🐼Pandaily•最新收集於 82m
Doubao 化身 Codex 風格代理
💡Doubao 正將瀏覽器控制、遠端任務與雲端電腦帶給龐大的使用者群。
⚡ 30-Second TL;DR
有什麼變化
Doubao 現在支援需要使用者登入的瀏覽器任務。
為什麼重要
Doubao 的擴展可能透過廣泛使用的桌面客戶端，加速電腦操作代理在中國的普及。對開發者而言，這凸顯 GUI 控制、遠端執行、連接器與可重用代理技能的重要性日益提升。
下一步行動
在低風險的內部任務上測試 Doubao 的瀏覽器登入與 GUI 控制功能，再評估其遠端執行、連接器與 Skills 的自動化潛力。
誰應關注：Developers & AI Engineers
關鍵要點
- •Doubao 現在支援需要使用者登入的瀏覽器任務。
- •客戶端能像電腦操作代理一樣控制圖形化使用者介面。
- •使用者可透過手機遠端啟動或控制 PC 任務。
- •雲端電腦、連接器與 Skills 讓代理能力超越本機桌面。
- •ByteDance 正將龐大的消費者使用者基礎與 Codex 風格代理功能結合。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Doubao 的代理功能整合了字節跳動自研的雲雀（Skylark）大模型系列，針對長上下文與複雜指令執行進行了專門優化。
- •該代理系統採用了多模態感知技術，能夠即時解析螢幕像素資訊，從而實現對非 API 介面（如傳統桌面軟體）的精準點擊與操作。
- •字節跳動透過此功能進一步強化了其生態系統的閉環，將 Doubao 從單純的聊天機器人轉型為具備作業系統級別權限的生產力工具。
- •此更新引入了基於意圖識別的自動化工作流（Workflow），允許使用者透過自然語言定義跨應用程式的複雜任務序列。
- •Doubao 的代理架構支援沙盒化執行環境，確保在進行 GUI 操作時能隔離潛在的安全風險，並保護使用者隱私數據。
📊 競品分析▸ Show
| 特性 | Doubao (ByteDance) | Claude Computer Use (Anthropic) | Operator (OpenAI) |
|---|---|---|---|
| 核心定位 | 消費級 AI 代理平台 | 開發者/企業級代理 | 消費級自動化代理 |
| GUI 控制 | 支援 (PC/手機遠端) | 支援 (螢幕截圖分析) | 支援 (瀏覽器/桌面) |
| 生態整合 | 字節系應用 (抖音/飛書) | AWS/第三方 API | OpenAI 生態/瀏覽器 |
| 定價模式 | 免費/訂閱制 | API 計費/訂閱 | 訂閱制 |
🛠️ 技術深入
- 採用視覺語言模型 (VLM) 作為核心感知層，將螢幕畫面轉化為結構化數據以進行決策。
- 實作了基於強化學習的代理訓練機制，透過模擬環境學習滑鼠軌跡與鍵盤輸入的最佳路徑。
- 支援跨裝置同步的狀態機架構，確保手機端發出的指令能準確映射至 PC 端的執行緒。
- 整合了輕量級連接器 (Connectors) 技術，透過標準化協議與第三方 SaaS 軟體進行數據交換。
🔮 前景展望AI analysis grounded in cited sources
Doubao 將成為字節跳動在 PC 端作業系統層面的核心入口。
透過具備 GUI 操作能力的代理，Doubao 有潛力取代部分傳統作業系統的互動方式，增加使用者對其平台的黏著度。
AI 代理的普及將迫使傳統軟體開發商重新設計 UI 以適應機器閱讀。
隨著 Doubao 等代理工具的廣泛應用，軟體介面的可讀性與 API 開放程度將成為影響使用者選擇的關鍵因素。
⏳ 時間線
2023-08
字節跳動正式發布雲雀大模型，為後續 Doubao 產品奠定技術基礎。
2024-02
Doubao App 正式上線，開始在消費者市場快速累積月活躍使用者。
2025-05
Doubao PC 客戶端發布，開始探索桌面端的 AI 整合應用。
2026-03
Doubao 引入初步的插件系統，為後續的連接器與 Skills 功能鋪路。
2026-08
Doubao 正式推出 Codex 風格代理功能，實現 GUI 控制與跨裝置任務執行。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗