一句话看懂：9月2日，豆包工作台（Doubao Work）上线“多 Agents 并行”能力，并把“操作电脑”功能扩展到 Mac 系统。前者将复杂任务拆解给多个垂直子智能体同步执行，后者则通过 GUI 模拟点击与输入，让 AI 直接接管本地桌面，这是 AI 助手从聊天工具走向“能干活”的关键一步。
事件核心：发生了什么
据 AIbase 报道，豆包工作台在本周更新中正式推送了两项能力。第一项是“多 Agents 并行”：系统会由一个主智能体（组织者）对任务进行拆解，再把子任务分配给多个专业子智能体同步处理。官方给出的示例是筛选 70 份简历时，4 个子智能体可以并行各处理约 17 至 18 份；同时，不同子智能体还能在同一个复杂任务中承担差异化角色，分别产出 Word、PPT、HTML 等不同格式的结果。
第二项是“操作电脑”功能正式支持 Mac 系统。该功能不依赖 MCP、API、插件或 CLI，而是走 GUI（图形用户界面）路线，通过自动识别屏幕内容、模拟鼠标点击和键盘输入来完成操作。用户新建任务时勾选“操作电脑”技能或直接口述需求即可启用，操作过程中屏幕右下角会显示实时画面浮动窗口和蓝色虚拟光标。实际演示中，豆包成功完成了“预订周四轻食盒饭”的完整流程，包括切换品类、修正坐标偏移、滚动查找“金枪鱼沙拉意面”、确认取餐点并提交订单，全程展现了环境感知与自动纠错能力。
为什么重要
这两项更新放在一起看，指向的是 AI 助手产品形态的一个关键分叉。过去大模型厂商竞争的主线是推理能力和上下文长度，而这次豆包工作台把重心放在“任务执行层”——多 Agents 并行解决的是效率上限问题，让 AI 不再是一个单线程的对话窗口，而是能像团队一样把任务切碎同时推进；GUI 操作电脑则绕开了 API 生态不成熟的现实约束，让 AI 能直接接管用户日常使用的原生软件界面，这比等待每个软件厂商开放接口要快得多。
对行业而言，“操作电脑”不依赖 MCP 和 API 的技术选型尤其值得注意。它意味着 AI 助手的能力边界不再受第三方接口覆盖范围的制约，理论上任何可在屏幕上完成的操作都能被自动化。这也让豆包在办公场景中与依赖插件生态、云端 API 的同类产品形成差异化竞争，本地 GUI 路线在响应速度和隐私控制上也有潜在优势。
对用户/开发者/创作者的影响
对普通办公用户来说，多 Agents 并行的直接收益是批量任务处理时间明显缩短，尤其是简历筛选、资料整理、跨格式文档生成这类“琐碎但耗时”的工作。操作电脑功能落地 Mac 后，用户在本地软件间的搬运操作（如网页订餐、表格录入、文件归档）可以交给 AI 执行，且每个环节都有屏幕画面呈现，用户可随时介入打断，降低了失控风险。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者与企业 IT 团队而言，豆包选择 GUI 而非 API 路线意味着零接入成本——他们不需要为每个内部系统编写接口，AI 就能直接模拟人工操作现有工具，这尤其适合那些没有开放 API 的遗留业务系统。值得注意的是，AI 执行 GUI 操作时涉及权限授权和屏幕内容读取，企业内部部署时需要额外评估数据安全边界与账号权限管控。
对创作者和内容运营者，多子智能体并行产出不同格式内容的特性，可能改变过去“先出文字再转格式”的工作流，一次指令同时拿到文案、演示文稿和 H5 页面成为可能。
值得关注的后续
目前公开信息显示，豆包工作台承诺每周三更新新功能，有几个观察点值得跟踪。第一，“操作电脑”在 Mac 端的实际稳定性和复杂场景成功率——演示中的订餐流程相对简单，真实办公中频繁弹窗、网站改版、验证码等因素会大幅提高操作难度，模型能否持续保持纠错能力是产品口碑分水岭。第二，多 Agents 并行目前披露的是任务拆分调度逻辑，子智能体之间的上下文传递质量、输出一致性，以及并行数量上限是否会影响推理成本，这些问题尚未有公开数据支撑。第三，微软 Copilot、OpenAI 的 Agent 工具等竞品是否会跟进 GUI 本地操作路线，直接影响该功能的窗口期优势。
来源：AIbase
