字节豆包工作杀入办公 Agent 战场，低价策略能否撬动中国用户的付费意愿？本文从产品视角深度实测，拆解其侧边工作台、飞书生态联动与 Skill 机制，并与竞品对比，揭示办公 Agent 如何从黑盒执行走向白盒可控，以及大厂生态壁垒下的真实竞争力。

字节八月底发了豆包工作，一个面向办公场景的 Agent 产品。这段时间讨论不少，但多数是通稿式的功能介绍。我自己用了一段时间，又把它近期的深度实测和这些年对 Agent 产品的理解捋了一遍，包括科技媒体智东西的四十八小时体验、36 氪的三强对比，写点产品视角的东西，不吹不黑。

过去几个月，大厂内部原本分散的办公 Agent 正在收拢。七月二十号，腾讯把 QClaw 部分业务和团队调整到 WorkBuddy 所在的云产品六部；七月底，字节把飞书产品团队与豆包产品团队整合；到了八月，产品端开始集中。八月三号，阿里推出由 QoderWork、MuleRun、悟空整合而来的千问办公并开启公测；八月二十五号，字节发布豆包工作。此前跑在前面的 WorkBuddy，则在七月完成了 iOS、Android 和鸿蒙移动端三端同步上线。

看得出来，办公 Agent 这条赛道已经从各家零散试水变成了大厂级别的正面战场。三家背后各自绑着一套企业生态：字节有飞书，腾讯有企业微信和腾讯文档，阿里有钉钉和阿里云。模型能力的领先可能几个月就被追平，但企业内部的数据、权限、业务系统和已经形成的工作流，没那么容易复制。

我自己体验下来的第一印象是，豆包工作确实是一款很符合中国市场的产品。国外的 Agent 能力很强，不管是 ChatGPT 的 Codex 还是 Claude Code，coding 和任务执行都很能打，但它们更多面向深度使用者。对于大部分人来讲，想试试 Agent，但使用频率不高，也不需要深度定制，更不想为低频需求花太多钱。这个中间区域其实一直缺一款合适的产品。而且使用外网的 AI 门槛不小，翻墙、充值、绑卡，每一步都在劝退普通用户。豆包工作正好卡在了这个位置上：想用 Agent，频率不高，预算有限，甚至是学生群体，它都能接住。

中国用户整体付费意愿弱，这是事实。所以一款产品如果定价高了，大部分人直接劝退；定价低了，又容易让人觉得能力不行。豆包工作走的是低价但不缩水的路线，标准套餐连续包月六十八元，办公任务、专家模式等功能额度为免费版五倍以上；加强套餐两百元，额度翻四倍；最高阶五百元，额度翻十倍。基础版完全免费，下载登录还能领三十天订阅。这个价格对学生和轻度用户非常友好，关键是能力居然没有很烂，甚至还挺好。这种定价策略本身就是对中国市场的精准拿捏。

豆包工作的定位很明确，就是把活干完：围绕你的目标拆解任务、调用工具、一步步推进，最后交付文档、表格、PPT、网页这类能直接用的东西。它和豆包普通模式的区别在于，普通模式更像一个聪明的问答助手，你问一句它答一句；工作任务模式则是一个能自己规划、自己执行、自己交付的 Agent，你给一个目标，它自己拆步骤、调技能、跑流程，中间遇到需要确认的地方才找你。

我重点体验了它的 coding 能力。说实话，已经能跟 Cursor、Tree 这类专门的 AIDE 工具大差不差了。写代码、改 bug、跑项目，基本的开发需求都能覆盖，而且它不只是写代码，还能统筹调用不同模型，生成图文并茂的网页。科技媒体智东西那次四十八小时体验里，让它做一个大理旅游规划网站，它先是根据需求调用模型生成 Banner、场景插图和美食特写等图像素材，同时输出结构化文案，最终组装为 HTML 网页，还调用视频模型生成视频嵌入网页首屏做动态背景，大概五分钟完成整个网页开发。对前端开发者来说，这种从素材到页面一条龙的能力，比单纯写代码更省时间。而我的下一篇文章会专门出一次coding网页的评测。

个人场景这块，实测数据挺能说明问题。让它对 AI 办公行业做深度研究，它自己读内置的行研 Skill、定研究框架，最后交了一份约二点五万字的飞书文档，四十七条引用都能溯源；接着让它把内容做成 PPT，它自动选风格出了十四页，每页带判断式标题、数据表格、来源标注和演讲者备注。生成完还会自己校验一遍，排除文字溢出、乱码这类问题，基本能直接交付。

这里有个细节值得说。能交出二点五万字和四十七条可溯源引用，说明它真的去查了资料、做了交叉验证，没在凑字数。对写行业研究的人来说，最头疼的是找资料、核数据、理逻辑，写字反而最轻松。豆包工作把这部分脏活累活接过去了，你只需要在它的框架上做判断和取舍。PPT 那十四页也一样，判断式标题意味着它在给观点，这比那种每页一个名词标题、下面堆三行字的模板 PPT 强不少。

说实话，单论生成质量，现在几家头部办公 Agent 差距没想象中大。真正让我觉得有产品思考的，是它的侧边工作台。任务执行过程和产物同屏显示，你可以中途插话，也可以框选产物的某个局部，直接说这里改成流程图。这有点像 Vibe Coding：不用从头描述需求，对着已经跑起来的成品边看边改。它解决的是 Agent 产品最大的毛病：黑盒执行、错了只能从头再来。

这个设计的价值在于，Agent 执行长任务的时候，用户最焦虑的是不知道它在干嘛、会不会跑偏。侧边工作台把过程摊开给你看，你随时能插手，这就把黑盒变成了白盒。对产品经理来说，这个思路值得借鉴：AI 产品的信任感，很多时候来自过程是否可控。

组织协作是它跟飞书打通后更值得讲的部分。实测有个例子：让它统计一下群里目前的项目推进进展，它先通过企业知识检索引擎做语义解析，判断出这是个跨来源复盘任务，然后自己摸进飞书群聊、拉消息流，找出里面的项目计划文档和选题排期表链接，再把文档拉成结构化内容、把多维表格全量读出来，最后汇总出八篇报道的整体完成度百分之二十八点八，各选题进度也列得清清楚楚。你以为到这就完了？让它把统计整理成周报存到飞书，它复用刚才的数据直接生成文档；再让它催一下进度，它会根据截稿时间和负责人字段自动 @对应的人，催办消息还带着上下文。这套流程要是人来做，光翻群聊、对表格就得耗掉小半天。

讲这个案例的关键在于它读懂了组织上下文。通用 Agent 在企业里不好用，原因很简单：它不知道你公司的项目叫什么、文档存在哪、谁负责什么、截止日期是哪天。这些信息散落在群聊、文档、多维表格里，人能找到是因为人在组织里待久了，Agent 要找到就得有接入权限和检索能力。

我自己感受最深的是它跟飞书的生态联动。豆包工作可以直接调取飞书平台上所有开放的文档，而飞书文档里有大量精品内容，行业报告、产品分析、方法论沉淀，质量都很高。这意味着豆包工作的知识来源不只是互联网公开信息，还有飞书生态里沉淀的高质量企业知识。再加上飞书本身是目前市面上我个人感觉最好的办公软件，文档、表格、多维表格、会议、群聊一体化做得很顺，豆包工作接在这套生态上，相当于站在了一个很高的起点上。这是其他 Agent 很难复制的优势。

这种能力的底子是两层。一是企业上下文，二是 Skill 机制。企业搜索、飞书文档读写这些能力被封装成标准 Skill，企业还能把高频流程沉淀成自定义 Skill，统计项目进展这种经验能变成团队共享资产，即插即用。这意味着好的工作方法可以被固化、被复用，不再只存在于某个老员工的脑子里。对团队来说，这比单个任务的效率提升更有长期价值。

它还会动手。基于视觉 GUI 和 CLI，覆盖本地电脑、云电脑、手机遥控三种形态。典型场景比如批量裁剪发布会照片：把几十张照片丢进文件夹、说清裁剪要求，它每张图重新识别屏幕、自适应裁剪，不用固定坐标硬裁。速度不算快，但完全不用人盯着，也比固定脚本灵活。长任务可以丢给云电脑跑，本机关机云端照跑；通勤路上手机发个找文件解压的指令，到公司就处理好了。

Computer Use 这个方向，产品上有个取舍值得聊。理论上操作软件最干净的方式是调 API，但现实是大量老旧后台、企业内部系统根本没有 API，或者 API 权限拿不到。视觉 GUI 交互相当于用眼睛看、用手点，充当了一个通用接口，代价是速度慢、容易出错。豆包工作选了 GUI 和 CLI 两条腿走路，能调 API 的走 API，调不了的用视觉操作，这个思路是务实的。

三强对比这块，36 氪做过一轮覆盖市场营销、内容运营、产品经理、开发四类真实任务的实测，豆包工作的优势挺清楚，赢在交付完整。

市场营销环节，竞品分析它交网页版和飞书文档两个版本，横向对比图表、时间轴做得最出彩；物料环节它主动调视频和文生图模型，视频有情节线、配了 BGM 和旁白，最像成品预告。

WorkBuddy 则先把调研过程摊开给你看，解释为什么选这三家对标，报告加了目录、附了数据来源和口径说明，胜在过程透明。千问办公交上来的网页信息量偏单薄，每个维度展开不多。

内容运营环节，豆包工作自己开浏览器搜热点、翻了五个网页源，交出一张网页版热点矩阵图加一份完整策划案，从一百三十五篇文章里筛出十八篇，还选了七篇进一步拆解，并且会把已查证的数据和估算分开标注。WorkBuddy 十一分钟就交卷了，热点按模型、资本、政策分类整理，但给出的五个选题有点泛。千问办公直接在对话框里回答，篇幅比较短。

产品经理环节，三家都做了奶茶点单小程序和数据看板加归因分析。小程序方面，WorkBuddy 六分钟交卷最快，功能丰富度最高；豆包工作用了二十分钟，功能同样完整，但审美是三家里最好的，主页 banner 会滑动切换，占位图选的都是同类饮品，塞进页面毫不违和；千问办公花了十五分钟，功能齐全但页面透着一股网页味。数据看板和归因分析方面，WorkBuddy 写得最细，直接原因和根本原因分开讲，建议按优先级排序，还主动交代了结论缺哪些数据验证、各项指标用的什么口径；豆包工作的整体分析结构和 WorkBuddy 很像，亮点在下月目标上，把每个目标为什么定这个数讲得很细，还配套给了辅助监控指标；千问办公的成品比较简单，分析偏简洁，给出下月目标后没有进一步延伸。

开发是最难糊弄的职业。先测了一个骑自行车的鹈鹕 SVG 动画，看三家能不能同时处理代码、动画和物体之间的空间关系。WorkBuddy 想法不少，给鹈鹕系了条红围巾、嘴里衔了条小鱼，角色一下子就活了，可惜细节没兜住，围巾像直接贴在脸上，小鱼隔着长喙能被看穿。豆包工作建模更自然，鹈鹕形象更美观，没有明显物理穿模，骑车速度还分了悠闲、正常、飞驰三档。千问办公这轮有点翻车，鹈鹕没握住车把，两只脚像踩在同侧踏板上，不符合物理规律。

接着上了一个更接近真实工作的需求：一个科技峰会报名网站，要能报名、能管票、管理后台带密码、还能导出名单。豆包工作的审美依旧在线，最像一个真实存在的报名网站，每种票的权益写得清清楚楚，排版是先看完活动信息再选票报名，要求基本全覆盖。WorkBuddy 走赛博霓虹的蓝紫风格，基本功能都能正常使用，但稳定性不足，有巧思但落地不稳。千问办公动用了多人工作台新功能，也采用蓝紫配色，网页支持多人同时打开报名，管理员在后台看名单做统计。这一轮豆包工作取胜。

四轮测下来，豆包工作的优势在综合完成度和多模态生成能力。它做出来的东西更像成品。WorkBuddy 胜在过程透明、方法谨慎，适合对可解释性要求高的场景。千问办公中规中矩，基础任务能完成，但复杂任务的完整度波动较大。

豆包专业版的三级阶梯定价，六十八元起步，这个价格策略有几个信号。第一，六十八元卡在了一个很微妙的位置，比一杯咖啡贵不了多少，降低了个人用户的决策门槛；第二，档位差异核心体现在额度上，没有对基础办公能力做硬性封锁，看得出来字节想先把用户量做起来，再靠重度使用和企业侧变现；第三，真正的钱在企业侧。当写方案、做 PPT、生成网页逐渐成为基础能力，更容易收费的部分会变成企业席位、专业能力、私有数据和业务系统接入，以及由此带来的模型、云和第三方工具调用。这也在挤压通用办公 Agent 创业公司的空间，继续和大厂比入口、免费额度和功能更新，成本会越来越高；法律、金融、医药等需要专业数据和复杂流程的场景，可能留下更多差异化空间。

槽点也得说清楚。一是 GUI 操作速度确实不快，批量场景比较耗时，适合那些不着急但想省人力的活。这是视觉交互的先天局限，短期内很难有质的飞跃。二是复杂任务的稳定性还没经过大规模真实业务检验，公开实测更多是亮点集锦，长链条任务中任何一步出错都可能导致整体返工，用户需要有这个心理预期。三是生成物还是要人打磨，36 氪那轮它的主视觉海报就有一处文字挤在一起，交付的是初稿级，正式用之前得修。AI 生成的东西目前更适合做初稿和草稿，最终成品还是需要人来把关。四是飞书上下文是护城河也是约束，非飞书用户能享受到的上下文优势会大打折扣，跨生态的连接器还在补，比如钉钉、企业微信这些，深度待验证。

用非常“豆包”的语气来总结下结论就是：如果你是飞书用户，或者日常被文档、PPT、周报、调研这类活占掉大量时间，值得用三十天免费期试一轮，重点试试把高频流程沉淀成自己的 Skill。如果你是开发者，想找一个平价又能打的 coding 助手，它的表现已经能跟 Cursor、Tree 这类专门工具掰掰手腕，而且不用翻墙、不用折腾充值，对国内用户太友好了。如果对自动化信任度要求很高、场景又关键，先从低风险任务入手，慢慢建立信任。

再往大了看，办公 Agent 接下来的竞争，核心在谁能接触到更多真实工作的上下文，并且获得权限把任务真正做完。模型能力会趋同，基础功能会趋同，真正的差距在工作环境里。豆包工作背靠飞书，WorkBuddy 背靠腾讯的 IM、文档、邮箱、会议和知识库，千问办公背靠钉钉、阿里云和阿里的企业客户体系，三家各有各的牌。对用户来说这是好事，竞争越激烈，产品迭代越快，免费额度越高。对创业者来说，通用赛道的窗口正在收窄，往行业深处走可能是更现实的选择。

豆包工作要真正走进企业现场，还需要时间，技能生态和企业上下文沉淀的速度会决定它能走多远。但至少，字节这次把帮你干活从口号做成了能跑通的东西。而对中国用户来说，一款不用翻墙、不用折腾充值、价格亲民、能力在线、还能接飞书生态的 Agent，本身就是一种稀缺品。说它是符合中国宝宝体质的 AI 工具，不算夸张。