文 | 窄播，作者｜李威（北京）
在将飞书与豆包进行整合之后，字节又将 TRAE、扣子团队整体并入了豆包体系，相关产品和运营团队统一向豆包产品负责人赵祺汇报。TRAE Work 和扣子的工作场景能力也会与豆包整合，TRAE IDE 及 CLI 则作为豆包品牌下的编程产品线继续发展。
在同一周，字节正式推出了独立产品「豆包工作」，作为围绕用户目标拆解任务、调用工具、持续推进复杂流程的平台，并与飞书实现了深度打通。这个产品的推出，也成为了字节一系列团队整合动作在产品层面的集中体现。
从飞书提供的组织协同能力与工作上下文，到扣子积累的 Agent 编排能力，再到 TRAE 沉淀的编程和复杂任务执行能力，字节把过去分散在不同产品里的拼图收拢到豆包之下，搭建出了字节在 AI 办公竞争中的「粗主干」。
这些变化也验证了我们此前对豆包和字节 AI 的两个判断：豆包正在成为连接字节模型能力与场景应用的通用助手，字节则在围绕 Token 重新组织模型、应用、算力、客户和收入。豆包工作的出现进一步表明，字节正试图以统一的生产力平台创造更广泛、持续的模型调用需求，推动 Token 飞轮加速转动。
丰富的入口，统一的平台
此前理解豆包可以概括为「AI 助理＋AI 办公桌面」：移动端更强调陪伴、语音、拍照和随时响应；PC 端则负责资料处理、内容创作与复杂任务。
近期字节围绕豆包的一系列动作，则是这一判断的延续：移动端从信息查询和情感陪伴，向订酒店、查商品等生活服务延伸；豆包工作则把原本分散在 PC 端的生产力产品整合起来，形成了更加明确的办公产品和品牌。
这种分化并不意味着字节要建设两套彼此独立的产品。生活与生产力的任务重量、交互方式和主要设备不同，前台产品需要分别适应各自场景；但用户身份、模型能力、工作资料和任务执行系统可以在后台逐渐打通。
具体到生产力场景中，豆包工作也在同时完成多个入口的链接与理解，以及组织和推进工作的统一操作平台的建设。用户可以在飞书文档中提出需求，由豆包工作调用云盘资料和相关工具去完成任务，然后再从手机或桌面端查看进度、补充要求或者接管结果。
这也在一定程度上更新了此前对字节生产力产品布局的判断。在 AI 办公产品成为主流之前，多维表格曾经有可能是字节生产力 AI 的统一操作平台，因为它能够同时承载数据、自动化和工作流。一个任务可以由豆包负责收集需求，然后依托飞书调用多维表格来完成具体任务操作。
当可以自主规划、执行任务的 Agent 出现后，用户不再需要自己手动搭建自动化流程。一个任务可以由豆包平台负责理解需求并执行操作，多维表格则从被人操作的任务组织界面，变成了被 Agent 操作的数据容器和自动化工具，成为了豆包工作完成任务的基础能力。
不同之处在于，飞书提供的是组织协同能力和工作上下文，TRAE 和扣子提供的是任务拆解、工具调用、流程编排和结果交付能力。TRAE 从 AI 编程切入，逐渐把任务拆解、终端调用和文件操作延伸到文档、数据分析和深度研究；扣子从 Agent 开发平台出发，积累了工作流、知识库、连接器和多 Agent 协同能力。
飞书、TRAE 和扣子汇入豆包后，字节才更接近把模型、工具和工作环境组织成一套完整的生产力系统。这也让「豆包工作成为 AI 生产力场景的主干」有了更具体的产品体现。所谓主干，不只是豆包拥有最多用户或者获得最多资源，而是其他产品能够围绕它重新确定位置，共同服务一套任务系统。
深度打通比增加功能更关键
字节已经明确了围绕豆包工作重新组织生产力场景的产品和能力。接下来需要验证的是，这些被整合的产品和能力，是否已经可以提供更好的生产力任务执行体验。
从基本产品形态看，豆包工作与其他生产力 Agent 没有根本差异。技能、连接器、伙伴、任务执行已经逐渐成为同类产品的标准配置。豆包工作真正形成差异的地方在于，它能够让用户在一个界面内调用字节过去几年在企业协作、Agent 编排和复杂任务执行中积累的能力。
这与 WPS Comate 的选择相似。两者都没有把资料库能力独立于 AI 办公产品之外，而是在 AI 办公产品中直接嵌入了资料库功能。不同的是，WPS Comate 的 Wiki 功能还可以自动生成知识图谱，帮助用户建立不同资料之间的关系；豆包工作目前更强调 Agent 对飞书云盘的直接调用。
从实际工作需要来看，自动建立知识图谱是一个有用的功能点，能提升资料的利用效率。对于豆包工作来说，飞书解决了资料从哪里来的问题，下一步则需要进一步解决这些资料如何被持续整理、理解和维护。否则，当用户的文档数量不断增加时，Agent 获得的可能只是一个更大的资料池，而不是一套更清楚的个人或组织知识结构。
还有一个体现是豆包工作对手机遥控电脑能力的重视。这是很多 AI 办公产品没有放在主界面的一项功能。
这应该会让人想到豆包手机助手的尝试。这是字节在上述的使用需求下，对核心硬件产品的 AI 化改造——Agent 也会成为驱动硬件的主要界面，豆包手机助手则与豆包工作一样，成为豆包通用 AI 助理的另一个变体。这两个变体之间的连接，就会是以现在手机遥控电脑能力为基础搭建起来的。
对个体来说，围绕豆包工作实现打通，最直接的价值，是减轻了在字节体系内执行复杂 AI 操作、建设长期 AI 基础能力时的心理负担。
比如，我此前一直想建设一套资料收集和整理的工作流，也知道飞书多维表格、扣子和伙伴可以提供相应能力，但一想到这些功能分散在不同产品中，要搭建工作流还需要先理解它们各自能做什么，再自己完成组合、调试，就会觉得很麻烦，一直没有着手操作。
因此，在试用豆包工作时，我第一个就想到了是否可以用它搭建这个工作流。可能之前使用飞书里的 Aily 平台也可以完成搭建，但它就是没有像豆包工作一样说服我着手去干。豆包工作的生态完整性提高了我的预期，我在潜意识里可能就觉得一个完整、贯通的生态才真正能降低执行这个任务的门槛。
豆包工作给用户的这种整体感要远比做出几个具体功能重要。面向用户的 AI 界面可能天然就应该是一个 All in One 的产品。
当然，豆包工作的整合还有待继续完善。在豆包工作的伙伴对话中，既能看到我在 Aily 平台上搭建的 AI 助手，也可以开启智能体小队界面。但这个 AI 助手明显是可以被豆包工作取代的。
模型能力会影响 Token 飞轮的转速
产品和团队的整合只是搭好了飞轮，不会自动带来核心工作平台的迁移。用户是否愿意把主要工作持续放在豆包工作上，还取决于背后的模型能否高质量、高效率地完成生产力任务。
AI 办公产品的任务完成品质很大程度上取决于个人 Skill 的质量。而沉淀 Skill 又会受到底层模型能力的影响。用户只有相信底层模型可以持续、稳定地完成复杂任务，才会愿意花时间为其调试 Skill，并把重要资料和工作流程交给它，在工作中持续迭代 Skill。
从我的使用体验上看，豆包 2.1 系列模型和豆包工作的组合还不足以说服我将主要工作放在豆包工作上执行，即便飞书是我使用的主要办公软件，我的工作上下文也都沉淀在其中。
相比 Codex，豆包工作更像一个用力过猛、抓不住重心的新手。比如，一个稿件的评估任务还会被豆包工作归类为知识讲解类任务，在反馈评价的过程中生成一个交互页面。
目前来看，模型仍然是驱动 Token 飞轮转动的主要动能。模型越强，用户越愿意迁移自己的核心工作平台；迁移的工作越多，资料、技能和上下文沉淀越深；沉淀越深，使用频率和任务复杂度越高，由此产生更多 Token 消耗。真实任务的反馈，又可以帮助模型团队进一步优化模型能力。
字节可以通过整合飞书、扣子和 TRAE，迅速补齐上下文、工具编排和复杂任务执行能力，但如果模型不能稳定完成复杂任务，再统一的平台也很难在 AI 办公竞争中形成优势。
正如《从流量到 Token，火山在成为字节的新引擎》中总结的，Seed 负责继续生产模型能力，豆包工作、飞书、TRAE 和扣子创造使用场景与调用需求，火山引擎则把模型调用连接到算力、企业客户、交付和收入。
豆包工作很好的一点是为字节补上了生产力场景的统一平台，也降低了用户开始使用这套系统的心理门槛。但它目前提供的是让 Token 飞轮更容易启动的产品架构，而不是足以推动飞轮持续加速的全部动力。围绕产品和团队的整合初步完成后，基础模型能否追上产品野心，将成为决定豆包工作能否承接核心工作、以及字节 Token 飞轮能转多快的关键。
