豆包工作这次,让我想起了 Office 当年的神来之笔。
原创 阿颖 2026-11-16 12:52 北京
![]()
从产品经理的视角来看,我判断接下来通用 Agent 产品之间的差距,会越来越多来自 UX。
现在使用 AI 的人大致有两类。
一类是深度的高级极客用户,他们愿意花时间配置工具、安装 Skill、研究各种玩法。另一类则是没有那么多时间或者兴趣折腾这些东西。
之前,受朋友邀请,我去他们公司做过一场 AI 培训,发现很多人连电脑的重度用户都算不上,更不用谈 AI。
你可能不相信,他们电脑里还装着各种杀毒软件,平时工作主要就是打开微信、飞书这些 IM 工具,再用用 Office,其他软件基本不怎么接触。
![]()
所以,很多我们觉得理所当然的操作,对他们来说其实都有门槛。
比如,我觉得安装 Skills、配置插件、做 HTML 版的 Slides、理解 Context 的限制,都是再平常不过的事情。但不好意思,他们连这些名词都没听过。
那次培训,让我意识到,Agent 的用户体验和底层技术同样重要。过去我们总是在讨论模型、Harness 等等,但其实,对于绝大多数的用户而言,最重要的仍然是使用门槛。
![]()
Agent 需要进一步产品化
最近大家应该也看到了,像 Muse 这样的产品还在进一步的做产品化,甚至开始淡化新建会话的概念。
因为从用户的角度来说,我只是想让 AI 帮我处理事情,为什么每次都要新建聊天?连新建会话这么简单的操作,其实都有继续优化的空间。
上周,豆包工作除了支持第三方模型、换回豆姐的 Logo 外,还上线了一个非常重要的功能,叫工作台。可能很多人都没注意到。
![]()
我当时发现之后特开心,因为之前就有同事跟我提过,希望能有类似的功能。
简单理解,工作台可以把某类工作经常用到的 Skills、插件和专业要求提前配置好,以后再做类似的任务,就不用每次都从头折腾了。
比如,最近又到了大学生准备毕业论文的时候。
其实,写论文本身就是非常典型的垂直场景。我相信,大部分大学生在写论文时,需要用到的 Skills、提示词以及 Agent 的配置,都有很多共通的地方。
当然,不同学校、不同专业对论文的要求可能不一样,但很多基础工作,比如文献检索、资料整理、论文格式检查等,其实都差不多。
社交媒体有很多人分享论文相关的 Skills、提示词和使用经验。大家折腾来折腾去,其实就是在解决同一个场景中 Agent 初始化配置的问题。
![]()
但如果这些常用的 Skills、工具和工作要求,产品已经提前帮我们预置好了,用户只需要补充自己学校和专业的具体要求,就可以直接开始工作。
这不就把使用门槛进一步降低了吗?
这是豆包工作的工作台想做的事。本质上还是缩短普通用户的上手时间。
目前它预置了 20 多个专业场景的工作台,包括金融投研、营销、写作、医生、老师、HR、剧情创作、求职等等。
下面截图是求职发展的工作台,圈红框的地方是这个工作台已经预置的 Skill 和插件。
![]()
在这个工作台中,我直接把亲戚家孩子的简历发给它,让它给出一些具体的求职建议。大家看下面截图具体的执行过程:
![]()
因为工作台已经提前配置好了相关的 Skills 和插件,所以接到任务之后,Agent 就可以根据具体需求,调用预置的 Skills 来完成分析,省去了自己寻找和配置工具的麻烦。
为了看看工作台到底有什么不同,我又做了次对比测试。
这次不使用职业发展工作台,直接在豆包工作中,选择同样的模型,输入完全相同的提示词和简历。豆包工作,首先建议我安装一个简历优化和职业发展的 Skill。
我选择没有安装,即便这样,它最后也能完成任务,给出求职分析报告。
![]()
大家看看生成的结果。
![]()
再对比一下,这是使用职业发展工作台生成的分析报告。
![]()
两份报告的差别非常明显。
职业发展工作台的分析明显更深入。它会先根据简历评估求职者目前的竞争力,再分析哪些岗位方向比较适合他,以及为什么适合。甚至给出了具体的求职节奏建议。
![]()
也就是说,像豆包工作这样的通用 Agent 本身已经具备完成任务的能力,但如果提前配置好相关的专业 Skills 和工作要求,就有机会让它按照更加专业的思路完成任务,最终给出更有针对性的结果。
我也可以根据自己的需求,编辑对应的工作台。
![]()
所以,工作台这个功能本身并不复杂,思路其实非常简单。说白了,就是把不同职业和场景需要的 Skills、插件和专业要求提前配置好,省去用户自己从零折腾的麻烦。
我觉得,这相当于提前帮用户完成了面向职业场景的 Agent 初始化。
开箱即用的 Agent 交互设计
再举个例子。假设我是金融行业的从业者,平时经常需要用 AI 分析上市公司的财报。
如果直接打开通用 Agent,我可能需要告诉它,我想分析哪家公司的哪些财务指标,按照什么口径计算,最后生成什么样的研究报告。
但仅仅交代这些要求,很多时候还不够。
毕竟真正做金融研究,还需要查阅专业数据、比较不同报告期的财务指标,甚至完成估值建模。如果最后还要整理成 PPT,可能又涉及其他工具和技能。
这些东西都需要根据实际任务进行配置,才能取得比较好的效果。
但现在,作为一个不太懂 AI 的普通用户,我不用再自己研究应该安装哪些 Skills、连接什么数据服务,或者怎么把这些工具组合起来。
直接进入金融投研工作台,常用的专业能力就已经提前配置好了,包括财报分析、行情数据查询、估值建模、研究报告生成等。
如果有相应的数据服务授权,还可以接入万得、同花顺等专业数据源。
![]()
接下来,我只需要在工作台中表达自己的任务需求就行。不过这里也提醒一句,大家用 AI 分析的投资或者医疗建议,一定要注意甄别核对。无论是哪个 AI,都不要盲信。
![]()
从产品经理的角度来看,这些配置工作,本来就不应该让普通用户自己去折腾。
什么 Skills、插件、MCP,本质上都是产品为了完成任务所需要的技术能力。用户只关心自己想做什么,至于背后需要调用哪些工具、怎么组合,应该尽可能由产品来解决。
过去很多 Agent 产品,其实是把这些复杂的配置工作扔给了用户......
可能有读者会说,既然工作台就是预置 Skills 和插件,那为什么不直接把所有 Skills 都装进通用 Agent,还非得按职业和场景划分?这不是又增加了用户的选择成本吗?
理论上,我们确实可以给通用 Agent 安装大量的 Skills,比如金融分析、教学、写作、设计等等。
但 Skills 装得越多,Agent 在执行任务时,就越需要判断应该调用哪个。如果不同 Skills 的适用范围比较模糊,或者存在重叠,就可能出现调用不准确的问题。
另外,虽然现在的 Skills 普遍采用按需加载机制,不会在初始化时把所有内容都塞进 Context,但大量 Skills 的名称和描述,依然会增加模型选择工具的复杂度。
所以,按照职业或者任务类型,提前把相关的 Skills、插件和专业要求组织到一起,是目前比较合理,也比较优雅的产品设计。
而且,工作台是按照职业和工作场景划分的。对于绝大多数用户来说,日常工作相对固定,真正需要用到的工作台可能也就那么几个。
比如金融分析师,平时大部分时间都在处理金融研究相关的任务,根本不需要频繁切换工作台。
我建议,大家可以在官方预置的工作台基础上,继续加入自己的工作流程、常用工具和专业要求。
![]()
过去我在使用 Agent 的时候,经常会担心它有没有调用我预期的 Skill。
因为我的 Agent 里装了大量 Skills,但装了不代表 Agent 就一定能准确调用。尤其是不同 Skills 的功能存在重叠时,Agent 可能根本没意识到应该使用哪个。
工作台其实可以解决这个问题,毕竟它按照场景隔离 Skill 和插件。
![]()
毫不夸张的说,这一定是通用 Agent 产品化最值得探索的方向。
Agent 底层可以共享读取文件、分析数据、生成文档、Computer Use 等通用能力。
但面向具体职业时,产品应该提前组织好相应的工具和工作方法,尽可能减少用户自己配置的麻烦。
写在最后
通用 Agent 一定会成为下一代 Office,这个判断我坚信不疑。
只不过,目前整个产品形态还非常年轻,真正面向普通用户的通用办公 Agent,也就经历了不到一年的快速迭代。我觉得在产品化方面,还有太多值得探索的空间。
其实豆包工作工作台的这个功能,让我想起当年 Office 里的模板。
![]()
现在看来,模板已经是再平常不过的能力了。但我觉得,它绝对是 Office 能够走向大众用户,非常重要的产品设计。
大家想想,如果每次做 PPT,都要从空白页面开始设计排版、调整字体和配色。每次做 Excel,都要自己设计表格结构、设置公式,那使用门槛得有多高?
从这个角度来看,我甚至觉得,工作台有点像 Agent 时代的模板。这个设计本身并不复杂,甚至简单得有点不起眼。
但恰恰是优秀的产品设计应该做的事情。毕竟,AI 的能力已经这么强了,凭什么还要让用户先配置一通,才能把它用好?
另外,豆包工作已经支持第三方模型了。
![]()
上周我专门做了次对比测试。在使用同样的模型、输入相同提示词的情况下,豆包工作完成任务的时间和 Token 消耗,差不多都只有 DeepSeek Harness 的一半。
再叠加最近部分任务免积分的优惠,整体性价比确实高出不少。
大家有空可以试试。
![]()