豆包手机助手消费者版发布：从工具到「行动终端」的范式转移

事件概述

近期，字节跳动推出的「豆包手机助手」消费者版正式发布。该产品旨在通过增强 AI Agent 的自主操作能力和记忆机制，重新定义智能手机的使用逻辑。评测显示，新版助手在跨应用任务执行、个性化信息管理及后台持续工作方面表现显著，试图解决传统语音助手需反复描述屏幕内容或中断用户当前操作的痛点。

核心功能升级

• 独立 AI 键与低门槛交互

  • 机身侧面新增独立 AI 键，支持长按唤起助手、双击进入实时视频对话，以及锁屏状态下直接询问通用信息（如天气）。
  • 涉及敏感操作时，结合指纹验证确认授权。
  • 上下文直达：按下按键后，当前屏幕内容直接作为模型理解的上下文，无需截图或手动复制文字。例如，识别屏幕中的犬种、总结论文核心概念或根据浴室墙面环境推荐置物架商品。

• 跨应用自动化操作 (Beta)

  • SAEP 协议：发布面向第三方应用的「屏幕自动化操作声明协议」（Screen Automation Execution Protocol）。允许开发者声明 AI 在应用内的操作边界（允许或拒绝），豆包助手尊重开发者的选择，不越权操作被拒绝的应用。
  • 多任务并行处理：支持同时处理多个待办事项（如静音、设闹钟、查天气并设置提醒），或在复杂场景下（如整理会议行程、背景资料）进行长时间后台自动执行。

• 个人 Context 与记忆系统

  • 数据检索：在用户授权下，可检索录音、联系人、相册、短信、便签和日历，通过自然语言快速定位信息。
  • 主动记忆保存：用户可通过语音、AI 键+音量键组合、三指上滑或截图点击等方式，将地址、订单、偏好等关键信息保存到记忆库。
  • 长期记忆应用：AI 能记住用户的汇报格式偏好、历史任务结构等，实现“按照上次的方式”等模糊指令的精准执行，减少重复沟通成本。
  • 专业模式：提供「工作任务」模式，适合生成 Word/Excel/PPT 等办公文档，但与该模式下其他工具互斥。

行业意义：迈向「行动终端」

• 交互逻辑变革：传统手机以 App 为中心，等待用户点击；新型 AI 手机以任务为起点，Agent 负责拆解目标、调用 Skill、安排顺序并在后台执行，仅在关键节点请求用户确认。
• Skill 取代部分 App 入口：地图、支付等基础服务依然存在，但其核心能力可能以 Skill 形式嵌入 Agent 工作流，App 逐渐变为服务提供者而非唯一入口。
• 隐私与安全平衡：所有记忆和数据调用均建立在用户知情和主动授权基础上，用户可随时查看、修改或删除已保存的记忆。
• 未来展望：真正的 AI 手机价值不在于堆砌功能，而在于将分散的智能组织起来，对从意图到结果的全过程负责，成为能够接管日常事务的「行动终端」。