# 新豆包手机助手首发体验，智能手机正在变成「行动终端」

- 作者：李超凡
- 发布时间：2026-09-14 14:00
- 分类：公司
- 原文：https://www.ifanr.com/1679983

![](https://s3.ifanr.com/wp-content/uploads/2026/09/11111.png)

九月的手机圈成了全年最激烈的战场，今年 AI 手机悄悄站上了 C 位。有人把 Agent 做进操作系统，有人试图将小程序和服务封装成可调用的能力，也有人干脆从硬件开始，为 Agent 重新设计入口。

刚刚结束的苹果发布会上，新任 CEO 特努斯给 iPhone 提出了一个新的定位：**智能个人中枢（Intelligent Personal Hub）。**

![](https://s3.ifanr.com/wp-content/uploads/2026/09/1.png)

在他的设想里，理想的 AI 设备要随时陪伴用户，理解日程、人际关系和日常习惯，能看见、听见周围的世界，也能与其他设备、App 和服务协同。

**过去十多年，手机把越来越多的工具装进口袋，却把组织这些工具的工作留给了人。**现在 AI 手机正在尝试接手这部分工作。

今天，豆包手机助手消费者版也正式发布了。

我们之前评测豆包手机技术预览版的时候，认为它把我的手机「变薄」了。

那会儿最让我惊喜，是它真能替我横跨不同应用操作，能钻进一个几百条消息的群里，把文件挨个下载、分类、打包，再发给同事。那种感觉，像是手机第一次自己长出了手。

这次的豆包手机助手消费者版，「操作手机」能力继续以 Beta 版保留，并存在一定能力限制。同时新增了一枚独立 AI 键，可以更快调用各种操作。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/2.jpg)

另一项重要升级是个人 Context 和记忆能力。豆包手机可以在获得授权后获得手机更多的信息，你也可以通过语音、按键、手势和截图，随时把觉得有用的信息保存到记忆，这些上下文最终会让 Agent 在行动前更懂你。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/3.jpg)

如果说，技术预览版展示了 AI 操作手机的想象空间，消费者版本要回答的，则是普通人是否愿意每天使用它。

所以这次爱范儿拿到豆包手机助手消费者版，并没急着去挑战它能做多难的任务，我更想知道的，它到底能不能真的每天帮我把事办成？

### AI 键不新鲜，但按下之后不一样了

先说侧面新增的那颗 AI 键。

长按 AI 键可以直接唤起豆包助手，双击则进入实时视频对话；即使手机停留在锁屏界面，用户也可以直接向豆包询问天气等通用信息。涉及敏感操作时，这颗按键还可以结合指纹验证，确认手机是否获得了继续执行的授权。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/4.jpg)

为 AI 增加实体按键，本身已经不是什么新鲜设计。过去几年，不少手机都将电源键、侧边键或独立按键与 AI 功能绑定。它们通常负责打开语音助手、启动识屏、进入相机，或者唤起一个集合了各种 AI 功能的页面。

但这台手机并不是又为 AI 腾出了一个物理位置，它按键背后连接的对象变了。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/5.jpg)

你可以按下它问一个问题，也可以交代一项需要继续执行的任务，豆包手机助手可以调用日历、文件、录音和已接入的第三方服务，并在后台继续工作，不打扰你当前使用手机处理其他事情。

**也就是说，这个 AI 键不只是打开豆包的快捷键，它试图启动一次行动，**并承担着 Agent 与用户之间的权力交接：按下时，用户交出目标，并决定手机可以替自己走到哪一步。

传统语音助手经常要求用户重新描述屏幕内容，或者先截图，再上传给 AI。

豆包手机助手的 AI 键省掉了这些步骤。按下之后，当前屏幕会直接成为模型理解问题的上下文。

我在在社交媒体刷到一只狗，直接问：

> 这是什么狗，适合新手养吗？

![](https://s3.ifanr.com/wp-content/uploads/2026/09/6.gif)

豆包会识别犬种，并结合运动量、性格、掉毛情况和饲养难度给出建议，全程不用退出应用。

打开《Attention Is All You Need》后，我又让它总结论文。豆包手机助手可以识别当前屏幕中的论文内容，并结合屏幕信息提炼 Transformer、自注意力机制等核心概念，无需手动复制文字或切换应用。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/7.gif)

面对唐国强饰演的诸葛亮，我问它演员和角色信息。豆包不仅识别出唐国强和诸葛亮，还找到了「秋风五丈原」这一具体场景。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/8.gif)

相比简单识图，更有价值的能力是理解完整语境，将演员、角色、作品和剧情联系起来。用户看到什么，就可以直接围绕什么提问。

屏幕信息也可以直接变成任务输入。

比如我展示浴室墙面后询问：「我想装一个免打孔的洗漱用品置物架，这面墙大概有 30 厘米空隙，有没有防锈、极简的商品推荐？」

![](https://s3.ifanr.com/wp-content/uploads/2026/09/1234567.png)

豆包会结合墙面环境、空间尺寸和材质要求筛选商品。过去需要测量、搜索和反复查看详情的过程，现在可以从眼前的真实环境直接开始，它也能直接给出一些商品购买链接。

这颗 AI 键想做的，其实是让发起任务的起点更低，一切都是为下面这些体验做准备。

### 手机自己干活，不只看能调用多少 App

操作手机 Beta 版依然是豆包手机助手最有辨识度的能力。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/10.jpg)

爱范儿实测后，发现日常的生活和飞书等办公场景的应用基本都能满足，涉及支付、隐私和不可逆操作也会要求用户接管确认。

**这次豆包手机助手对于第三方应用的操作，有了明确的规范，他们发布了面向第三方应用接入的屏幕自动化操作声明协议 SAEP（Screen Automation Execution Protocol），并同步启动为期 30 天的规则公示。**

按照这套协议，第三方应用可以自主声明 AI 在应用内的操作边界，明确允许或拒绝 AI 助手进行屏幕自动化操作。豆包手机助手方面表示，会尊重开发者的选择，对于明确拒绝相关操作的第三方应用，不会进行自动化操作。

某种程度上，这也给「操作手机」补上了另一层权限关系。用户决定 AI 能替自己做到哪一步，开发者则决定 AI 能不能进入自己的应用、能够操作到什么程度。

AI 调用 App 到今天其实已经不是技术问题，豆包手机助手的意图理解能力经过半年多的升级，我发现它对需求理解比之前的技术预览版更准确，执行的成功率也有了明显提升。

比如我甚至可以一次给把几个任务同时抛给它，提示词如下：

> 把手机调成静音模式，然后设一个 3 点的闹钟提醒我开会。另外，帮我查一下未来 3 天的天气，然后在每天早上 7 点钟出门前给我一个提示。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/11-1.jpg)

这里涉及四个待办事项，需要调用不同的应用和工具，它花了一分钟也全搞定了。

再上点难度，WAIC 期间我一天要参加多个活动，我直接让它找相册里的邀请函，把行程添加到日历，根据天气路况规划行程，再给我整理下活动背景方便现场交流。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/12.jpg)

这个任务确实有点复杂，它花了 17 分钟才完成，但中间我基本不用管它，真能拿它当贴身助理用了，这效率可能比请一个真秘书还要高。

### 个人 AI 终端，始于 AI 真正记住你

AI 助手长期面临一个问题：每次打开，都像第一次见面。用户负责什么项目、常去哪里、老板偏好什么汇报结构、上周和客户谈过什么，往往需要重新说明。

豆包手机助手的记忆能力，试图把这些零散对话连接起来。

它能记住和找回两类信息。一类是手机中已有的数据。在用户授权后，豆包可以检索录音、联系人、相册、短信、便签和日历，用户无需记住文件名或日期，直接用自然语言描述即可。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/13.jpg)

另一类是用户主动保存的内容，比如地址、订单号、旅行攻略和商品信息。用户可以通过语音指令、同时按下 AI 键与音量键、三指上滑，或在截图后点击「记忆」完成保存。需要找回时，长按 AI 键、语音唤醒豆包，或进入豆包 App 直接提问即可。

长按 AI 键，说出或输入任务需求，即使是过去通常需要在 PC 端完成的办公任务，如信息检索、数据分析、内容生成和文件制作，现在也可以通过豆包手机助手完成。

用户还可以切换到豆包专业版的「工作任务」模式，获得更适合复杂办公场景的处理能力。

整个过程更像是集成到手机系统的 Codex，用户只负责描述目标，最终可以直接拿到 Word、Excel 或 PPT 文件。

我先设置了一项定时任务：「每天下午 5 点，检索国内大模型行业的最新融资和产品动态，过滤低价值内容，总结三条核心情报，导出 Word 简报存到手机里。」

![](https://s3.ifanr.com/wp-content/uploads/2026/09/14-3.png)

任务包含定时执行、全网检索、信息筛选、内容提炼和文档导出。

再比如老板对我说，「以后做行业简报，开头先放三条核心结论，正文控制在五页以内，少用大段文字，数据来源放在最后一页。」

![](https://s3.ifanr.com/wp-content/uploads/2026/09/15-2.png)

我顺手将其保存到记忆中，这样下一次我只需要说：「按照之前老板要求的格式，更新一份最新国内大模型行业简报。最终输出 word 文档」

![](https://s3.ifanr.com/wp-content/uploads/2026/09/16-1-1.png) ![](https://s3.ifanr.com/wp-content/uploads/2026/09/16-2.png) ![](https://s3.ifanr.com/wp-content/uploads/2026/09/16-3.png)

豆包便可以调用此前保存的结构和偏好，再补充最新数据。记忆功能的价值，体现在用户少说了多少重复的话。当 AI 能理解「按照上次的方式」具体指代什么，它才更接近一个真正属于个人的助手。

再比如，我还让它制作了一份《2026 年国内露营经济发展趋势》分析 PPT，内容包括用户画像、品牌格局和商业模式预测，并直接输出 .pptx 文件。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/17.gif)

评价这类能力时，文字质量只是一部分。数据是否可靠、结构是否清晰、文件能否编辑和继续修改，同样决定实际价值。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/18.gif)

需要注意的是，「专家模式」和「工作任务」属于独立的任务模式。进入其中任一模式后，暂时无法同时使用「操作手机」及其他助手工具，需要退出当前模式后再调用。

使用一段时间，结合我的记忆处理一些本地的信息确实很丝滑。

我突然想找到之前一场发布会提到的模型参数和数据，直接让它从录音里找，马上就有了，比我去再搜一搜要更便捷。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/19-2.png)

而且有些采访录音或者个人信息可能只有在本地才收，比如之前去美国前要登记 EVUS，我让它从相册里找出我的护照美签页，把填写所需的资料的单独提取发我。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/20.jpg)

完了我还可以手动保存到记忆，下次出差也不用再从头找一遍了。

个人 AI 终端最大的价值，由这些连续的上下文构成。模型掌握的信息越完整，对用户意图和偏好的判断也会越准确，也开始接近一个了解长期工作和生活的个人助手。

当然，这种能力同时对隐私提出了更高要求。哪些本机信息可以调用、哪些个人偏好可以保存，豆包手机助手的记忆功能都建立在用户知情和主动授权的基础上，用户也能够查看、修改和删除已经保存的记忆。

### 真正的 AI 手机，应该是「行动终端」

过去十多年，智能手机几乎没有改变过核心的交互逻辑。

现在， Agent 开始改变人与计算机的分工。手机第一次有机会越过「提供工具」这条边界，开始代表用户行动。

Agent 改变的不只是输入方式。鼠标和触控让软件更容易操作，Agent 则开始承担从意图到结果之间的过程。

我们不妨将这样的新一代智能终端，称为：行动终端。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/21-1.jpg)

它不再要求用户先把一件事拆成若干步骤，再分别找到对应的软件；它可以理解目标，调用能力，安排顺序，在后台持续执行，并在真正需要用户决定的时候回来。

智能终端以功能（App）为中心，等待人去点击。行动终端则以任务为起点，先理解目标，让一项任务在锁屏、切换应用甚至网络中断之后继续存在。

在使用新版豆包手机过程中，我越来越感受到 Skill 正在成为新的 App。

这并不意味着 App 会消失。地图、支付、通信和办公软件依然存在，只是其中一部分能力会以 Skill 的形式进入 Agent 的工作流。

苹果前首席设计官 Jony Ive 在谈论 iOS 7 设计时曾说过：

> 真正的简洁，不只是去掉杂乱，而是为复杂建立秩序。（bringing order to complexity）

![](https://s3.ifanr.com/wp-content/uploads/2026/09/22-3.png)

这个逻辑，同样适用于 Agent 时代下的行动终端。

AI 手机的简洁，并不是把 App 隐藏掉，也不是把所有入口缩成一个聊天框。真正的工作发生在界面之后：App 提供服务，Skill 提供行动，Agent 负责组合，操作系统管理权限、进度、异常和结果。

你看到的是一个任务完成，系统处理的是背后的全部复杂性。

行动还需要上下文，Skill 决定 Agent 能做什么，上下文决定此刻应该做什么，记忆则让下一次行动不必重新认识用户。日历、联系人、相册、录音、屏幕内容和过去的选择，共同构成一项任务真正发生的背景。

去年的豆包手机助手技术预览版最令人惊喜的，是 AI 像人一样理解屏幕、点击 App，它抹平了 App 与结果之间的路径，也让手机在体验上「变薄」了。

到了消费者版，更值得观察的，是这些行动能否被系统持续管理。一件事发起以后，还要知道它进行到了哪里，什么时候需要确认，遇到问题又该怎样继续。

![](https://s3.ifanr.com/wp-content/uploads/2026/09/23.jpg)

后台执行、任务队列、任务中心和指纹确认等设计，让任务开始拥有自己的生命周期。锁屏、切换应用、临时去忙别的事，也随之成为评价 AI 手机体验时需要考虑的场景。

**真正的后台能力，是让任务离开用户的视线，也不离开系统的管理。**

它开始让手机按照 Agent 的方式工作，尝试把最多人使用的智能终端，变成「行动终端」。把语音、视觉、系统工具、个人信息和第三方服务，组织在同一件任务之下。

**AI 手机的未来不是塞入越来越多的 AI 功能，行动终端真正的价值，是把这些分散的智能组织起来，对一件事从意图到结果的过程负责。**

App 时代，系统保证软件能够运行；Agent 时代，系统需要确保事情能够完成。

豆包手机助手不一定是行动终端的最终形态，但它让我们看到了，当手机真正能够接管一件事，对过程保持负责，对边界保持克制，并把结果成功带回给用户——**AI 手机才有可能真正开始成为智能手机在下一阶段的新终端。**