智东西

作者 | 陈骏达

编辑 | 漠影

智东西8月27日报道，本周二，字节跳动正式发布了“豆包工作”，一款面向生产力场景的Agent产品与品牌。它能围绕用户目标自主拆解任务、调用工具，并持续推进复杂工作流程。

目前，用户可在豆包工作官网下载这一产品，也可在最新豆包电脑版中直接切换使用，下载登录或升级，即可免费领取30天订阅权益，基本可以满足日常使用需求。

AI办公赛道早已人头攒动，从通用大模型产品到各类垂直Agent，都在争抢“帮人上班”这件事。但字节跳动这次入场的打法有点不同，它将豆包在C端积累的自然交互能力与多模态生成优势，与飞书在B端多年的组织协作、文档沉淀和权限体系深度整合，打造了一个能写文档做PPT、生图生视频、搭网页、操作电脑跑任务、读懂群聊和项目的全流程办公Agent。

那么，豆包工作究竟能不能真的把活干完？它与飞书的打通是噱头还是真有用处？带着这些问题，智东西下载实测了豆包工作电脑版，围绕“个人提效”和“组织协作”两大场景设计了一系列连环测试。

经过48小时深度体验，我们的结论是：豆包工作可以称得上是一个能承接端到端任务的数字员工，尤其是在组织协作场景中，凭借飞书的企业上下文，它展现出了许多通用Agent难以企及的优势。

一、写文档、做 PPT、直出多模态网页，个人办公提效能力全覆盖

我们的第一组测试从最常见的办公需求切入，设计了一个更接近真实工作的连环任务：先对AI办公行业做一轮深度研究，覆盖2026年最新进展，再把研究成果写成文档，最后生成一份可直接汇报的PPT。

在行业研究阶段，豆包工作读取了内置的行研Skill，自主设计了研究框架，覆盖行业规模、产业链利润池、全球与中国竞争格局、技术、政策环境到趋势研判。

最终，豆包工作产出约2.5万字的飞书文档，引用47条可溯源资料，报告结构完整、逻辑清晰，还有大量第三方数据、资料作为佐证，具备一定的参考价值。

而在PPT制作方面，豆包工作的完成度也很高，它会根据内容自动选定适配的PPT风格，逐页生成14页幻灯片，每页均有判断式标题、原生数据表格、来源标注及演讲者备注。

无论是撰写行研文档还是PPT，豆包工作都不是一次性生成的，而是会自行校验，排除文字溢出、乱码等问题，最终交付一版在它看来几乎零错误的成果。我只需要简单调整细节，就基本可以交付了。

更进一步，我测试了豆包工作的协作编辑能力。豆包工作提供侧边工作台，任务执行过程与产物在同一屏实时可见，用户可以中途插话调整，也可以直接框选产物任意局部下达修改指令。

这种体验和Vibe Coding非常相似：你不需要从头重新描述需求，而是对着一个已经跑起来的成品边看边说、边改边预览，迭代到满意为止。

我在前文生成的行研PPT上继续实测，比如，可以选中一部分信息，让豆包工作把这部分内容画成流程图。

之后，豆包工作着手编辑，在确认无误后更新文件，并实时将结果呈现在右侧的文件之中。

在编程任务中，豆包工作可以统筹调用各类不同模型，直接生成图文并茂的网页等成果。

我在体验过程中要求豆包工作打造一个大理旅游规划网站。豆包工作先是根据我的需求调用模型生成Banner、场景插图和美食特写等图像素材，同时输出结构化文案，最终组装为图文并茂的HTML网页。

更进一步，我让豆包工作利用视频模型生成视频，嵌入网页首屏实现动态背景。在编程过程中，豆包工作的速度不错，大概5分钟就完成了这一网页的开发。这一套流程跑下来，我不需要自行处理细节，就能快速交付兼具功能性和审美的网页。

二、打通飞书，Agent终于读懂了我的工作流

我们前面的体验更多聚焦个人提效，但真实工作中绝大多数任务不是单打独斗：项目信息散落在群聊和文档里，进度要跨团队同步，决策依赖历史协作记录，成果要回到组织内共享流转，通用Agent在这些场景往往力不从心。

豆包工作与飞书生态的打通，正是为了解决这个问题。用户用飞书账号登录后，豆包工作在权限范围内完整继承企业知识和工作上下文，聊天记录、文档、会议纪要、日程等飞书内天然沉淀的数据，都成为它执行任务的输入。

我以智东西近期的IFA逛展报道项目为样本场景，做了一系列实测。当豆包工作拿到“统计一下群里目前的项目推进进展”的指令时，它可通过企业知识检索引擎做语义解析，自动判定这是一个跨来源复盘类任务；检索未直接命中时，自动转到飞书即时通讯工具链，通过群名模糊搜索定位到群聊，拉取消息流并从中识别出项目计划文档和选题排期表的链接。

紧接着，豆包工作通过文档读取接口把项目计划文档拉取为结构化内容，又对多维表格依次完成URL解析、枚举数据表、全量拉取记录，拿到了每篇报道的实际进度和状态字段。

看到这个结果，我顺势让它 “把统计整理成项目周报存到飞书文档”。豆包工作直接复用了刚才已经获取的结构化数据，进入文档创建工作流，按 “整体概览、进度明细、负责人负载、风险建议”的结构生成正文，写入飞书后返回了一个可分享的文档链接。

周报里提到前方记者的稿子进度为零，我让豆包工作提醒了一下进度问题。它基于前面检索到的截稿时间、文章内容和负责人字段，自动@负责人并附上了事项，也就是说这条催办消息是带着上下文的。

豆包工作的可复用性依赖Skill机制。企业搜索、飞书文档读写、多维表格查询、即时通讯操作等能力被封装为标准化Skill，每个Skill包含触发规则、执行流程等等信息。企业还可以上传自定义Skill，将好的经验变成组织共享的资产，比如，我就让豆包工作把“选题排期统计”这一高频流程沉淀为Skill，团队成员即插即用。

Agent进入企业内部系统，安全是底线。豆包工作打造了严格的安全防护体系，覆盖设备接入、权限设置、额度管控、数据加密和操作审计等环节。其核心设计是严格继承飞书既有权限体系：用户只可在本人权限范围内读取数据和使用工具。

在操作层面，设备接入管控确保只有授权设备可以执行Agent任务；额度管控防止资源滥用；数据加密保障传输和存储安全；操作审计则让每一次Agent的调用和修改都有迹可循。凭借上述设计，豆包工作满足了企业级的合规要求，已成为国内首批通过办公智能体能力与云端基准测试双项认证的办公智能体。

三、给Agent装上双手：操作电脑、跑云任务、手机远程遥控

要成为一款合格的办公Agent，豆包工作还需要具备良好的Computer Use能力，像人一样看懂屏幕、移动鼠标、点击按钮、敲键盘，直接操作浏览器和电脑。目前，豆包工作主要基于视觉GUI交互和CLI命令行实现上述能力，覆盖三种形态：本地电脑操作、云电脑虚拟桌面、以及手机远程操控电脑。

在实际工作中，适合用Computer Use提效的场景很广，典型的有四类：一是报销、表单录入等流程固定、重复度高的操作；二是无API的老旧后台，以视觉交互充当“通用接口”；三是盯盘、批量处理等长时间任务，交由云电脑持久运行；四是通勤等外出场景，手机发令、电脑远程代办。

比如，日常工作中我经常需要裁剪会场照片，保留屏幕上的PPT内容，裁掉周围无关的人员和杂乱背景。几十张照片一张张手动框选、裁剪，既费眼又费时。

我把照片丢进文件夹，并向豆包工作描述了基本的裁剪要求。执行过程中，豆包工作对于每张图片都会重新识别屏幕、自适应裁剪，而非用固定坐标硬裁。

▲豆包工作正在观察每张图片的特征

虽然GUI方式执行的速度并不是特别快，但胜在无需人工操作，我抽查了部分结果，PPT内容都做到了完整保留。这种方式比固定脚本更灵活，原图拍摄角度偏一点也不会出问题。

对于繁重长时间的任务，豆包工作可以切换到云电脑，在独立虚拟桌面里跑任务，本机不受影响，甚至关机后云端仍在继续。

手机遥控也很实用，在通勤路上给豆包工作发个找文件并解压的任务，到公司文件就已经处理好了。

如果说Computer Use是给豆包工作装上了手，Skill、连接器和工作伙伴就是为它配上了工具和团队。我们已在此前的实测中体验了豆包工作的大量Skill，而连接器则打通飞书、钉钉、企业微信、同花顺、网易邮箱等各类系统，让AI可以更轻松地跨系统执行任务，获取不同生态的数据、能力。

工作伙伴支持多个专业Agent组队协作，比如调研员Agent+分析师Agent+撰稿人Agent分工完成一份行业报告。

比如，通过企业微信连接器，就可以实现跨生态的文件传输等工作。

这几项能力组合起来则可以发挥更大作用：一个能连数据、装技能、操作电脑、还能拉伙伴协作的Agent，已经成为能独立交付成果的数字员工。

结语：数字员工，正在走进企业现场

随着AI办公大战的深入，判断一款生产力Agent是否足够成熟的标准也在悄然改变：能否理解上下文、调用工具、跨系统协作，并持续交付可落地的成果，正成为比单次生成效果更重要的指标。用这把尺子衡量豆包工作，它的表现已经相当完整。

当然，我们的实测还不足以穷尽所有场景，豆包工作在复杂任务中的稳定性、在企业大规模落地中的适配性，仍需时间检验， 随着技能生态的持续丰富和企业上下文的不断沉淀，这个数字员工或许会比我们预想的更快地走进企业现场。