豆包工作升级电脑操作，能录屏学流程、还能锁屏后继续干

个人智能体的竞争，正在从"谁会聊"卷到"谁会动手操作你的电脑"。10 月 28 日，字节的 豆包工作 升级了电脑操作能力：屏幕点击的精度与速度提升，用户授权后它可以自动看屏幕、模拟键鼠；更实用的，是加入"技能录制"和"锁屏时工作"两项功能。

演示一遍，它就会了

"技能录制"的逻辑很聪明：通过"更多技能"入口，你演示一遍操作流程——鼠标点哪、文字输什么、窗口里显示什么——豆包就把这套动作记录、整理成一个个人技能，以后同类任务可以一键复用。这等于把"教会 AI 干一件重复活"的成本，从写提示词降到了"做一遍给他看"。

对大量真实办公场景来说，这比通用对话有用得多。比如每天要从某个系统导出固定格式的报表、或在几个内部网站间搬运数据，过去要么人工重复、要么找人写脚本；现在演示一遍，AI 就能照着跑。门槛的下降，是 Agent 从玩具走向工具的关键一步。

另一个升级是"允许豆包在锁屏时工作"。开启后，豆包可以在 Mac 锁屏后继续执行任务，你用手机就能下达指令、查看结果（执行期间 Mac 需保持开机、联网、唤醒且客户端运行）。这把"AI 助理"从"我坐在电脑前才管用"，扩展成"我走了它还能替我收尾"。

这一能力减少的是"重复说明"和"值守负担"——你不必一直盯着屏幕等它跑完，也不必为了一个长任务专门空出电脑。对经常有"挂机类"事务（批量处理、长文档生成、跨系统同步）的用户，这是个实在的体验增量。

"录制一遍就学会"听着很美，但落到工程上有个关键问题：录下来的到底是什么？如果记的是屏幕坐标，换个分辨率、改个缩放比例，技能就可能点偏；如果记的是界面语义（这个按钮叫什么、这个输入框对应哪个字段），迁移性会好得多。这条技术路线的选择，直接决定了技能是"只能在这台机器上用"还是"团队里都能用"。

再往上一层，是企业最关心的分发与治理。个人录的技能，能不能变成组织共享的技能库？谁有权发布、谁有权调用、调用时能碰哪些数据？如果这些问题没有答案，技能录制就只是个人效率玩具，进不了正经的业务流程。

所以豆包工作这次升级的真正看点，不只是"能锁屏干活"，而是它有没有为"技能"准备好一套可管理、可审计、可复用的机制。这决定了它是打工人的小聪明，还是企业 agent 的入口。

豆包工作的升级，和同周蚂蚁灵光 2.0、阿里千问 Go!、腾讯元宝助手等的动作，处在同一股潮流里：国内大厂正密集把 AI 从"对话框"推进到"任务面板"。区别在入口——字节握有办公与内容生态，豆包选择从"操作你本地的电脑"这个最贴近打工人日常的角度切入。

当然，"能碰你的电脑"也意味着更高的安全期待。哪些应用、哪些文件它动得、锁屏后哪些数据可能被处理，仍是这类产品必须说清楚、让用户能管住的边界。但无论如何，Agent 真正坐到你工位上的那天，离我们又近了一点。