豆包有Agent了：派活、离开，回来报告写完了|agent|pdf|任务书|显式标识|编程|豆包

我有个习惯，这半年越来越明显：睡觉前、看剧前，都得先给AI提个任务让它跑着，别闲着。我在即刻上吐槽过自己一次，说意识到我这种人肯定当不了老板，管不了人，否则会很糟糕。

这个习惯其实有个前提，那个活得真的交得出去。你把事情说清楚，然后可以起身走开，中间它卡住了会自己想办法，而不是停在那儿等你回来点下一步。

这两天我在豆包工作上试了一次真正意义上的交出去。

先说清楚豆包工作是什么吧。它是豆包新推出的一个独立电脑客户端，官网那句话叫：工作新习惯，先让豆包干。

装上之后跟你平时用的豆包是同一套账号，任务列表也是同一份，但这是个专门拿来干活的窗口。左边侧栏是新工作任务、定时任务、技能·连接器·伙伴、云盘，还有一个手机遥控电脑。最要紧的是它真能把一整件活从头到尾自己干完。配套的是个云电脑：你派的活跑在云端，不占你自己这台机器，客户端派活、云端执行、换台设备接着看。我这台机器上同时挂着三个agent，所以云电脑这件事对我来说算是差别最大的一环。

文末有个免费领30天订阅权益福利，记得看到最后。

一、我派了个什么活

我给它派的是一个我自己也确实想要的活：盘点AI对就业市场的影响，在不同行业和岗位上的渗透与替代情况，出一份完整的中文调研报告。

这个题目其实不是随便挑的。上半年我去杭州一家做短视频电商的公司做了两天全天的AI培训，最大的感受是，我们这些天天泡在agent里的人很容易忘记，大多数白领现在其实依然停在跟AI对话过几句的状态。而在生产力型的工作领域，对话式AI和Agentic AI能deliver的结果完全是两回事。

所以这个活本身就是替我的读者问一个问题：AI到底动了你这行的哪一块，你现在的处境是变好还是变差，下一步该练什么。

我给它准备了两样东西。

一样是资料，放在飞书里。8月我把2026年能下载到的顶级机构AI报告全下了一遍，Stanford、McKinsey、BCG、OpenAI、Anthropic、PwC、Deloitte、World Bank、ILO、OECD这些，一共42份PDF，从里面抠出来一批已经回原文核对过的数据点，每条都带口径（这个数在测什么）、样本量（分母是多少）、出处。跟就业相关的挑出来，整理成一篇飞书文档：前面写清楚读者是谁、要回答哪五个问题，后面是资料清单和数据表。我尽量让他跟打工人很多时候工作收到的需求文档是类似的。

另一样是一个技能，我自己写的，叫huashu-report，是我从那42份报告的实物里反向拆出来的一套报告写作规范：六种报告原型怎么选、章节怎么排、图表标题该写结论还是写主题、一份报告该怎么先把自己的结论反驳一遍。里面还带三个文件，是一条完整的生产流水线：样式基座、图表生成器、渲染器。渲染器渲完会自动跑一遍机械自检。

这个技能本来是给我自己电脑上的agent用的，从来没为豆包适配过。我把它打了个包，在客户端侧栏点进「技能·连接器·伙伴」，新建、上传，过完安全检测，它就出现在技能列表的「个人」分组里了。

二、派活：一句话，一个链接，一个技能

准备工作做完，派活这一步反而是最短的。

在输入框里打一个 /，技能列表出来，选中 Huashu Report。贴上飞书文档链接，写一句话：

读一下这个飞书文档，按里面的任务书和资料，出一份完整的中文调研报告给我。

执行的地方选云电脑。回车。时间是凌晨1点03分。

然后我就把这个窗口收起来，去干别的了。

三、中途它找我要了一次权限

几分钟后回来看了一眼，发现它停下来了。

执行日志写得很清楚：先读了我上传的技能，再去读飞书文档，发现没有访问权限；又试着用浏览器直接打开那个链接，页面要求登录。于是它停在那儿，任务状态变成「待确认」，界面上给了「去操作」和「跳过」两个按钮，然后跟我说：这个飞书文档需要登录才能访问，请你接管浏览器完成飞书登录，登录成功后我就能读取文档内容了。

资料没拿到，它停下来问我。 这大概是我对一个干活的agent最看重的一条了。

问题出在哪其实也很清楚。豆包工作在云电脑里是用它自己的身份去读飞书的，而那份文档在我的账号下。解法是「飞书连接器」，在「技能·连接器·伙伴」里，飞书排在特别推荐第一位，点进去走一遍飞书的OAuth，两项权限：账号信息，以及访问和管理消息、文档等飞书数据。

绑完我回到那个还开着的任务，补了一句：

飞书连接器我刚绑好了，你用连接器再读一次这个文档，然后接着往下做。

这句话是直接补在那个还在跑的任务里的，不用等它先答完，也不用重开一个任务。它接着上文继续跑，没让我把需求再讲一遍。这次一次读通，而且概括得很准：识别出这是一份关于AI对职业影响的调研任务书，资料是一批已核对过的数据点，要求面向普通职场人出一份完整中文调研报告。

它是拿我的身份进我自己的飞书空间去读那份文档的。对一个干活的agent来说，能拿到多少上下文，基本决定了它能干多好的活。

四、它在云电脑里干了些什么

整个过程跑在云端，我不需要盯着，不过它把每一步都记下来了。回过头把日志拉到顶重看一遍，动作是这样的。

先读技能，再读技能里那份《生产流水线》和《视觉系统》。读完建项目目录，把技能自带的那三个文件复制进去，打开 base.css 和 chart.py 看了一眼结构，用它自己的话说是「以便正确使用」。然后建数据表，把任务书里的数据点结构化，再写 build.py，报告正文都在这个文件里。

写完开始跑，然后连着报了三次错。语法错、格式转义、中英文引号混用，它一次次自己定位到具体行号改掉，没来问我。

HTML生成成功，接着跑渲染器出PDF，发现环境里没有playwright，它自己装了playwright，又装了Chromium驱动，然后重新渲染。

PDF出来了，30页。机械自检报了一条图表编号重复，它去查，发现是某张图的数据源行里引了一句「同 Figure 3.2」，被自检的正则误判成重复编号，改掉表述，重渲，通过。

到这儿如果换成我，多半就交了。它没有。

它把PDF逐页渲成PNG，一页一页看过去。

第一轮发现目录的小节页码全是0，因为锚点只配到章级别，它把这几处统一修了。

交付时间是凌晨1点18分。从派活到交付15分钟，这里面还包括我中途去绑飞书连接器的那几分钟。

五、它交出来的是什么

一份28页的PDF，7张内联SVG图表，附录里有一张54个数据点的完整速查表。

我把28页平铺开来看了一遍。页眉页脚、章序号、图表下面那行来源标注、正文和引文的层级关系，从封面到附录没有走形。这个事说起来不像成就。可长文档最容易崩的地方就在这儿——写到后半程自己忘掉前面立的规矩，我见得太多了。

我按自己那套规范逐条对了一遍。得分两层说。

第一层是我在任务书里明写了的，它一条没漏。 每个数字都带口径和样本，不写成光秃秃一个19%，而是写成「22–25岁在AI高暴露职业的就业水平，比如果与低暴露同龄人同速增长的反事实水平低19%」，后面跟着上标引用；海外数据专门写了一段说明不能直接等同于中国情况，并列出中国在AI采用速度、行业结构、劳动法规、职业分类上的系统性差异；我在任务书里列的五组看起来打架的数据，它一组都没绕过去。

第二层是任务书里完全没提、只有技能里才有的，它也做了。 图表标题写的是结论而不是主题（年轻人就业变化按AI暴露度五分位分化，而不是分年龄段就业情况）；每张图下面一行 Source / Sample / Chart，还带一句注解说明口径；关键数字做成了大字视觉锚；附录A单独一章讲局限性和替代解释，里面有一节叫「我们不知道的」。这些是那份技能规定的，任务书里一个字没有。

这一节我看得最久。它把这份报告答不了的问题一条条列出来，然后自己下了个结论说这不是缺陷是边界。愿意在自己的成果末尾专门留一页说我不知道什么，这件事连人都不常做。

六、报告里我觉得最该被更多人看到的四条

这活是替我的读者派的，所以报告说了什么，我挑四条放在这儿。数字全都带口径和样本，想核的可以去看完整版。

一、总量没崩，结构在变。

到2026年中为止，行政工资单数据里看不到全经济范围的岗位替代证据，总体就业是稳健的。但总量之下已经裂开了。

这三个数是同一段时间里的同一批人，差在暴露度上。更值得注意的是它后面那句机制：这个分化主要是通过减少招聘、而不是裁员实现的。裁员会上新闻，不招人不会。所以你在新闻里看不到的那部分，正在发生在应届生身上。

二、入门级岗位不是消失，是变质。

PwC用10亿条招聘启事跑出来的结论，我觉得是整份报告里最戳人的一段：

初级岗位挂着资深要求，这个现象很多人都撞见过，以前的解释一般是HR在压价。这份数据给了另一个解释：初级任务被AI做掉之后，入门岗位就是直接从资深要求开始的。那条从初级干起的通道，正在从入口那一端往上抬。

三、你现在干的活，可能不是你这个职业的活。

这张图我盯了一会儿。它统计的是人拿AI去干的活里，有多少落在自己职业之外——客户体验、设计、HR都过了三分之二。

我自己就是这条曲线上的一个点。我不写代码，App、插件、浏览器扩展都是我做的；公众号的封面也是我自己出。这些活在三年前都不归我管。这个变化正在发生在所有人身上，只是大部分人还没意识到自己已经在跨界了。

四、第一条行动建议是：不要去学编程。

OECD的数据是，需要编程、模型开发这类高级AI专门技能的工人比例不到1%；CSET那边数招聘启事，AI开发类岗位只占全部招聘的0.8%。

这条挺有意思，毕竟我这三年主要在做的事，某种意义上正是教人用AI做东西。再往下读一句我就明白它的意思了：你不需要成为AI开发者，你需要成为AI的有效使用者。这说的就是我，我到今天也不会写代码，小猫补光灯、花录、女娲，所有产品的代码都是AI写的。

还有一条我没单独列但值得提一句：35–40岁组同期就业增长11%，有经验的人反而没有缺口。报告给的机制里有一条是资深员工做的任务上下文依赖更强、判断要求更高、结果更难验证，恰好是现在AI比较弱的地方。

七、活在云端，不在我这台机器上

我是在客户端派的活，但活不跑在我这台机器上。派完我把窗口收起来干别的，回来它已经往下走了好几步；后来我又开了第二个任务，两条同时在云端转，本机什么都没占。这跟在自己电脑上挂agent是很不一样的体感，那种挂法你得留着窗口、留着算力，机器还不能睡。

交付这一步也不落在单台设备上。我让它顺手把完整报告写成了一篇新的飞书文档，PDF、HTML和build.py一并传进了飞书云文档。这意味着我换台设备，或者在手机上打开飞书，就能读到同一份东西。

这件事在手机上也成立。同一个账号，手机上打开豆包，那条任务原样躺在那儿，执行过程、三个文件的云盘链接、飞书文档，全都在。

更要紧的是它还能接着往下用。我在手机上直接给这条任务补了一句：

把报告第六章的行动清单整理成一页，发到我的飞书

没重开任务，没把前因后果再讲一遍，它知道「第六章」指的是哪一份报告的第六章。一页的职场行动清单就这么回来了。

活跑在云端，所以从哪台设备接上都一样。

顺带说一句，这篇文章的封面配图，也是直接让豆包工作做的。以及，我甚至还尝试让它给我的报告做了份30秒的宣传视频！生图走 Seedream 5.0 Pro，视频走 Seedance 2.5，我觉得字节系work类产品最大的优势之一就是除了coding模型外，还有SOTA级的生图和生视频模型，能一站式解决大部分工作问题。