豆包工作实测：AI15分钟完成就业调研报告

不少用户都养成了让AI持续执行任务的习惯，睡前、休闲前都会提前布置工作，让算力不空闲。此前有体验者在社交平台分享过自己的类似习惯，坦言这类用户或许不适合管理岗位，因为会过度依赖自动化流程。

这类习惯的核心前提，是AI能够真正独立完成交付的任务，用户只需明确需求后离开，AI会自行解决执行中的问题，无需等待人工介入。最近，有测试者在一款AI工作客户端上完成了真正意义上的全权任务交付，全程无需实时盯守。

这款客户端是专为生产力场景打造的独立工具，与现有通用AI工具账号通用，任务列表同步，但界面和功能完全聚焦于专业工作。左侧栏涵盖新工作任务管理、定时任务设置、自定义技能与连接器功能、云存储以及手机远程控制等模块。其最核心的优势在于支持云端执行任务，所有部署的任务都运行在远程服务器，不会占用本地设备资源，同时支持跨设备同步进度与成果，测试者同时运行三个AI代理时，云端执行的特性带来的体验差异尤为明显。

定制化的调研任务

测试者布置的任务是针对AI对就业市场的影响展开全面调研，分析不同行业和岗位的渗透与替代情况，最终产出一份完整的中文调研报告。选择这个任务并非偶然：今年上半年，测试者在一家短视频电商公司开展了两天的AI培训，发现多数职场人仍停留在与AI简单对话的阶段，而生产力场景中，对话式AI与智能代理AI的产出质量有着天壤之别。

这份任务本质上是替广大职场人提出一个核心问题：AI到底会影响自己所在行业的哪些环节？当前的处境是变好还是变差？未来应该提升哪些技能？

为了完成这项调研，测试者准备了两份核心资源：

第一份是结构化的资料集。今年8月，测试者收集了全球42份顶级机构发布的2026年AI行业报告，包括多家知名智库和咨询公司的研究成果，从中筛选出与就业市场相关的内容，整理成飞书文档。文档中明确标注了调研目标、需要回答的五个核心问题，以及经过原文核对的结构化数据点，每个数据都包含口径说明、样本量和原始出处，尽可能贴近职场人日常收到的工作需求文档格式。

第二份是自定义的报告生成技能。测试者基于这42份报告的写作规范，反向拆解出一套专业的报告生成工具，命名为huashu-report，涵盖六种报告原型选择标准、章节排版逻辑、图表标题规范以及自检流程。这套技能包含三个核心文件，形成完整的生产流水线：样式基座、图表生成器和自动渲染器，渲染完成后还会自动执行机械自检流程。此前这套技能仅用于本地AI助手，本次首次适配到这款客户端。

测试者将技能打包上传到客户端的技能管理模块，通过安全检测后，技能就出现在个人技能列表中，可以直接调用。

一键提交任务

准备工作完成后，提交任务的过程反而非常简洁。在客户端输入框输入斜杠唤起技能列表，选中刚上传的自定义报告技能，粘贴飞书文档链接，输入明确的指令：“读一下这个飞书文档，按里面的任务书和资料，出一份完整的中文调研报告给我。”选择云端执行模式后提交任务，时间为凌晨1点03分，之后测试者就关闭了客户端窗口，去处理其他事务。

中途的权限调整

几分钟后查看任务状态时，发现任务已经暂停。执行日志显示，AI首先加载了自定义技能，随后尝试访问飞书文档，但因权限不足失败，尝试直接打开链接后发现需要登录账号，于是任务进入待确认状态，界面提供了“去操作”和“跳过”两个选项，并提示需要接管浏览器完成飞书登录，登录成功后才能继续读取文档。

这个细节让测试者非常认可，这也是专业AI代理工具的核心特质之一。问题的根源在于，客户端默认使用自身身份访问飞书文档，而测试目标文档属于个人账号。解决方法也很简单，在客户端的连接器模块中，飞书连接器位于推荐第一位，按照指引完成OAuth授权后，即可获得访问飞书账号信息和文档的权限。

测试者完成授权后，直接在正在运行的任务中补充指令：“飞书连接器我刚绑好了，你用连接器再读一次这个文档，然后接着往下做。”无需等待当前任务结束，也无需重新提交需求，AI自动接续之前的流程继续执行，并且准确识别出任务目标是针对AI对职业影响的调研，使用结构化的就业数据，面向普通职场人产出完整的中文报告。这次AI使用测试者的身份访问飞书空间，顺利读取了所有文档内容，充足的上下文信息为后续的高质量产出奠定了基础。

云端自动完成的全流程

整个任务全程运行在云端，测试者无需实时监控，但AI记录了完整的执行日志。回头查看日志，整个流程如下：

首先加载自定义技能，以及技能中包含的生产流水线和视觉系统文件。创建项目目录，复制技能自带的三个核心文件，查看样式基座和图表生成器的代码结构，确保后续调用符合规范。随后结构化处理任务书中的调研数据，编写报告主体代码，所有正文内容都整合在该代码文件中。

代码编写完成后，执行过程中接连遇到三次错误：语法错误、格式转义问题和中英文引号混用，AI自行定位到具体行号完成修复，全程没有向测试者求助。

HTML报告生成后，尝试渲染PDF时发现运行环境缺少必要的依赖包，AI自动安装了所需的工具和浏览器驱动，重新完成渲染。初始生成的PDF共有30页，自动自检流程发现一处图表编号重复的问题，AI排查后发现是数据源行中的引用表述被正则误判，修改表述后重新渲染，最终通过自检。

到这里，多数人可能就会直接交付成果，但AI并没有停止。它将PDF逐页渲染为图片，进行逐页视觉检查，发现目录的小节页码全部为0，因为锚点仅配置到章节级别，AI统一修复了这几处细节。

整个任务从提交到交付仅用了15分钟，其中还包含了测试者调整飞书连接器权限的时间。

高质量的交付成果

最终交付的是一份28页的PDF报告，包含7张内嵌SVG图表，附录中还有一张包含54个数据点的完整速查表。

测试者逐页审阅了这份报告，发现从页眉页脚、章节序号、图表来源标注到正文和引文的层级关系，全程保持了统一的规范，这对于长文档来说是非常难得的，多数人在撰写长文档时都会在后期偏离初始规范。

按照自定义技能的规范逐条核对，成果可以分为两个层面：

第一，完全覆盖任务书中的所有明确要求。每个数据都标注了口径和样本来源，没有使用光秃秃的百分比数字，而是完整表述为“22–25岁在AI高暴露职业的就业水平，比如果与低暴露同龄人同速增长的反事实水平低19%”，并附带引用标注；针对海外数据，专门添加了说明，明确指出不能直接等同于中国国情，并列出了中国在AI adoption速度、行业结构、劳动法规和职业分类上的系统性差异；任务书中列出的五组看似矛盾的数据，AI也全部进行了分析和整合，没有回避任何一组数据。

第二，主动完成了技能中隐含的规范要求，这些内容在任务书中完全没有提及。比如图表标题采用结论式表述而非主题式（如“年轻人就业变化按AI暴露度五分位分化”而非“分年龄段就业情况”）；每张图表下方都标注了来源、样本和图表类型，并附带口径说明；关键数据设置了视觉突出效果；单独添加了一章附录A，专门讲解研究的局限性和替代解释，其中包含一节名为“我们不知道的”，专门列出当前调研无法覆盖的问题。这种主动补充规范细节的表现，甚至超过了多数人的专业水准。

测试者尤其关注这一节内容，AI将报告无法回答的问题逐一列出，并明确说明这并非研究缺陷，而是调研的边界所在。愿意在成果末尾专门留出章节说明自身的认知局限，这一点就连多数专业人士都很难做到。

报告中的四大核心发现

这份任务是替广大职场人布置的，因此测试者提炼了报告中的四个核心发现，所有数据都带有完整的口径和样本来源，感兴趣的读者可以查阅完整版报告：

一、整体就业未崩，但结构正在分化

截至2026年中，从行政工资单数据中看不到全经济范围的大规模岗位替代证据，整体就业市场保持稳健，但总量之下的结构已经发生明显变化。

三个关键数据对比了同一批人群在不同AI暴露度下的就业情况，更值得关注的是背后的机制：这种分化主要通过减少招聘而非裁员实现。裁员会引发社会关注，但不招聘不会被广泛报道，因此这种隐性的岗位变化，正悄然发生在应届生群体中。

二、入门级岗位并非消失，而是升级

某咨询公司基于10亿条招聘启事的分析结果，是这份报告中最引人关注的内容之一。很多职场人都遇到过初级岗位却要求资深经验的情况，此前普遍认为这是企业在压低薪资，但这份数据给出了另一种解释：当初级任务被AI替代后，入门岗位的招聘要求直接提升至资深岗位的标准，原本从初级岗位起步的职业通道，正在从入口处向上抬升。

三、当前从事的工作，可能不属于本职职业

报告中的统计数据显示，职场人使用AI完成的工作中，有超过三分之二的内容不属于自身职业范畴，比如客户体验、设计、HR等岗位的从业者，都在通过AI拓展工作边界。

测试者自身就是这种变化的亲历者：他不会编写代码，却独立开发了多款应用、插件和浏览器扩展，公众号封面设计也由自己完成，这些工作在三年前都不属于他的职责范围。这种跨界工作的趋势正在所有行业发生，只是多数人尚未意识到自己已经在主动拓展职业边界。

四、无需学习编程，只需成为AI的高效使用者

相关机构的数据显示，需要编程、模型开发等高级AI专门技能的工人比例不到1%，AI开发类岗位仅占全部招聘的0.8%。这一结论看似与当前的AI热潮相悖，但进一步解读就会明白：职场人不需要成为AI开发者，只需要成为AI的有效使用者。测试者自身也不会编写代码，其开发的多款产品的代码均由AI生成。

另外还有一个值得关注的细节：35–40岁的职场群体同期就业增长11%，资深员工反而没有明显的岗位缺口。报告给出的机制是，资深员工承担的任务对上下文依赖更强、判断要求更高、结果更难验证，而这些恰恰是当前AI的薄弱环节。

真正的云端工作体验

测试者是在客户端提交的任务，但任务并未运行在本地设备上。提交后关闭客户端窗口，再次查看时任务已经推进了多个步骤；后续又开启了第二个任务，两个任务同时在云端运行，本地设备没有占用任何算力资源，这与本地运行AI代理的体验完全不同，本地运行需要保持窗口开启、占用本地算力，甚至不能让设备进入睡眠状态。

交付成果也不限于单台设备。测试者要求AI将完整报告同步为新的飞书文档，PDF、HTML和报告代码文件一并上传到飞书云存储，这意味着更换设备或使用手机登录飞书，都可以随时查看完整的调研成果。

这种跨设备同步的特性在手机端同样适用。使用同一账号登录手机端AI工具，正在运行的任务完整保留，执行过程、文件云链接和飞书文档都可以直接查看。测试者甚至在手机端直接补充任务指令：“把报告第六章的行动清单整理成一页，发到我的飞书”，无需重新提交需求，AI自动识别指代的报告章节，完成整理后同步到飞书文档，真正实现了全流程的无缝衔接。

测试者还使用这款工具完成了本文的封面配图，以及一份30秒的报告宣传视频，依托内置的顶级生成模型，一站式解决了从内容生成到视觉呈现的多种工作需求。

体验总结与福利活动

回顾整个测试过程，最让测试者印象深刻的是，当前AI代理工具在技术圈子中热度较高，但真正能让普通白领轻松使用的产品并不多。这款工具依托亿级用户的基础产品生态，将专业的AI代理能力以极低门槛交付给普通用户，让更多人能够体验到真正的生产力级AI应用。

如果身边有朋友尚未体验过AI代理工具，即便他们只使用过通用AI工具，也可以推荐他们下载这款客户端，亲身感受能够独立完成复杂任务的AI代理是什么样的体验。

报告中的一句话让测试者印象深刻：“AI不会替代你，但会用AI的人会。更准确地说：AI不会替代能够重新定义自身工作的人，但会替代拒绝改变的人。”测试者补充道：不要带着恐惧使用AI，不少大厂程序员带着被AI替代的焦虑开展工作，这样的过程不仅痛苦，也很难产出高质量的成果。

本次体验的福利活动如下：下载这款AI工作客户端，可以限时免费领取30天的订阅权益，包含自定义技能、连接器和云端执行等核心功能。前往官方网站下载安装客户端，登录账号后权益将自动到账。

下载地址：https://www.doubao.com/work

本次使用的自定义报告生成技能已开源，可直接克隆到本地AI助手使用：https://github.com/alchaincyf/huashu-report

如果首次体验，建议布置稍复杂的任务，简单任务很难体现这款工具的独特优势。