豆包
智能工具记录时间 2026-09-16★ 4.5 / 5
实测版本 V5.8.3(办公智能体周报#1:大更新与新标准,2026-10-18 实测;工具改版后旧教程界面可能对不上,以文中版本锚定块为准)
场景write 写材料image 出配图phone 教爸妈用手机
- 官网 / 下载
- https://www.doubao.com
- 使用场景
- 把网页上复制来的、空行成堆的通知交给它整理成规范 Word,一句话交代要求就能拿到能用的文件;也用它做朋友圈文案、配图这类零碎活儿。
- 优点
- 在 7 款国产 AI 办公助手里,整理乱格式通知,单次实测约两分钟拿到规范 Word
- 写 Q3 述职这类材料时会自己核对数字,对不上的会标「待核实」,缺数据就直说算不出
- 速度与成本都比较友好,适合作为日常主力先跑起来
- 缺点
- 实测中途遇到过客户端自动更新、会话整个丢失,重要对话要随手存
- 涉及预算、投诉这类敏感内容时会自行取舍,交付后需要人工核对
- 「一家闭环」把文案和配图都包了,但生图耗时不稳定,实测有到 23 分钟的
实测功能清单(豆包,采集实录,账号信息已打码)
豆包 功能清单(实测方向)
采集时间:2026-09-18 约 13:30–14:10 版本/账号:账号面板只显示「账号名(已打码)」(用户注册的品牌名)+「标准套餐」,无版本号 Bundle ID:
com.bot.pc.doubao窗口:bounds=[310,30,1610,960](与 WorkBuddy / CatPaw 完全一致,三家共用同一套窗口外壳) 采集纪律:不新建会话、不中断进行中的任务、只点只读入口。全部为界面实读,无任何任务实测(无耗时、无产物规格、无额度消耗)。
0. 最重要的技术事实:豆包不做无障碍
get_app_state 只返回 23 个元素,全是窗口按钮和系统菜单(Apple / 豆包 / 文件 / 编辑 / 显示 / 窗口 / 帮助),正文区域 0 个 accessibility 元素。
对比:WorkBuddy 612 个、CatPaw 200+ 个。
这意味着:
- 豆包无法被 VoiceOver 等辅助技术操作
- 我这轮只能用坐标点击(CGEvent)而不能用语义 element target
- 也解释了为什么豆包的连接器列表要靠肉眼翻页
- 写进教程的「判断自查」素材:如果你用屏幕阅读器,豆包不是合适的选择
1. 主界面(screenshots/01_主界面.png)
左侧栏 8 个一级入口 + 项目区:
- 新工作任务
- 新对话
- 定时任务
- 连接器·技能·伙伴
- 云盘
- 手机遥控电脑
- API 服务(带
>,可展开) - 更多(带
>,可展开)
项目区:work agent / 学习使用work agent / 文字处理 / 2026年单位工作
与另两款的差异:WorkBuddy/CatPaw 只有「新任务」一个入口,豆包拆成「新工作任务」和「新对话」两个;豆包多了「云盘」「手机遥控电脑」「API 服务」三个独立入口。
主区:标题「有什么我能帮你的吗?」+ 两个大按钮「对话 | 工作」(模式切换)。
「为你推荐」4 条:
- 热点:iPhoneDuo 首次适配手写笔打破乔布斯设计信条
- 世上安得两全法不负如来不负卿是什么意思?
- 不负如来不负卿的主要故事情节是什么?
- 推荐学习ASCII码的趣味记忆技巧
输入框:「发消息或按住空格说话…」,底部工具栏 9 个功能入口:
+ / 对话 / 图像生成 / 帮我写作 / 视频生成 / 音乐生成 / 翻译 / 录音转写 / 更多 | 豆包 快速 | 🎤
右栏面板:对话摘要 / 对话产物 / 技能 / 最近文件
「图像生成 + 视频生成 + 音乐生成 + 翻译 + 录音转写」五个多模态入口平铺在输入栏——豆包把「多模态全家桶」当卖点。WorkBuddy/CatPaw 的输入栏只有附件和模型选择。
2. 手机遥控电脑(screenshots/04_手机遥控电脑.png)
这是独立一级入口,不是连接器。
- 顶部小字「远程控制」,大标题「出门也能操作电脑」
- 说明:「用手机豆包在工作任务中,连接此电脑后,可远程继续任务,接收进度提醒,并调用这台电脑上的文件和工具。」
- 两个开关(均为开启态):
- 可被相同账号的设备控制(绿色)
- 让这台设备保持唤醒状态(橙色)
- 两步指引:
- 打开手机豆包 App(登录与当前电脑相同账号)
- 在工作任务中选择电脑(选择在线的电脑便可远程控制)
- 右侧二维码:「下载或打开豆包 APP」
手机示意图里显示的任务列表:工作任务·iMac ✓ / 工作任务·MXP / 工作任务·云电脑,标签 iMac / 桌面 / 始终允许 / PPT;建议口令「整理桌面上的 Word 文件」「帮我清理电脑上大于 5G 的文件」。
对比:WorkBuddy 把远程操控做成 44 个连接器里的「向日葵远程控制」;豆包直接做成一级入口,还能看到它支持连云电脑。
3. 连接器·技能·伙伴(screenshots/05_连接器_第1屏.png)
顶部 3 个子 tab:连接器 | 技能 | 工作伙伴
「工作伙伴」是豆包对 WorkBuddy/CatPaw「专家」的叫法——三家同一个东西三个名字。
右上:搜索插件 / 我安装的 / + 添加
分类 16 个:精选 / 办公 / 金融 / 财税支付 / 多媒体创作 / 营销销售 / 电商 / 企业管理 / 效率工具 / 数据分析 / 医疗 / 法律政务 / 生活出行 / 教育科研 / 工程 / 研发运维
对比:CatPaw 连接器分类只有 2 个,专家分类 7 个。豆包 16 个,明显往「超出办公定位」铺——医疗、法律政务、生活出行都在里面。
必备精选:
- 操作浏览器 — 通过操作浏览器完成网页导航、读取、填充、下载等任务
- 操作电脑(新功能推荐)— 让 AI 直接操控你的 Mac,完成文件管理、应用操作等本地电脑任务
豆包把「操作电脑」当成必备精选而不是高级功能。WorkBuddy/CatPaw 没有这个定位。
特别推荐(可见 28+ 个,未翻到底部):
| 类别 | 连接器 |
|---|---|
| 办公协同 | 飞书(已安装)、企业微信(CLI)、钉钉(CLI)、腾讯会议、Notion、百度网盘 |
| 金融(8+) | Wind Alice 万得金融数据、同花顺 IFinD、通达信、东方财富妙想、Tushare 金融、进门投研、盈米基金、Financial Dat… |
| 企业信用 | 企查查、启信慧眼、水滴信用 |
| 法律 | 北大法宝·法律、威科先行、华宇元典法律、摩知轮(商标) |
| 国际工具 | TikTok for Business、Stripe、GitHub、Neon、Linear、Consensus |
| CRM/营销 | 纷享销客 CRM、销售易CRM |
| 数据/自动化 | 博查搜索(AI 用的搜索引擎)、八爪鱼 RPA(零代码数据采集)、Moka HR智能体 |
每个卡片带「安装」按钮(飞书例外,显示对话图标 = 已安装)。
金融连接器极其密集:8+ 个金融数据源(Wind、同花顺、通达信、东方财富、Tushare、进门投研、盈米基金…)。WorkBuddy 5 个,CatPaw 1 个(同花顺快查)。这是豆包最大的能力堆砌方向。
Consensus(检索同行评审论文)是独家——WorkBuddy 和 CatPaw 都没有学术文献类连接器。
国际化:TikTok for Business、Stripe、GitHub、Neon、Linear 都在列表里。WorkBuddy 几乎全是中国工具。
4. 连接器详情:Wind Alice 万得金融数据(screenshots/06_连接器详情_WindAlice.png)
点进去的详情弹窗:
- 标题:Wind Alice 万得金融数据
- 描述:「全量开放万得(Wind)金融数据与工具,覆盖沪深港美等全球 60 多个国家地区的股票、基金、债券、商品、指数、经济数据与万得金融模型与工具集,提供数据穿透、投研分析、风险决策等多维金融能力。」
- 关联技能 1:Wind Alice 万得金融数据 — 「通过 Wind Alice 万得金融数据 MCP,筛选股票并查询股票、基金、指数、债券、公告新…」
- 包含的操作:连接后可查看操作详情(空态)
- 底部:安装
关键发现:豆包明确把连接器标注为 MCP 接入。这跟 fields.yaml 里的
mcp_concept字段直接对应——豆包的连接器本质是 MCP server 的封装。
5. 与另两款的关键差异(写教程时的定位素材)
| 维度 | WorkBuddy | CatPaw | 豆包 |
|---|---|---|---|
| 无障碍支持 | 完整(612 元素) | 完整(200+ 元素) | 几乎为零(23 元素,正文 0) |
| 新任务入口 | 新任务(1 个) | 新任务(1 个) | 新工作任务 + 新对话(2 个) |
| 专家叫法 | 专家 | 专家 | 工作伙伴 |
| 子 tab | 专家/技能/连接器 | 专家/技能/连接器 | 连接器/技能/工作伙伴 |
| 连接器数 | 44 | 5 | 28+(未翻完,目测更多) |
| 连接器分类 | 未分 | 2 | 16 |
| 定时任务模板 | 0 | 12 | 待查 |
| 远程控制 | 连接器(向日葵) | 无 | 独立一级入口 |
| 网站/建站 | 藏在资料库 | 一级入口 | 未见 |
| 运行模式 | 无 | Local/Cloud 双模 | 未见 |
| 金融连接器 | 5 | 1 | 8+ |
| 国际化工具 | 几乎没有 | 少 | TikTok/Stripe/GitHub/Neon/Linear/Consensus |
| 学术文献 | 无 | 无 | Consensus |
| MCP 标注 | 未标注 | 未标注 | 明确标注「通过…MCP」 |
| 多模态输入栏 | 无 | 无 | 图像/视频/音乐/翻译/录音转写 |
| 必备精选 | 无 | 无 | 操作浏览器 + 操作电脑 |
| 账号体系 | 平**乐(已打码) | 昵称已打码 / 体验版 / 余额已打码 | 账号名已打码 / 标准套餐 |
一句话人设候选:豆包是「什么都想塞进来,但你自己得会挑」——连接器 16 个分类铺满、金融数据源 8+ 个、多模态五件套平铺在输入栏,可它连无障碍都不做,屏幕阅读器用户直接被挡在门外。
6. 本次没查到(诚实记录)
- 技能 tab 内容(未点进去)
- 工作伙伴 tab 内容(未点进去)
- 定时任务 页(未查,无模板数)
- 云盘 页(未查)
- 连接器列表底部(只看到 28+ 个,未翻完,无法报总数)
- API 服务 和 更多 两个展开入口的内容
- 版本号(账号面板只显示「标准套餐」)
- 各连接器/工作伙伴的详情页(只看了 Wind Alice 一个)
- 无任何任务实测:无耗时、无产物规格、无额度消耗前后对比(遵守本会话「不新建会话」约束)
7. 方法学记录
- 豆包不做无障碍 →
get_app_state只能拿到 23 个窗口/菜单元素,正文全空 mcp left_click用 element target 无效(拿不到元素),用 coordinate target 也不响应(豆包不吃合成窗口事件)- 最终可行方案:
tools/click_at.swift(CGEvent 屏幕绝对坐标点击)+tools/scroll_at.swift(CGEvent 滚轮) - 坐标换算:
mcp screenshot返回 1280×720 栅格对应 1920×1080 屏幕,比例 1.5 - 踩坑:初次按条目间距 35px 估算,实际约 23px,第一下点偏 2 项(点到「手机遥控电脑」而不是「连接器·技能·伙伴」)
- CGEvent scrollWheel 需
Int32类型,Swift 编译报错后已修 - 弹窗(Wind Alice 详情)挡住列表,
mcp scroll在弹窗下无法滚动
以上为个人使用感受,仅供参考,不构成推荐或购买建议;工具名称与商标归各自权利人所有。