豆包工作模式升级：手机派活，任务在云端继续跑

如果你对豆包的认知，还停留在聊天、问答和找攻略。今天正式上线的「工作任务模式」，可能会让你重新认识它。豆包开始可以接手更复杂更长久的任务。我们也第一时间把几项日常任务交给豆包实测，看看它到底能不能把活接住。

开始实测前，先简单说一下工作任务模式的两种运行方式。本地电脑模式直接在自己的本地电脑上运行，可以处理本机文件、调用本地软件，也能使用浏览器里已有的登录状态，更适合需要本地资料和软件环境的工作。

云电脑模式则是在云端提供一台独立运行的电脑，与本地文件隔离。任务不需要一直占着自己的电脑，即使本机关机，云端也能继续执行。手机、PC 和 Web 端可以接着处理同一项任务，比如晚上在手机上安排工作，第二天回到电脑前直接查看结果。

平时本来就在使用豆包，这次不需要再安装一套独立的 Agent 工具，直接在豆包里切换到工作任务模式就能开始。需要长时间运行的任务放到云电脑，也不会一直占用本机资源。

工作任务模式里还提供了技能和连接器。连接器就是懒人对接办公软件的福音，技能就是日常说的 skill。内置的 skill 可以直接调用，反复出现的工作也能按照自己的需求做成专属 skill ，省去每次重新描述流程的麻烦。

每个 skill 都附有用途和使用说明。比如「公众号图文与运营策略」skill，文档中有详细的使用方法和能力介绍。

来测试这个 Skill ，先将一段英伟达官方公告交给豆包。读取 Skill 要求后，Agent 会自行拆解任务、规划文章结构，并完成从内容改写到排版建议的一整套流程，最后输出一篇符合公众号阅读习惯的深度解读文章。

▍手机派活，科技日报自动生成

科技资讯最麻烦的地方，是来源多、更新快。每天手动浏览国内外媒体，再做筛选、分类和去重，通常要花不少时间。这类每天都要重复的工作，我们干脆交给豆包定时处理。前一晚在手机上设好任务，在手机端给设定每天早上 8 点抓取国内外科技媒体的新近报道，按照领域分类，并生成一份 HTML 日报。

收到任务后，豆包会先把需求整理清楚，再自动拆成执行步骤。整个过程大致分成三步：

先确认任务：执行时间、资讯范围和最终要交付什么。

再开始搜集和整理：抓取信息、去重分类，并保留标题、来源、摘要和原文链接。

最后生成结果：把整理好的内容统一排成 HTML 日报。

中间的拆解、Skill 调用和执行过程都由豆包自己完成，不用一直盯着。

第二天早上 8 点左右，日报真的准时出现在豆包里。前一晚在手机上把任务交代清楚后，后面基本不用再盯着，云电脑会自己把流程跑完，本地电脑关机也不受影响。而且内容在手机、Web 和 PC 端均有同步。

展示一下整个自动生成的html，从结果看，日报覆盖了近期几个主要科技板块，相近新闻也进行了去重。

这次实测，每天重复刷资讯和做第一轮筛选这一步，可以放心交给豆包了。同样的方式也适合更多需要长时间运行的任务，云电脑里继续跑，人不用一直守在电脑前。

▍超长文本拆成可视化图表

日常资讯解决的是“看得多”的问题，招股书、财报和研报解决的则是“看得深”的问题。

8 月 21 日晚，长江存储控股股份有限公司科创板 IPO 获受理，招股说明书申报稿同时披露。这份招股书有三百多页、三十多万字，完整读完需要不少时间；要在其中找到有用的信息，再把公司情况、业务结构、财务表现和未来投入串起来，工作量更大。

先把原始 PDF 上传给豆包，要求它从公司概况、行业赛道、业务结构、财务表现、上下游关系和未来规划等维度拆解，并尽量用图表呈现。

Agent 在没有限定的情况下，豆包第一版 HTML 以文字和表格为主。随后调用视觉设计类 Skill 调整信息层级、图表和页面结构，最终整理成了一张更直观的长图。

HTML 里的几条主线比较清楚：过去几年，长江存储主要围绕 NAND 闪存扩大业务规模，嵌入式存储占比持续提升；为了支撑后续发展，公司持续投入研发，推进 Xtacking 技术迭代，并计划把募集资金继续用于产能升级和研发项目。随着 AI 带动存储需求增长，公司的下一步也从国产替代进一步走向全球市场竞争。

和自己逐页翻相比，常见的 AI 用法已经能省下不少阅读时间，但通常还是问答式：先总结，再围绕关心的问题一轮轮追问，碰到交叉数据还要继续补问，最后拿到的也多是文字。

这次豆包直接给出了一份结构化 HTML，主要信息和关键数据已经集中到同一页面，图表也比纯文字更直观，原本需要多轮追问、再重新整理的过程被压缩了不少。

▍把重复流程做成可复用的 skill

招股书拆解完成后，还有一个很现实的问题：下次换成财报、公告或研报，难道还要把刚才的要求重来一次？

对于这种流程相近、材料不同的任务，更合适的做法是把处理方法保存成skill 。点击 skill，下滑到最底部选择创建 skill，并让豆包参考刚才处理长江存储招股书的过程，同时考虑招股书、财报、公告和研报在内容重点上的差异，生成一套长文档解读流程。

生成后的 skill 把文件读取、内容识别、数据提取、结构整理、图表生成和页面输出拆成具体步骤。输入一份 PDF 后，它会按照预设流程提取财务摘要、业务进展、重大事项、风险提示和关键数据，再生成结构化报告。

为了验证这套流程能不能迁移到其他材料，我们又找来中国信息通信研究院 8 月发布的《具身智能训练场所研究报告》做了一次测试。

换了一份完全不同的行业报告后，这套 Skill 仍然按照预设流程完成了信息提取、数据整理和图表生成。原本散落在长文里的训练场数量、区域分布、应用场景和行业难点，也被重新整理到了一份结构化报告里。

以上数据整理来源:中国信息通信研究院、人形机器人(上海)有限公司和具身智能测试实验室。

对我们来说，自建 skill 还有一层实际作用。平时讨论选题、整理资料时，豆包里已经积累了一些零散的对话和工作记录；再把常用的处理方法保存成 skill，之后面对同类任务，不必每次从头交代背景、格式和要求。使用得越久，它越容易接上原有的工作习惯。

▍从素材中找选题到初稿

前面处理的是一份完整的长文档，接下来换成更加分散的公开资料。上一周 8 月 19 日至 23 日，WRC 2026 世界机器人大会在北京举行，超过 300 家国内外企业带来 3000 余件产品。产品发布、技术演示、合作签约、论坛观点，再加上会后来自不同媒体的报道，真正有用的信息散落在大量内容里。

但真正省事的是，豆包把原本散落在不同媒体和企业动态里的信息重新收拢了起来。WRC 2026 的参展产品、技术及模型发布、合作签约、订单和商业化进展，都被按企业整理到同一份素材里，同时保留来源，方便后续核对。

参展企业覆盖机器人本体、具身大模型、算法和核心零部件等多个方向。结合我们的关注重点，这次主要筛选了机器人本体和具身大模型相关企业。经过几轮调整，分散的公开信息被整理成了一份按企业分类的素材表，值得继续跟进的公司和变化也被单独标出来。

有了素材表之后，继续让豆包从中寻找选题。最终得到 20 多个方向，覆盖单家企业、横向对比、细分赛道和行业趋势。相比人工逐条筛选，它一次能铺开的选题面更广，也更容易从同一批素材里找到不同切口。

素材整理完成后，下一个问题是：这么多方向，哪些更适合公众号，也更符合的内容定位？

然后调用了「公众号图文与运营策略」skill。从公众号适配度、信息完整度等角度评估选题，给出排序，并说明每个方向值得继续写的理由。选择WRC 2026 观察：从 "比参数" 到 "比落地" 这个选题。数据完整，还有完整的叙事弧线。

第一版先完成了资料组织和文章结构，随后调用两个写作相关的 skill，再通过提示词继续细调措辞、段落衔接和节奏。现成 Skill 可以直接用，也能在此基础上继续按自己的要求优化。

经过几轮调整，最终已经形成了一篇结构完整的初稿，也从零散资料中提炼出了几个可以继续展开的观察角度。前期的信息搜集、归类和结构搭建可以交给豆包，最后选哪个角度、观点怎么立，还是要靠个人判断。 【以下内容由豆包 AI生成。经轻微编辑】

▍写在最后

回头看这五项任务，豆包刚好串起了科技媒体日常工作的几个环节：科技资讯日报负责持续收集信息，拆解长文本和自建 Skill 用于处理长文档，WRC 大会报道被整理成选题库，最后再从候选方向中筛选选题、生成初稿。

类似的流程也存在于更多行业。运营要整理数据、做周报和活动复盘，市场要追踪竞品、搜集案例，金融从业者则要处理财报、研报和公告。材料不同，但很多工作都要经历信息收集、整理和输出。

从这些工作流程看，AI 在工作中的角色正在发生变化。过去更多是用 AI 完成某一个环节，比如搜索、总结或改写；而工作任务模式更接近让 AI 参与一项完整工作的推进，从信息收集、处理到最终交付。

要承接这种更长链路的工作，AI 也需要适配不同的使用场景。豆包将这套能力延伸到了手机端、客户端和 Web 端：临时想到的任务可以随时发起，需要长时间运行的任务交给云电脑执行，之后再在不同设备上继续处理。配合 Agent 的任务拆解和 Skill 调用，原本分散在多个工具里的流程，可以在同一个任务里持续推进。

最后补充一条：现在下载豆包工作电脑版，就能限时免费领取30天订阅权益。

✦精选内容✦