高中群都在聊 豆包Agent,我才觉得它真要普及了

【企业知识助手·Agent 实战】如何构建 Agent 运行态可观测体系:从行为基线漂移检测到成本预算治理的深度实战 核心原理:运行态可观测的本质是把"单点阈值"升级为"与基线的分布距离"——埋点回答发生了什么,基线比较回答这是否还正常关键结论:deny 率没有单向好坏语义,必须双边告警 + known-good / known-bad 双哨兵仲裁;成本归因的终点是单位经济与预算三线一位;评测分数入库让质量拥有趋势线。 阅读详情

有没有发现,随着各种 AI 办公软件的普及,身边有越来越多的人突然用上 Agent 了。

图片

前阵子,一个平时基本不怎么关注 AI 的微信群里,也开始有人说agent,让我觉得有些感慨,我才觉得它真要普及了。

在这之前,玩好一个 Agent 的门槛并不低——编程脚手架工具、复杂的环境配置、陡峭的认知与习惯迁移成本,正如这张图所示:享受先进 AI 红利的,是极其边缘的群体。

图片

而当豆包工作直接把 Agent 能力装进手机 App,让你可以随时随地给电脑下达指令时,这场属于普通人的 Agent 普及潮,也算按下了加速键。

人最难战胜的,从来不是新技术的门槛,而是旧习惯的重力。惯性让人沉溺在旧的繁琐里。一个人跳出熟门熟路的旧轨道,光靠讲道理是没有用的,得靠密集的案例爆击和眼见为实的实践。 只不过在这场变革里,有人敏锐先行,上车极快;有人习惯观望,上车偏慢。

豆包PC 和 豆包工作功能差不多,但属于两个APP。PC有对话和工作两种模式,生成视频、AI创作方面PC会更合适;适合在Chat模式中进行聊天、图像、音乐、录音转写、AI播客这类任务。

图片

豆包PC

不只是开头说的生成一个文件这么简单,利用它的多端同步功能,很多零零碎碎的任务交给它很合适。做 PPT、识图办公这些,豆包模型做得确实很不错。

图片

一个真正能融入日常的 Agent,不需要复杂的门槛。手机端随时随地输入意图,电脑端多端协同落地交付。

从图表识别纠偏、跨平台舆情调研,到复杂的品牌视觉企划,它不是简单生成一个文件,而是把零碎繁琐的办公任务处理得足够稳、足够漂亮。

分享几个实际体验下来的案例:

遇到别人发来的表格截图,最怕照着录入还跟着把算错的数据抄进去。

试了一下豆包的表格提取与核对技能:

“帮我调用【图片表格提取与核对】技能,把这张图片转成标准的在线表格。请务必还原合并单元格与层级关系,顺便帮我验算各部门小计和总计加和对不对,有算错的地方指出来并自动纠正。”

合并单元格完美还原,两处隐藏的算错数据,全部自动标出并修正。

图片

一个新产品的视觉企划案

要把文案、工业质感渲染图和飞书排版融成一套完整提案,平时要折腾很久。AI 跑图最怕风格割裂,一套方案里很难保持统一的设计语言。

试了下豆包的视觉创作技能,做高端品牌的视觉企划,关于高端智能香氛机的设计诉求:

图片

材质工艺、空间语调、杂志级视觉渲染,它懂怎么给图像模型写词,铝合金与青瓷质感、光影、排版,直接交付了一整套飞书品牌方案。图文并茂。

图片

上下滑动查看

效果不错,尤其是图片,看一眼提示词,几乎每一张图片都可用。所有的产品视图,多图质感高度统一,人来做的话应该会割裂些,且会花不少的时间。还有一点,也许只有在豆包PC/工作中才能这么丝滑的把Seedream图片模型、飞书融合的这么好。

图片

在豆包 PC中,创建这样的视觉企划不只可以调用飞书、Seedream/Seedance模型,在执行过程中还可以调用更多适合当前场景的 Skills,而且支持多端同步,可以直接在手机上接着把活干完。这一点也许是它相比于其他 Agent 的一个显著优势。

摸清一家公司的真实情况

面试前心里没底,想摸清一家公司的真实情况。没写复杂的模板,就给豆包发了这几句:

🍈

“我刚收到北京生数科技有限公司的面试邀请,心里既期待又有点打鼓。现在很多小 AI 公司表面光鲜,实际上可能是套壳草台班子或者经营风险很大。 你帮我用企查查摸一下他们真实的底细,帮我把把关:看看他们是不是真在踏实做事、社保缴纳人数、有没有拖欠工资或法律纠纷排查,同时挖一下背后真正的资方背景和最新的专利软著布局。 我想在面试前心里有底,既能判断这家公司到底值不值得去、谈薪时心里有数,又能有 2 个能跟面试官深度过招的专业级反问。 把整套面试作战档案直接沉淀到我的飞书里,方便我随时在手机和电脑端翻看。”

企查查查穿底细,4个动态图表、谈薪和反问逻辑,直接排好版进了飞书。我仔细看了下,内容很有参考价值;后面还测了其他的公司,下次涉及找工作面试,就可以通过这个更快速有效的获取信息。

另一个例子,仍然使用企查查,查一个庞大的商业生态,不需要到处找研报。一句简单的指令:豆包自动梳理关联矩阵,生成全景架构树。比如:

字节跳动体系内穿透查 —— 北京字节跳动科技有限公司,然后做三件事: 实控人穿透—— 从字节主体一路穿透到张一鸣,展示 "豆包、飞书、火山引擎的最终控制人是谁" 子公司 / 关联公司矩阵—— 展示字节旗下有多少家公司,飞书科技、火山引擎科技、豆包相关实体分别是什么关系、什么时候成立的 对外投资布局—— 字节投了哪些 AI 公司、办公协同公司,展示生态版图

图片

图片

想看一款产品的真实评价,到处翻测评不如直接看全网真实用户的吐槽。

用豆包VOC 与舆情调研技能全网扫了一遍大疆 Pocket 3 的舆情:

图片

图片

覆盖微博、B站、小红书和知乎,硬件短板、维修成本和好评点一清二楚。

图片

上下滑动查看

给团队做新一年的人力和预算规划,最怕拍脑袋招人。

扔了一份现有团队盘点表,把预算红线和业务目标交给豆包:

图片

算清了HC缺口与成本底线,直接推演出两套可落地的组织规划方案。

图片

上下滑动查看

又如专业岗位的招聘标准,不需要从零手写。岗位建模甄选技能自动完成岗位建模与胜任力拆解,生成飞书结构化甄选方案。

图片

关于在豆包PC中使用飞书

你可以在豆包PC用飞书登录(会跳转到豆包工作中),也可以使用飞书的连接器

我这里有一个小经验,

直接在对话里说需求就行,比如:

"帮我创建一个会议纪要文档""把这段内容整理成飞书文档""把文档分享给张三,权限设为可编辑"

只要你提到比如飞书文档、在线文档、协同编辑这类需求,我就会直接通过已登录的飞书连接器操作,不会打开网页版飞书。打开网页版的还得让你登录,这确实很头疼;直接在对话中创建飞书文档,右边就完全是我绑定的飞书账号,功能一模一样的:

图片

以前我用其他的 Agent,现在看来体验是比较割裂的,你只能对着一个聊天框 Prompt,想看他的产出,得切换到浏览器的飞书云文档去,发现不对,就必须得切回Agent窗口继续改,注意力被撕碎了

豆包PC这里,你在左边下指令,右边文档实时改;你甚至能一边打字一边看它帮你改——,这里我在给它修订的同时,直接在它生成的文档中说明我的意图:“我觉得这个位置可以增加一个用于理解的图表”表:

而且支持PDF、WORD这些一键下载下来

图片

连接器市场

豆包PC的Skills市场相当丰富,也不能叫 skills 市场吧,这里它叫连接器,其实是综合了 MCP 和 skills 等等,上面的演示也来自于这里的连接器。

图片

其中有不少特定领域的三方工具,我体验了,不管是金融、法律、办公还是创作,有不少值得玩的,可以为我们手机控制豆包的时候有更多想象空间;高德地图、打车软件、麦当劳等等,利用这些功能,在手机上调用本地电脑的相关输入资料去完成你的目的。

图片

最后,现在下载电脑版「豆包工作」,可限时免费领取30天订阅权益。相比高级套餐,功能都是一样的,只是额度会有差异。

图片

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战 本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。 阅读详情

相关推荐

银河麒麟(桌面版/服务器版)远程桌面配置全攻略:XRDP与VNC实战指南

本文提供了银河麒麟操作系统(桌面版与服务器版)配置远程桌面的完整实战指南。详细对比并演示了XRDP与VNC两种主流方案的安装、配置与连接步骤,涵盖从环境准备、软件安装、服务启动到客户端连接的全过程,并针对常见的黑屏、连接失败等问题给出了有效的排坑解决方案,帮助用户实现跨平台的便捷图形化远程管理。

b0c1d2的博客 808

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 267

从零到一:鲲鹏920服务器上的DeepSeek模型部署全流程解析

本文详细解析了在华为鲲鹏920服务器上部署DeepSeek模型的全流程,包括环境准备、模型服务框架部署、性能优化及生产环境方案。通过ARM架构优化和量化技术,显著提升模型推理效率,适用于企业级AI应用场景,助力国产化技术落地。

weixin_29094775的博客 597

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 1万+

YOLOv5实战:无人机巡检图片差异对比与违建标记(附完整代码)

本文详细介绍了如何利用YOLOv5目标检测技术实现无人机巡检图片差异对比与违建标记。通过图像对齐、目标检测、差异分析和可视化标记四个步骤,构建高效的违建识别系统,显著提升城市管理效率。文章包含完整代码实现和性能优化技巧,为计算机视觉在无人机巡检中的应用提供实用指南。

weixin_42535720的博客 280

DICOM标准:DICOM医学影像中的覆盖层(Overlay)概念详解

DICOM标准:深入详解DICOM医学影像中的覆盖层(Overlay)

编程技术探索者,分享C/C++、C#、Java、数据库等开发经验,聚焦实战技巧与AI兴趣,助力编程爱好者成长。 1561

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 216

Agile Modbus使用和学习笔记

i < len;这里仅仅需要提供获取函数即可,离散输入是只读类型i++) {return 0;只读类型寄存器i++) {return 0;i < len;

Car12 167

在Codex 让AI模型 拥有长期智能记忆

本文介绍Claude-Mem V15新功能——智能记忆召回,解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem,实现自动记录决策(如数据库选型)、跨会话智能召回,支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案,其基于Hooks自动捕获工具调用,结构化存储,可追溯、可共享、可清理,显著提升工程效率与协作一致性,是长期项目中理想的“工作黑匣子”与“工程脑”。

米莱虾 249

FC7300 SPI MCAL配置引导

Example - QMI8A01z外设:Example - QMI8A01z外设:

舊梦的博客 257

2023最新多文明策略手游《万国觉醒内购版》最新整理Linux商业手工服务端+安卓+详细搭建教程

2023最新多文明策略手游《万国觉醒内购版》最新整理Linux商业手工服务端+安卓+详细搭建教程。源码内置详细搭建教程,感兴趣可自行下载。

百创科技 1713

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 187

分享Charles抓包 显示<unknown> 解决方案 !

首先电脑上需要安装charles,然后需要设置手机上的WiFi设置,修改配置中的代理设置,把服务器的主机名设置成你电脑当前的ip地址(需要注意的是,你的代理服务器主机名的ip地址要和你当前连的ip地址的网段需要一致)。像 Charles 这样的工具,虽然功能强大,但仍然需要用户具备一定的配置和排障能力,以应对各种复杂的网络环境。通过将 Charles 的 SSL 证书正确安装到移动设备中,并在设置中启用“允许不安全的内容”选项,最终成功解决了这一问题,并准确抓取到所有请求数据。Charles 显示。

朱雀随云记的博客 8104

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 169

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 471

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 62

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 493

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 225

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 589

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 309

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 169

视觉推理是在看图,还是依赖语言先验猜答案?

问一张香蕉照片“它是什么颜色”,回答黄色可能来自看图,也可能来自常识。把香蕉换成红色,错误才显露出来;但答错仍可能是没看清颜色、没理解问题,或没有把看到的属性用于回答。**总正确率不能独自区分这些解释。**封面中的红色香蕉只是概念插画,不是论文测试样本。

weixin_44369324的博客 136

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 303

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 183

深入理解 Transformer:Decoder 与 Masked Attention 速查手册

写Decoder时直接套用Encoder自注意力代码,训练loss秒降、推理却不会生成?😵 这份速查手册按“症状→诊断→改法→代价→边界”组织,30秒帮你定位masked_fill、tril、causal_mask的正确写法,附可跑代码与对照表,让你彻底搞懂“为什么不能看到未来”。🔧

2601_94912102的博客 236

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 3602
上一篇: 这个免费的任务助手登顶SuperCLUEXClaw榜单
下一篇: 让 Codex 如虎添翼:我实测了一个全域联网工具:省Token、并发、高质垂直领域、意图路由
Aitrainee
Aitrainee 新星创作者: 人工智能技术领域 新星创作者: 人工智能技术领域
博客等级 码龄7年 1万+粉丝 149原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Aitrainee

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值