豆包会做任务了，成功帮我薅了瑞幸的羊毛

6月15日，豆包悄然全量上线了“任务模式”。打开应用，顶部模型切换栏从原来的“快速、专家”两档，扩展为“快速、专家、任务”三档。

任务模式到底能做什么？直接上手体验一下。向豆包提问：“你能完成哪些任务？”

它列出的能力清单涵盖产品设计与开发、文档创作、数据分析、研究整理、多媒体创作、自动化工具以及浏览器网页操作等多个方向。最后还给出了一个颇为直白的定义：

。

显然，豆包不再满足于做一个聊天机器人，它正朝着腾讯Workbuddy、月之暗面的Kimi Work这类桌面智能体产品靠近。

不过，体验下来发现：豆包这回走的路子，和市面上不少桌面Agent都不太一样。

一、动手点咖啡，但权限很“克制”

最近瑞幸上线了My Coffee Skill（支持搜索门店、浏览、下单、查询订单等），正好拿来当第一个测试题。

把My Coffee Skill的安装地址发送给豆包，几秒钟后，它开始安装。

整个过程没有任何系统级权限申请弹窗——没有要求访问电脑，没有要求读取本地文件，更没申请浏览器控制权限。安装信息显示，

。

这意味着至少现阶段，豆包的思路不是先拿系统权限再干活，而是优先通过Skill机制调用能力。

安装完成后，豆包提示需要

。这个Token可以在瑞幸AI开放平台直接获取。

配置完成后，豆包还贴心地询问是否要保存Token，保存后后续使用Skill就不需要重复配置了。

豆包开始

。这里出现了一个值得注意的现象：它没有主动获取实时位置，而是先整理出门店列表，让我自己指定去哪家取餐。即便是在下单场景里，豆包依然没有动用定位权限。

确认门店后，它开始搜索商品、生成订单。期间

。豆包没有报错，而是根据商品规则重新调整配置，再次确认订单。

订单生成后，我打开瑞幸微信小程序对照了一下。发现

。

完成支付后，豆包继续跟进订单状态，顺利

。

几分钟后，咖啡到手。

二、买完咖啡，顺手做一个 App

咖啡下单只是开胃菜。接下来加大难度——把一个咖啡爱好者App的需求直接扔给豆包。

这个App需要能记录每日咖啡、统计咖啡因摄入、生成分享卡片，并支持查看长期数据趋势。

收到需求后，豆包直接进入

。与普通聊天模式最大的区别在于：。用户可以，也可以直接。

随后，豆包给出了一整套交付结果。除了

，还生成了完整的，以及一个能直接运行的。

▲产品方案与SwiftUI代码

细看这份完整方案文档，豆包是按照一份

的结构展开的。

文档开头先给出产品定位，随后拆出产品概述、市场定位、用户画像、核心功能、页面流程与交互设计。其中包括核心用户群体、用户使用场景、贴纸式记录系统、咖啡因智能统计、时间流手账首页、分享创意工坊等更细分的模块。

有意思的是，文档末尾还自动写上了版本号、日期和作者信息。作者一栏显示为“SuperDoubaoAgent Product Team”——豆包给自己临时组了个产品团队。

这份文档出现在一个

里，用户可以手动修改，也可以继续调用AI优化。

打开网页Demo，一个

直接出现在页面中央。

首页展示当天咖啡因摄入量；底部中央按钮用于记录咖啡；

统计页面展示趋势变化；分享页面负责生成分享卡片。

很快发现了一个问题：初始版本底部导航栏中央用于添加咖啡记录的“+”按钮是悬浮设计，但位置明显高于两侧导航按钮，看起来不太协调。

传统开发流程下，需要修改代码、编译预览、再查看效果。但在豆包这里，直接进入了

。

选中按钮后，输入了一句非常简单的话：“与下方其他按钮水平对齐。”豆包随即调整页面布局，重新生成预览。

与很多AI工具依然围绕代码展开不同，豆包这里已经开始尝试把“设计修改”从代码层抽离出来。

。

另一个细节是

。每次修改后，系统自动生成新的版本记录，用户可以在V1、V2等多个版本间自由切换。

三、代码小白的“福利”细节

基础Demo完成后，追加了一个需求：

。

豆包立马分析了贴图对产品体验的影响，规划了方案、页面替换方案以及渲染逻辑。随后拆出贴图显示优化、页面渲染更新、功能实现等多个子任务，逐步推进。

修改完成，网页Demo中咖啡记录与选择页面的视觉风格发生了明显变化，

，整体丰富了不少。

贴图的配色延续了产品原本的咖色系设计，没有出现风格割裂。

贴图完成后，继续追问：

这次豆包直接给出了25+个功能创意。

包括咖啡因摄入预警、年度咖啡报告、咖啡地图，还有咖啡豆收藏、好友打卡、冲煮记录等偏社区方向的功能。对于缺乏产品经验的人来说，相当于多了一个能持续输出创意的

。

四、图片、文案、视频，调度更多工具

最后，再加一个更有挑战性的任务：既然App都做出来了，不如顺手生成一支宣传视频。

豆包开始自动规划任务：先调用生图工具生成

，再匹配，接着拆解。

不过，在最终视频生成环节，工具出现了异常。豆包判断，很可能是视频工具服务异常。

随后，它主动给出两种替代方案：一种是用现有素材在剪映中快速制作简单视频；另一种是保留完整脚本和分镜，等待后续重新生成。

虽然广告片没成功产出，但整个过程中能明显感受到Agent与传统聊天机器人的区别。

写在最后：

任务模式下的豆包，已经不只是在回答问题，而是能围绕目标任务，调用Skill、连接MCP，协调代码、图片、视频等不同工具共同完成工作。

同时，豆包选择了一条相对克制的路线。从此次体验来看，无论是咖啡下单还是App开发，它都没有主动获取定位权限、电脑控制权限或本地文件访问权限。相比一些强调“接管电脑”的桌面Agent产品，豆包在有限权限下，尽可能完成了更多任务。

对于拥有庞大用户规模的产品来说，这条路或许更容易落地。

从这次上线的任务模式来看，豆包显然已经不满足于继续做一个聊天机器人，开始向桌面Agent方向迈进。而这条赛道上已经站着Codex、Claude Code，以及积累了一定AI办公场景经验的腾讯WorkBuddy。

任务模式或许只是第一步。未来，豆包究竟能接管多少工作，又会以什么方式接管，值得持续观察。