豆包工作上线工作台

豆包工作今日上线「工作台」,首批覆盖金融、医疗、教育等21个专业场景,可预置技能、连接外部数据,并支持用户自建和分享专属AI工作空间。
豆包工作上线「工作台」:AI办公开始卖“工作方法”
豆包工作在今天(2026年11月16日)上线「工作台」功能,首批覆盖金融、医疗、教育等21个专业场景。与普通聊天入口不同,新功能会把专业技能、常用工具、数据插件和任务模板预先装进一个固定空间,用户也可以按照自己的工作流程创建、保存并分享工作台。
**工作台是围绕特定职业任务配置的一套专属AI工作空间。**它并不是换了皮肤的提示词收藏夹,而是试图把完成某类工作需要的技能、数据源、工具和交付格式打包在一起,让用户打开后直接从“公告解读”“业绩分析”或“海报设计”等任务开始,而不是先花十分钟向模型解释自己是谁、要做什么、输出应该长什么样。

这次更新没有发布新模型,也没有给出新的基准测试成绩,但它对AI办公产品的实际使用率可能比一次模型小升级更重要。模型决定能力上限,工作台解决的则是另一个更现实的问题:普通用户面对一个空白输入框,往往不知道怎样把复杂工作交给AI。
首批覆盖21个场景,金融投研是最典型样板
**首批21个专业场景的核心差异,在于每个工作台都有不同的任务入口和能力组合。**官方披露的范围包括金融、医疗、教育和创意设计等领域,但目前没有在本次公告中逐项公布全部21个场景的完整清单,因此不能简单理解为21个彼此独立的行业模型。
金融投研工作台是目前信息最完整的示例。它在首页提供公告解读、业绩分析、市场简报和公司研究等入口,并可按需连接万得、同花顺、国泰海通等数据服务,把专业数据带入分析过程。
**数据插件是让AI按授权访问外部数据或业务系统的扩展组件。**对于金融任务,这一步尤其关键,因为通用模型即使知道财务分析方法,也无法仅靠训练数据获得刚发布的公司公告、实时行情或机构数据库内容。没有可靠数据源,所谓“投研AI”很容易退化成一台语言流畅、数字却可能过期的报告生成器。
以公司研究为例,传统对话式AI通常需要用户手动上传年报、复制公告、补充行业数据,再反复指定估值口径。金融工作台的目标是把这些步骤合并:从授权的数据服务获取信息,调用预设的分析技能,最后按照相对固定的研究框架交付结果。
**创意设计工作台则更接近一套可持续修改的内容生产流程。**该工作台覆盖海报设计、社交媒体配图和品牌视觉等常用任务,重点不是让模型“随便生成一张图”,而是让创意需求、品牌偏好、尺寸规范和后续修改集中在同一空间内。
医疗和教育场景的价值同样来自专业流程,而不只是专业词汇。医疗任务可能涉及循证检索、指南比较和文献证据等级,教育任务则可能涉及课程设计、教材研究和教学材料制作;这些领域对来源、时效性和引用准确性的要求,明显高于普通文案生成。
技能不是提示词,而是被封装的工作流程
**技能是封装特定工作流程、专业方法和交付标准的可复用能力。**按照豆包工作的功能说明,技能可以来自官方预置、企业管理员上传、用户自行创建,也可以是安装在设备本地公共目录中的本地技能。
技能与提示词的区别在于,前者不仅描述“怎么回答”,还可以规定“按什么步骤做”。一个公告解读技能可以要求AI先提取事件,再核对业务占比,随后区分事实、公司表述与市场推断,最后按利好、利空和不确定性输出;一个用户研究技能则可以固定生成访谈提纲、追问问题、样本筛选条件和结论模板。
**工作台真正售卖的不是更多按钮,而是一套已经整理好的工作方法。**过去用户需要自己研究提示词、挑选工具并记住数据入口,现在产品把这些经验包装成可重复调用的配置。这有点像从一张空白Excel表格,变成带公式、数据连接和分析模板的财务模型:底层工具没有消失,但使用起点被明显提前了。
豆包工作目前已经具备文档、表格、PPT、创意设计、浏览器操作、可视化讲解和金融专业技能等能力。工作台的作用,是进一步把这些零散能力按照职业场景重新编排,避免用户每做一个任务都重新挑选技能和交代背景。
| 产品形态 | 默认起点 | 上下文组织方式 | 外部数据与工具 | 适合任务 | 主要问题 | |---|---|---|---|---|---| | 通用AI对话 | 空白输入框 | 依赖当前对话和用户描述 | 通常需要临时上传或选择 | 问答、改写、一次性分析 | 用户要反复解释背景,流程难复用 | | 项目/文件夹 | 一组长期文件 | 以项目资料和历史对话为主 | 可连接部分工具 | 长期写作、资料整理、项目协作 | 有上下文,但未必内置专业方法 | | 豆包工作「工作台」 | 专业任务入口 | 技能、偏好、工具和任务模板组合 | 可通过插件连接外部服务 | 投研、医疗、教育、设计等固定流程 | 依赖插件质量、权限管理和任务稳定性 |
自建和分享,让工作台有机会成为AI时代的模板市场
**自建工作台是这次更新中比官方21个场景更值得关注的部分。**用户可以定制自己的工作需求与偏好,保存后继续使用,还能将工作台分享给其他人。
这意味着一名分析师可以把公司的研究框架、常用数据源和报告格式封装起来,一名运营人员可以把选题、竞品监测、内容生成和周报汇总做成固定入口,一名设计师也可以保存品牌色、字体倾向、图片尺寸和审核步骤。以后使用者不必先学习一长串提示词,只需进入对应工作台并提供本次任务的变量。
**分享能力让个人经验第一次有机会变成可分发的AI工作环境。**过去团队分享工作方法,通常靠操作手册、模板文件或口头培训;工作台则可以连同技能组合、任务入口和偏好一起交付。对于咨询、投研、内容和电商等高度依赖流程经验的岗位,这比单独分享一段提示词更接近真正的知识转移。
不过,现阶段还不能把工作台直接等同于成熟的技能市场。豆包此次公布了保存和分享能力,但尚未在公告中说明公开发现、版本管理、评价体系、付费分发、企业审核以及分享权限的完整机制。如果缺少这些基础设施,工作台更可能先成为团队模板,而不是面向所有用户的开放生态。
从“会聊天”转向“能交付”,但稳定性仍是硬门槛
**豆包工作的产品方向已经从回答问题转向完成任务。**其工作任务模式可以自动拆解指令、调用工具并持续推进,用户能够查看执行动作与进度,也可以中途终止或接管;任务还可以在本地电脑或云电脑环境中执行,取决于是否需要访问本机文件和应用。
这种产品形态的评价标准不再是某一轮回答写得是否漂亮。真正决定体验的是:AI能不能找到正确文件,插件能不能稳定返回数据,网页变化后自动操作会不会失效,任务失败后能否从中断处恢复,以及最终产物能否进入文档、表格、PPT和协作流程。
**工作台降低的是任务配置成本,而不是专业结果的审核成本。**金融报告仍然需要核对数据口径和公告原文,医疗内容不能替代执业医生判断,教育材料也需要检查引用和事实。预置技能可以让输出更像专业成果,却不会自动消除模型幻觉、数据延迟和错误归因。
对用户而言,以下三类任务最适合率先放进工作台:
- **高频重复任务最容易体现收益。**日报、周报、行业动态、公告摘要和固定格式的数据分析,可以通过稳定流程节省重复配置时间。
- **输入来源明确的任务更容易验证。**当分析基于指定文件、已授权数据库或明确网页时,用户更容易追溯结论,而不是让模型凭模糊记忆回答。
- **交付结构固定的任务更适合封装。**研究报告、访谈提纲、社媒配图和课程方案都有相对稳定的格式,适合沉淀为技能和工作台。
涉及不可逆操作、敏感数据和高风险决策的任务则应谨慎自动化。豆包工作的功能须知明确指出,第三方技能、连接器或插件可能适用各自的用户协议和隐私政策,第三方服务的资质、合规性和稳定性也需要用户自行关注。
数据权限会比模型参数更快成为竞争焦点
**专业工作台的上限取决于它能访问多少可信数据,而不只是底层模型有多聪明。**万得、同花顺和券商数据服务之所以被重点展示,是因为金融分析的差异往往不在“会不会写报告”,而在数据是否及时、口径是否一致、引用能否追溯。
插件接入同时带来了新的权限问题。用户需要确认AI能读取哪些数据、能执行哪些操作、结果会保存在哪里,以及分享工作台时是否会连带分享数据访问权限。理想情况下,工作台分享的是流程与配置,而不是创建者的账号权限或私有数据。
**企业用户还需要把工作台纳入现有的权限与审计体系。**如果一个研究工作台可以读取付费数据库、内部财务文件和飞书群聊,那么组织就需要知道谁创建了技能、谁修改了流程、任务调用过哪些数据,以及哪些内容被发送给第三方服务。
豆包工作的任务说明称,任务执行过程会展示所调用的技能、连接器和工作伙伴,用户可以随时终止或接管任务。本地技能本身不会上传云端,而是在当前设备需要执行任务时读取对应说明文档。这些设计有助于提高可见性,但能否满足企业合规要求,仍取决于更细粒度的权限、日志和数据留存策略。
这不是模型升级,却可能是更有用的一次更新
**工作台是AI办公从“万能聊天框”走向“职业软件”的一步。**用户不再只选择一个模型,而是在选择一套任务入口、专业方法、数据来源和交付流程。未来AI办公产品的差异,也不会只体现在模型跑分上,而会越来越取决于谁拥有更好的技能生态、更深的数据连接和更稳定的执行系统。
豆包工作的优势是把技能、插件、电脑操作、Office与飞书协作、定时任务和跨端任务放进了同一套产品框架。工作台补上的则是场景组织层:它告诉用户什么时候该用什么能力,并把复杂配置藏到专业入口之后。
**这次更新目前最大的不足,是缺少可量化的效率数据和更完整的开放规则。**官方没有公布工作台相对于普通任务模式的完成时间、成功率或人工修改比例,也没有披露21个场景各自的数据覆盖范围,以及自建工作台分享后的权限边界。对于专业用户,这些指标比“覆盖多少场景”更能决定是否真正迁移工作流。
总体来看,工作台不是一次炫技式功能,而是一次相对务实的产品重组。它不会让AI突然具备真正的职业资历,却能减少用户重复解释需求、选择工具和整理流程的时间;如果插件稳定、权限清晰、技能质量可控,它可能比单纯增加几个模型按钮更接近日常生产力。
参考来源
- IT之家:豆包工作新功能「工作台」上线,首批覆盖金融、医疗、教育等21个专业场景——报道本次更新的上线时间、场景数量、金融数据插件及自建分享能力。
- 知乎:豆包推出专业版,能成为你的「工作搭子」吗?——介绍豆包工作的技能、定时任务、电脑操作以及办公协作能力。



