我让豆包工作统计了466次融资，顺便告诉我哪家具身智能不能投

最近，豆包工作成为热议话题。

8月底，豆包正式推出了面向生产力场景的“豆包工作”。官方将其定义为：围绕用户目标自主拆解任务、调用工具、持续推进复杂工作流程的产品。

而在用户群体中，讨论最多、出现频率最高的说法是“豆包有了Agent”。

老实说，我最初对此并不太在意。过去一年里，Agent这个概念在AI行业已经被反复提及：能联网搜索就叫Agent；能操作浏览器也叫Agent。许多演示看起来惊艳，可一旦放到真实工作场景中，体验就很差：任务只要稍微复杂一点，人还是得全程盯着。

因此这次，我们没有从“帮我写份周报”“总结一下这个PDF”这类入门任务入手，而是直接把手里三个最麻烦、最容易出问题的真实市场研究项目，全部交给了豆包工作。

第一个任务，是统计2026年1月至8月中国具身智能一级市场融资情况。最终整理出了466次融资记录，我又让它基于这些数据撰写行业研究报告、制作可视化报告，并筛选出15家“不宜投资”的公司。

第二个任务，是为一款AI眼镜设计8张宣传海报。海报完成后，我又（像一位苛刻的领导一样）让它重新研究AI眼镜市场，再根据用户痛点把整套海报的传播重点进行调整。

第三个任务，涉及一些协作分工。我让“HR招聘助手”先研究具身智能行业的人才薪酬和招聘趋势，再把结果交给“虚拟PPT专家”制作成汇报材料。

三轮测试下来，最大的感受有两点：

第一，电脑终于被解放了。

Vibe Coding刚开始流行时，到处都能看到端着半开电脑边走边敲的无辜路人，这种景象想必大家都不陌生。

（图片来源：歌手胡彦斌社交媒体发文“vibe coding的都懂这个姿势！修bug在路上…”）

之所以会出现这种“人类供着电脑”的反常现象，原因在于以前只要运行一个稍微复杂的Agent，电脑就不能关机、不能断网、也不能离开屏幕前（可能随时需要确认权限或打断进程）。像胡彦斌这样出门买咖啡、吃饭都得端着电脑不敢关机的“离谱”案例，比比皆是。

而这次，豆包工作的“云电脑”和“多端同步”功能终于改掉了AI这个被惯坏的习惯。

只要在任务运行时选择“云电脑”，即使关机后，任务仍会在云端继续执行，而“多端同步”功能则让用户可以随时随地通过手机查看进度，甚至实时追加要求、调整方向。真正实现了“手机/电脑/Web互通，24小时让豆包打工。”

（关闭电脑后，仍可通过手机查看进度、补充信息、打断指令、修改方向）

第二个最大的感受，是使用豆包工作无需安装其他APP，因为“‘豆包工作’本身就在‘豆包’里”。

这句话听起来似乎无关紧要，但实际上优势很大。你知道现在让用户下载一个APP有多困难吗？根据QuestMobile《中国互联网发展年鉴(2025-2026)》数据，2025年9月，全网人均使用APP个数为29.4个，仅比2024年同期多0.9个。

对普通用户来说，每多安装一个APP、多注册一个账号、多重新告诉AI一次“我是谁、我平常怎么工作”，都是成本。转化漏斗每多一层，就会劝退90%的人。

反观豆包工作，以豆包目前的渗透率来看，你的手机和电脑上很可能已经安装了这款APP，直接在里面打开工作模式即可，完全没有额外的下载门槛。

此外，由于豆包工作直接打通了飞书，企业群聊、文档、日程、多维表格等组织上下文，AI读取后就能直接工作，使用门槛进一步降低。而你过去在豆包和飞书里积累的记忆、对话和使用习惯，也能无缝适配到豆包工作中。

除了这两点使用便利性的感受外，还有一点，也是最重要的，从它的工作交付能力来看，有一个特点：

豆包工作是少数真正能融入我的工作流、以“完成一项工作”为单位自发组织AI能力的产品。

看完我测试的几个任务的具体完成情况，你就知道我在说什么了。

466次融资统计，把“脏活累活”接走

我交给豆包工作的第一个任务是，面对如今火热的具身智能一级市场，统计1至8月国内所有企业融资情况。

如果你做过产业研究，大概会理解我为什么先拿融资统计来测试。

这类工作表面上很简单：搜新闻、找资料、填表，然后重复。

但真正做起来，会发现藏在琐碎细节里的“dirty work（脏、苦、累活）”特别多。比如一笔投资，有的新闻只写领投方，有的新闻又把前几轮的投资方都混在一起讲。同一轮融资可能被十几家媒体重复报道，有的口径是“数亿元”，有的又说“数千万美元”……

总之，每个问题都不大，三五分钟就能解决，但真把几百笔融资堆在一起，就会变成一个极其耗神、极其让人觉得自己时间不值钱的工程。

因此，开始第一项任务测试时，为了防止一开始就失败，我专门把第一个Prompt写得很详细（具体见图），还特意叮嘱豆包工作要调用“市场热点分析”“一级市场公司评估”“文档”“可视化”这几个Skill。

顺便提一下，豆包工作里内置了非常多Skill，基本上你能想象的所有办公场景都能覆盖，而且还在不断添加更新。

（豆包工作部分Skill一览）

开始运行后，我原本已经做好了反复补充Prompt的准备。结果任务真正跑起来以后，顺畅得有些出乎意料。

与某些非常“笨”、连一级市场融资信息该去哪儿找都需要我手把手教的Agent不同，豆包工作会精准定位到可信信源，自主搜索、继续追踪来源、整理信息、调用技能，再把内容写进文档；遇到需要浏览器或图形界面完成的动作，也会借助云电脑继续执行。

（豆包工作还会实时“汇报”节点进度，用户随时可以打断或调整）

可能是我第一个Prompt写得太好了（笑），整个过程非常顺畅，大约15到20分钟，豆包工作就给出了结果。

在这次任务中，豆包工作一共统计了466次融资数据，全部准确按照我的指令进行分类，同时在最终的行业研究报告文档中，它还主动对这些数据进行了分析研判，并用图表呈现。

而其中，最难得的是豆包工作对“幻觉”问题的严格管控。首先，每处数据都会标注数据来源及日期，确保信息的可靠性与时效性；另一方面，所有缺少公开信息的栏位，豆包工作都会选择留空处理，涉及口径或数据冲突的还会单独标明，不会出现严重的幻觉问题。

坦白说，如果由人工搜集，再加上写报告与制表的过程，这绝对是一个投资经理带着实习生一周的工作量。

豆包工作这次，只用了不到20分钟。

而且，整个过程中最明显的变化是，我不需要像以前指导“实习生”那样告诉AI，先去哪里搜集资料、搜哪些资料、怎么辨别信源可靠性、用什么软件做表格、分析什么指标、怎么整理报告素材……

这次，我只需要告诉它最终要解决什么问题，豆包工作的Agent就能像个专业的“社畜”一样，自主完成工作流，自主把目标拆成任务，连续执行。

第二轮，上强度

有了第一轮的成功，咱们在第二轮测试里开始上强度。

这一次，我把Prompt写得异常简单，而且设了陷阱——“从VC的视角，这466次融资涉及的公司里，哪15家不能投，为什么？”

这个任务的难点在于，统计466笔融资，本质上仍然只是信息搜集的机械工程；但判断“能不能投”，则需要把一个主观问题拆分成一套可量化的分析框架：团队、技术壁垒、赛道竞争、融资节奏、估值、商业化确定性、资本结构、产品同质化程度……

熟悉市场研究的人知道，这可不是个容易下的判断。它既需要结合当前具身智能市场的具体情况、冷热程度，也要根据自身机构的投资风格、风险偏好进行判断，甚至有时研究结果会非常“反常识”，大众认知度极高领域的“明星项目”，往往未必是投资人眼中的好项目，这也是我给豆包工作设的“陷阱”。

总而言之，这是个非常复杂的任务，我没有给出任何判断标准、没有任何执行方案，只是用（最像领导的口气）下达了一个任务，顺便看它会不会掉坑。

来看结果。

首先，最让我意外（而且惊喜）的，不是豆包工作选了或者没选哪家公司，而是它一上来就主动把结果分成了两档：A档，硬性回避；B档，选择性回避。

这个结构我没要求，它自己补充的。而之所以让人“惊喜”，是因为很多AI都能严格执行Prompt，最多在收尾的时候提一句“是否希望我xxxxx”。但在真实世界里，领导的要求往往就是模糊不清，只给个粗糙大方向的。

而能否在Prompt的具体指令之外，真正理解说话者的意图，主动补充信息结构，以意图为主导去进行任务交付，而不是“踢一下动一下”，这是真实世界里区分“普通员工”与“优秀员工”的一条线。

至于具体结果，名单我在这里就不放了，只能说它给出的公司与判断标准中，有七成我是直接赞成的；剩下三成倒不是不赞成，只是对那些公司了解得不多，我作为人类还需要进一步判断。

顺便“剧透”一下，我给豆包工作设的“陷阱”它没跳，并没有因为某某具身智能企业是明星项目，就没有把它列入名单——至于具体是哪家，大家可以自己问一下豆包工作（笑）。

从结论上来说，两个任务用下来，我的最大感受是：豆包工作的Agent能力已经不是“实习生”级别了，只要用得好，完全可以达到从业者的平均水平以上。

过去，一个研究员可能要带着实习生花几周时间做资料搜集、框架搭建、初步筛查……现在，这部分工作完全可以先交给Agent跑一遍，而人类作为“领导”，只需要把时间放在最值钱的地方：检查假设、挑战结论、做最终判断。

AI开始“找同事”

下一项任务，我换了一个方向，做海报。

这看似是一个非常简单的海报生成需求……但是！这其实是一个极其容易暴露AI Agent能不能真正融入工作流的需求。

先看Prompt，写得很简单，“给我出一套8张的AI眼镜海报宣传图，字要大，要震撼，要高级，要时尚”

但问题在于，你如果跟人类设计师说“我要一套8张海报”，设计师知道你是要针对“同一款产品”的“8个不同宣传卖点”设计8张不同海报。

可普通AI工具，在收到这个Prompt后，往往会错误理解为“8张不同眼镜的海报”，或者“同一张海报的8张微调版本”，失败率几乎80%，大家可以去试一下。

（其他AI工具生成结果）

（豆包工作生成结果）

豆包工作不仅像一个真正的设计师一样，准确理解了“一套”的意思，8张海报的AI眼镜主体、图片文字、视觉风格均保持统一，更有趣的是，它在交付图片之外，还主动给出了整套设计逻辑，以及每一张海报对应的传播重点。

设计师最烦的“来，讲讲你的设计理念”环节，也顺手完成了。

到现在为止，满意，但还不够。

接下来，又到了喜闻乐见的上强度时间。

我另外开了一个任务，让豆包工作研究当前AI眼镜市场、用户需求和消费痛点，写成文档发给我。

完成研究后，我又回到海报任务中，让AI“跨群聊”，根据市场研究的用户痛点，重新调整卖点方向。

而豆包工作，果不其然，一键搞定。

（根据市场研究结果重新调整卖点权重的海报）

这其实是一个非常接近真实工作流的项目体验，Brief不会一成不变，市场团队会补充调研，产品会改卖点，老板往往直接甩过来一个报告文档，需要产品经理自己研究应该如何调整方向，再与设计团队反复沟通，过程非常复杂。

真正在办公室待过的人会知道，上班一天里的大量时间，都是这样消耗在跨部门的信息搬运、碰头会、拉齐水位上。

任何AI，如果只能在一个对话框里干活，它依然只是一个很厉害的工具；但当AI能够在不同任务之间自由“跨群聊”共享信息、推进协作，甚至主动“找同事”，那它可能真能帮我干活。

顺便提一下，豆包工作里还