最近， 豆包工作 刷屏了。

8月底， 豆包 正式发布面向生产力场景的“ 豆包工作 ”。官方给它的定义，是围绕用户目标自主拆解任务、调用工具、持续推进复杂工作流程。

而在“民间”，讨论声量最高、出现得最频繁的说法，是“ 豆包 有Agent了”。

坦白说，我最开始其实没太大感觉。过去一年，Agent已经快被AI行业说烂了：能联网搜索叫Agent；能操作浏览器也叫Agent。很多Demo都很惊艳，可一旦塞进真实工作流，体验是真不行：任务只要稍微复杂一点，人还是得一直盯着。

所以这次，我们没有从“帮我写份周报”“总结一下这个PDF”这种入门级任务开始，而是直接把手里三个最麻烦、最容易“翻车”的真实市场研究项目，直接丢给了 豆包工作 。

第一个，是统计2026年1月-8月中国具身智能一级市场融资情况。这个任务最后整理出了466次融资记录，我又让它基于这批数据写行业研究、出可视化报告，还让它筛出15家“不能投”的公司。

第二个，是给一款AI眼镜做一套8张宣传海报。图做完以后，我又（像一个讨厌的领导一样）让它重新研究AI眼镜市场，再根据用户痛点把整套海报的传播重点改一遍。

第三个，则涉及到一些协作分工。我让“HR招聘助手”先研究具身智能行业的人才薪酬和招聘趋势，再把结果交给“虚拟PPT专家”做成汇报。

三轮用下来，最大的感受有两点：

第一，电脑终于被解放了。

Vibe Coding爆火之初，满大街都是端着半开的电脑边走边敲的无辜路人，这一景象想必大家都不陌生。

（图片来源：歌手胡彦斌社交媒体发文“vibe coding的都懂这个姿势！修bug在路上…”）

之所以有这种“人类供着电脑”的倒反天罡，原因在于之前但凡跑一个复杂一点的Agent，电脑绝对不能关机、不能断网、也不能离开屏幕前（可能随时要确认权限或是打断进程）。像胡彦斌这种出门买个咖啡、吃个饭都得端着电脑不敢开机的“离谱”案例，比比皆是。

而这一次， 豆包工作 的“云电脑”跟“多端同步”功能终于把AI的这个被惯坏的毛病给改了过来。

只要在任务运行时选择“云电脑”，那么即使关机以后，任务还会继续在云端跑，而“多端同步”功能则让用户可以随时随地在手机上查看进度，甚至实时追加要求、纠正方向。真正做到“手机/电脑/Web互通，24小时让 豆包 打工。”

（关闭电脑后，依旧可以用手机查看进度、补充信息、打断指令、修改方向）

而第二个最大的感受，是使用 豆包工作 不用安装其他APP，因为“‘ 豆包工作 ’本身就在‘ 豆包 ’里”。

这话听起来似乎无关紧要，但其实优势很大。你知道现在让用户下载一个APP有多难吗？根据QuestMobile《中国互联网发展年鉴(2025-2026)》数据，2025年9月，全网人均使用APP个数为29.4个，只比2024年同期多0.9个。

对普通用户来说，每多安装一个APP、多注册一个账号、多重新告诉AI一次“我是谁、我平常怎么工作”，都是成本。转化漏斗多一层就得劝退90%的人。

反观 豆包工作 ，以 豆包 现在的渗透率来说，你的手机和电脑上大概率已经装了这个APP，直接在里面点开工作模式就行了，完全没有格外的下载门槛。

此外，由于 豆包工作 直接打通了飞书，企业群聊、文档、日程、多维表格等组织上下文，AI读完直接就能干活，使用门槛进一步被拉低。而你过去在 豆包 和飞书里积累的记忆、对话和使用习惯，也能无缝适配到 豆包工作 中。

除了这两点使用便利上的感触外，还有一点，也是最重要的，从它的工作交付能力来看，有一个特点：

豆包工作 是少数真正能够融入我的工作流、以“完成一项工作”为单位自发组织AI能力的产品。

看完我测试的几个任务的具体完成情况，你就知道我在说什么了。

466次融资统计，把“脏活累活”接走

我交给 豆包工作 的第一个任务是，面对如今如火如荼的具身智能一级市场，统计1～8月国内所有企业融资情况。

如果你做过产业研究，大概会理解我为什么先拿融资统计走做测试。

这类工作表面上特别简单，搜新闻，找资料，填表，然后重复。

但真正干起来，会发现藏在琐碎细节里的“dirty work（脏、苦、累活）”特别多。比如一笔投资，有的新闻只写领投方，有的新闻又把前几轮的投资方都掺在一起讲。同一轮融资可能被十几家媒体重复报道，有的口径是“数亿元”，有时候又说“数千万美元”……

总之每个问题都不大，三五分钟都能解决，但真把几百笔融资堆在一起，就会变成一个极其耗神、极其让你觉得自己时间不值钱的工程。

因此，开始第一项任务测试时，为了防止一上来就翻车，我专门把第一个Prompt写得很详细（具体见图），还特意叮嘱了 豆包工作 要调用“市场热点分析”“一级市场公司评估”“文档”“可视化”这几个Skill。

顺便一提， 豆包工作 里内置了非常多Skill，基本上你能想象的所有办公场景都能覆盖，而且还在不断添加更新中。

（ 豆包工作 部分Skill一览）

开始运行之后，我原本已经做好了反复补Prompt的准备。结果任务真正跑起来以后，顺畅得有些出乎意料。

跟某些超级“傻”，连一级市场融资信息该去哪儿找都得我手把手教的Agent不一样， 豆包工作 会精准定位到可信信源，自主搜索、继续追踪来源、整理信息、调用技能，再把内容写进文档；遇到需要浏览器或图形界面完成的动作，也会借助云电脑继续执行。

（ 豆包工作 还会实时“汇报”节点进度，用户随时可以打断或调整）

可能是我第一个Prompt写得太好了（笑），整个过程非常丝滑，大概15分钟～20分钟左右， 豆包工作 就给出了结果。

在本次任务中， 豆包工作 一共统计了466次融资数据，全部准确按照我的指令进行分类，同时在最后的行业研究报告文档中，它还主动对这些数据进行了分析研判，图表呈现。

而这其中，最为难能可贵的，是 豆包工作 对于“幻觉”问题的严密控制。首先，每处数据都会标注数据来源及日期，确保信息的可靠性与时效性；另一方面，所有缺少公开信息的栏位， 豆包工作 都会选择留空处理，涉及口径或数据冲突的还会单列标明，不会出现严重的幻觉问题。

坦白说，如果人工搜集，再加上写报告与制表过程，这绝对是一个投资经理带着实习生一周的工作量。

豆包工作 这次，只用了不到20分钟。

而且，整个过程中最明显的变化，是我不需要像以前指导“实习生”那样告诉AI，先去哪里搜集资料、搜哪些资料、怎么辨别信源可靠性、用什么软件做表格、分析什么指标、怎么整理报告素材……

这次，我只需要告诉它最终要解决什么问题， 豆包工作 的Agent就能像个专业的“社畜”一样，自主完成工作流，自主把目标拆成任务，连续执行。

第二轮，上强度

有了第一轮的成功，咱们在第二轮测试里开始上强度。

这一次，我把Prompt写得异常简单，而且挖了坑——“从VC的视角，这466次融资涉及的公司里，哪15家不能投，为什么？”

这任务的难点在于，统计466笔融资，本质上仍然只是信息搜集的机械工程；但判断“能不能投”，则需要把一个主观问题拆分成一套可量化的分析框架：团队、技术壁垒、赛道竞争、融资节奏、估值、商业化确定性、资本结构、产品同质化程度……

熟悉市场研究的人知道，这可不是个容易下的判断。它既需要结合当前具身智能市场的具体情况、冷热程度，也要根据自身机构的投资风格、风险偏好进行判断，甚至有时研究结果会非常“反常识”，大众认知度极高领域的“明星项目”，往往未必是投资人眼中的好项目，这也是我给 豆包工作 挖的“坑”。

总而言之，这是个非常复杂的任务，我没有给出任何判断标准、没有任何执行方案，只是用（最像领导的口气）下达了一个任务，顺便看它会不会掉坑。

来看结果。

首先，最让我意外（而且惊喜）的，不是 豆包工作 选了或者没选哪家公司，而是它一上来就主动把结果分成了两档：A档，硬性回避；B档，选择性回避。

这个结构我没要求，它自己补充的。而之所以让人“惊喜”，是因为很多AI都能严格执行Prompt，最多在收尾的时候提一句“是否希望我xxxxx”。但在真实世界里，领导的要求往往就是模糊不清，只给个粗糙大方向的。

而能否在Prompt的具体指令之外，真正理解说话者的意图，主动补充信息结构，以意图为主导去进行任务交付，而不是“踢一下动一下”，这是真实世界里区分“普通员工”与“优秀员工”的一条线。

至于具体结果，名单我在这里就不放了，只能说它给出的公司与判断标准中，有七成我是直接赞成的；剩下三成倒不是不赞成，只是对那些公司了解的不多，我作为人类还需要进一步判断。

顺便“剧透”一下，我给 豆包工作 挖的“坑”它没跳，并没有因为某某具身智能企业是明星项目，就没有把它列入名单——至于具体是哪家，大家可以自己问一下 豆包工作 （笑）。

从结论上来说，两个任务用下来，我的最大感受是： 豆包工作 的Agent能力已经不是“实习生”级别了，只要用得好，完全可以达到从业者的平均水平以上。

过去，一个研究员可能要带着实习生花几周时间做资料搜集、框架搭建、初步筛查……现在，这部分工作完全可以先交给Agent跑一遍，而人类作为“领导”，只需要把时间放在最值钱的地方：检查假设、挑战结论、做最终判断。

AI开始“找同事”

下一项任务，我换了一个方向，做海报。

这看似是一个非常简单、非常常见的海报生成需求……但是！这其实是一个极其容易暴露AI Agent能不能真正融入工作流的需求。

先看Prompt，写得很简单，“给我出一套8张的AI眼镜海报宣传图，字要大，要震撼，要高级，要时尚”

但问题在于，你如果跟人类设计师说“我要一套8张海报”，设计师知道你是要针对“同一款产品”的“8个不同宣传卖点”设计8张不同海报。

可普通AI工具，在收到这个Prompt后，往往会错误理解为“8张不同眼镜的海报”，或者“同一张海报的8张微调版本”，翻车率几乎80%，大家可以去试一下。

（其他AI工具生成结果）

（ 豆包工作 生成结果）

豆包工作 不仅像一个真正的设计师一样，准确理解了“一套”的意思，8张海报的AI眼镜主体、图片文字、视觉风格均保持统一，更有意思的是，它在交付图片之外，还主动给出了整套设计逻辑，以及每一张海报对应的传播重点。

设计师最烦的“来，讲讲你的设计理念”环节，也顺手做了。

到现在为止，满意，但还不够。

接下来，又到了喜闻乐见的上强度时间。

我另外开了一个任务，让 豆包工作 研究当前AI眼镜市场、用户需求和消费痛点，写成文档发给我。

在完成研究后，我又回到海报任务中，让AI“跨群聊”，根据市场研究的用户痛点，重新调整卖点方向。

而 豆包工作 ，果不其然，一键搞定。

（根据市场研究结果重新调整卖点权重的海报）

这其实是一个非常接近真实工作流的项目体验，Brief不会一成不变，市场团队会补充调研，产品会改卖点，老板往往直接甩过来一个报告文档，需要产品经理自己研究应该如何调整方向，再跟设计团队反复沟通，过程非常复杂。

真正在办公室里泡过的人会知道，上班一天里的大量时间，都是这样消耗在跨部门的信息搬运、碰头会、拉齐水位上。

任何AI，如果只能在一个对话框里干活，它依然只是一个很厉害的工具；但当AI能够在不同任务之间自由“跨群聊”共享信息、推进协作，甚至主动“找同事”，那它可能真能帮我干活。

顺便一提， 豆包工作 里还内置了“伙伴对话”功能，用户可以选择不同专业方向的Agent，在同一个群里让它们协同分析、拆任务和交付。

例如，我试了一下，让内置的“HR招聘助手”研究2026年6-8月具身智能行业的人才薪酬变化，在结果还没出来前就@另一个内置的“虚拟PPT专家”，让其生成一套适合汇报的PPT。

结果没啥悬念，PPT算是各大AI工具轮番攻克过几轮的重点项目了，排版、美观、数据呈现都没话说，“HR招聘助手”给的信息也是来自正确的公开招聘平台。

个人来说，如果只是作为普通的企业员工，这个“伙伴对话”跟主对话框里的体验感觉差不太多，我目前还没有开发出其他更有趣的玩法。

但换个思路想，“伙伴对话”功能最符合的用户使用场景，也许是“一人公司”。

以前所谓“一人公司”，其实多少有些隐含的“外包”条件，比如法务、财务、审批合规等等。但如果把AI生产力继续沿着这个方向往前推，一家公司里出现“1个人类老板+20个虚拟员工”，技术上已经不太是挑战了。

甚至未来创业者真正重要的问题可能会变成：你会不会管理Agent？

结语：AI办公，“卷”到下一阶段

个人兴趣加上职业需求，我基本算这一轮AI产品的第一批重度用户。尤其是最近，国内外各种AI Agent、工作Agent、Computer Use、Deep Research、通用Agent，能试的基本都会试。

所以坦白说，我对目前市面上一大批吹得天花乱坠的Agent工具没什么新鲜感，尤其是真的试过其中绝大部分之后，感觉是Demo很好看，但真上班，还是得自己来。

很多产品解决的是一个动作，比如查资料、写文章、做PPT，最近又流行操作浏览器。AI的单点性能越来越强，但真正在工作流里把它们串在一起的，还得是生物学意义上的“人”。

但 豆包工作 这次让我明显感受到的变化，是另一种产品逻辑——“项目”正在成为AI交付的基本单位。

用户给的是目标，思考的是方向；具体由Agent负责拆任务、找资料、调用技能、操作电脑、生成文件，必要时再找其他Agent协作，然后完成一份可以交付的结果。

而云电脑、多端同步、Skill、工作伙伴这些功能，放在这个逻辑下也就都串起来了。

真正的工作可能要跑几个小时，人不可能一直守在电脑前；复杂的工作，本来就很少由一种专业能力完成；跨群聊、跨技能、跨数据源、跨上下文沟通这些也本就是人们日常工作的常态。

因此， 豆包工作 这次最大的亮点，不仅仅是它“又多了几个功能”，而是它真正开始以“完成一项工作”为单位，自发组织AI能力，以交付为导向。

看来，AI办公，已经“卷”到下一阶段了。

顺便一提，我测试阶段“薅”的是 豆包工作 的免费订阅羊毛，现在网页搜索 豆包工作 下载电脑端能免费领30天的订阅权益，之前订阅过的也会自动顺延一个月。

注：文章所有图片内观点及数据均为AI生成，可能有误，请注意核实。