星舟 App』最近一个月的项目材料，里面有运营数据、投放数据、用户反馈、会议纪要和上个月的复盘，也混有一些可能与任务无关的文件。请你自行整理这些材料，完成一份 8 月项目复盘。重点总结核心业务变化、增长表现、主要用户问题和产品进展，并与 7 月进行必要对比，最后给出 9 月最值得关注的行动项。具体应该看哪些文件、建立哪些分析维度，由你自行判断。”

这次我们没有告诉它应该先打开哪个文件，也没有预先规定分析框架。豆包先自行检查了整个文件夹，从 8 个文件中判断出 6 个与复盘有关，并主动排除了团建备选地点等无关材料；随后读取运营、投放、用户反馈和会议纪要，结合 7 月复盘建立对比口径，再完成趋势、渠道效率和用户问题等量化分析。

最终生成的复盘也不只是简单汇总。它算出了 8 月平均 DAU 较 7 月增长 13.8%、新增注册增长 19.5%、收入增长 10.2%，同时发现周末 DAU 明显回落、短视频渠道超预算、线下渠道获客成本偏高等问题；在用户反馈里，它还发现 iOS 启动卡顿是当月最高频的高优问题，但并没有进入既有的 9 月排期，于是额外把它列进了建议行动项。

工作做到这里还没有结束。我们接着要求它：

“把刚才完成这项工作的流程整理成一个『月度项目复盘』Skill。以后我只提供当月的新材料，你要按照同样的方法自动完成。”

很快，豆包把刚才的处理过程拆成了一套可复用流程，包括触发条件、7 步工作流、数据分析脚本、复盘输出模板，以及不同文件格式和异常情况的解析规则，并用刚才的 8 月材料重新跑了一遍验证。以后再遇到类似任务，只需要把新的月度材料放进去，再说一句“做一下 X 月复盘”，它就可以按照同样的方法自动识别无关文件、解析表格和纪要、计算环比变化，并按固定结构生成新的复盘。

过去所谓的“熟练工作”，很多时候只是把一套流程记在脑子里，再反复执行。Skill 的价值在于，可以把这些步骤保存下来，变成以后直接调用的方法。比如固定的周报生成、销售数据复盘、发票和文件整理，甚至某类文章常用的结构、措辞习惯和校对规则，都可以尝试沉淀成一个 Skill。

早点下班，然后呢？

体验到这里，我们其实并没有把豆包工作的所有功能都测一遍。

除了前面提到的 Skill、连接器和云电脑，它还提供项目管理，以及数据分析师、PPT 制作专家、UI 设计师等不同“工作伙伴”，用来承接更长期或更复杂的协作任务。

但经过前面的几项测试，我们更关心的已经不是“豆包又多了哪些 AI 功能”，而是另一件事：如果 Agent 真正开始进入工作，我们究竟可以把什么交给它？

至少现在，一些复杂任务可以拆给多个 Agent 同时推进；一些需要持续关注的事情，可以留在云端，在人离开电脑之后继续运行；一些每周、每月重复出现的流程，则可以被保存成 Skill，下次直接复用。

它们的共同点是，都曾经需要人一直“在线”：盯进度、等结果、来回搬运信息，再把熟悉的流程重新做一遍。

AI 对工作的意义，或许不只是把 8 个小时的活压缩成 4 个小时，然后再往剩下的时间里塞进更多工作。更值得期待的是，人可以逐渐从这些等待、重复和持续值守中抽身出来。

至于豆包工作到底能不能做到这一步，至少现在试错成本并不高。网页搜索「豆包工作」下载电脑端，目前可以限时免费领取 30 天会员权益。至于它到底能不能真的帮你少加一点班，你可以先丢给它试试看。