大家好，我是袋鼠帝。 今天周六，不给大家整教程，也不聊什么技术细节了。这篇简单聊聊，就当唠唠嗑～ 前两天刷到SuperCLUE发的一份办公智能体测评：SuperCLUE-Office 他们一口气拉了8款国内主流办公智能体进行横测：豆包工作、Kimi Work、WorkBuddy、百度搭子、千问办公、商汤小浣熊、讯飞星火工作、纳米Work。 结果是，豆包工作以85.33分拿了总榜第一。Kimi Work第二、workbuddy第三。 其中文档处理这一项，豆包工作拿到了87.12分，领先第二名将近5分。 这5分是什么概念呢？前四名的总分，从第二到第四一共才差了1.96分，大家咬得非常紧。在这么卷的局面里，单项能拉开快5分，在这份榜单里还是挺显眼的。 SuperCLUE也表示，文档处理是办公智能体落地日常办公最重要的能力模块。 确实是，你回想一下自己的一天，写方案、改合同、整理纪要、出周报，有多少时间是花在文档上的？几乎所有吧。 然后我好好研究了一下这个榜单，我觉得还是有点东西的。 先简单说下SuperCLUE是啥。 它背后是CLUE，中文语言理解测评基准，2019年就开始做中文大模型的测评了，在中文NLP圈算是老牌机构。 这几年很多国内厂商发新模型，发布会上都会放一张SuperCLUE的成绩。 不过让我觉得这次靠谱的，主要还是它的测法。 第一，它是端到端的。 不是选择题，也不是问答题，而是直接给你一堆真实文件，让Agent们交付一个能打开、能继续编辑的Word、PPT或者Excel出来。 我看了它公开的一道例题：扮演市场监管部门的负责人，给4份附件（两份发布稿、两份不合格明细表，其中一份还是老格式的.xls），要求交一份8到10页的可编辑Word月报，封面、目录、执行摘要、行动表一样不能少，百分比的小数位还得全文统一。 这看起来好熟悉啊，这不就是很多打工人熬夜做的那些事儿吗。。 内容挺多，感觉好复杂。但是很真实了。 第二，评分非常细。每道题都五档评分细则。 而且，编数据会倒扣分，最多扣4档。 这一点非常有必要，办公场景里最怕的就是AI一本正经地瞎编，到时候一个一个核对，说不定最终还要花更多的时间去纠错。 第三，交付物先过一遍脚本，检查格式、页数、能不能打开，再由裁判模型按细则逐条打分（用的是Claude Code框架接入的裁判模型）。超过2小时还没有有效输出的任务，直接算失败。 一直以来，我的文档，各种资料，协作都在飞书上，自从飞书和豆包工作完全打通后。处理文档更丝滑方便了。 然后9月份，豆包工作刚出来那会儿，我跟几个好朋友肝了7天开源了《豆包工作蓝皮书》。 写蓝皮书的那段时间，也是我重度使用豆包工作的时候，各种办公场景，几乎都拿它跑过。 比如说整理会议纪要。要求提取决议事项、行动项和责任人。 我上线会很多。经常都是直接让豆包工作读当天的会议纪要，把待办建成飞书任务，截止日期按会议结论来设。它会先把清单发给我过目。 再说多文件规划与执行。我加了个行业交流群，一天几百条消息，两天没看就得爬楼。我让豆包工作把最近7天的群聊按动态、观点、实操、选题分好类，放进我的飞书文档库。 而且有件事我都没要求，它自己就做了：群里出现过的文档和链接，它翻了出来，挂回了对应的讨论下面。 还有批量处理这种Excel表，也是手拿把掐～ 我个人觉得它文档能领先这么多，可能有两个原因（我瞎说的） 第一个原因，是飞书。 巧妇难为无米之炊。模型再聪明，也只是厨子，你得有米。 我所有的文章和资料，上下文基本都沉淀在飞书里，有多维表格，也有很多文档。在我看来，飞书就像一个分好格子的米缸：文档、表格、妙记、群聊、日历、任务都在一处，权限也分得清清楚楚。 自从飞书跟豆包工作打通之后，我觉得目前操作飞书最丝滑的，还是豆包工作。 所以我现在经常让它直接去操作飞书，帮我把活干了。 可能是豆包模型有大量的专门针对飞书文档的操作训练，使豆包模型在文档方面更强了（瞎猜的）。 第二个原因，是字节在Agent这件事上起步很早。 Trae是2025年初发布的，算是国内最早的一批AI编程工具，后来做了SOLO，本质上其实就是一个桌面端Agent，到现在快两年了。 老粉应该知道，我2025年2月写Trae的时候，就在用它写稿了，不只是写代码。 所以我一直觉得，编程Agent和办公Agent，底子其实是一套东西： 读文件、拆任务、调工具、做完自己检查一遍。最开始大家做WorkAgent的时候，很多就是在原来的CodingAgent上硬加了一个Work入口，表面上可以切换Coding Agent和Work Agent，但其实根本没区别。 庄子说，水之积也不厚，则其负大舟也无力。工程上的东西没有捷径，坑都是一个一个踩出来的。 所以我觉得，豆包工作身上是有很多Trae在工程上的积累的。 「最后」 坦白
