

工具还是那些工具,玩法已经不一样了。

最近逛GitHub,发现AI开发者们忙的事好像有点变了。
除了不断更新的大模型和Agent框架,越来越多开源项目开始教AI怎么干活。处理数据、设计网页、制作视频,甚至操作一些专业软件,开发者把相应的工作方法整理成Skill,放到开源社区里,供不同的Agent调用。
这股热潮有多夸张?今年9月,Vercel在一份AgentSkills生态报告中披露,旗下skills.sh上线仅7个月,就收录了100万个Skill,累计安装量接近2.8亿次。
越来越多具体的工作方法正在从软件里被拆分,变成Agent可以直接调用的能力。
过去想完成一项专业工作,往往得先找对软件,再花时间研究它的操作方法。但现在,以「豆包工作」为代表的办公Agent,正在把这种割裂的流程彻底打通。

为什么“能自己装Skill的Agent”是今年最大的生产力变量?
举个很实际的例子。
假如手头有一份行业研究报告,里面的数据挺有意思,你很清楚,要是能把它做成一支像头部科技媒体那样的动态数据短片,传播效果会好上十倍。
但绝大多数人都会在这里停下脚步。拦住大家的不是缺乏想法,而是横在面前的专业软件门槛。
拿一支几十秒的数据可视化视频来说,按照传统流程,得先把报告里的数据整理好,再打开AE、PR或者剪映,在密密麻麻的时间轴上,研究怎么让柱状图跟着节奏生长、数字逐个跳出来,什么时候切换画面,字幕又该放在哪里。
光是一套软件菜单和快捷键,就足以把非设计、非影视专业的职场人劝退。

这也是为什么早期的AI工具很难真正解放生产力,它们能帮你写好视频分镜、脚本,却始终跨不过软件操作那道墙;而后来一些试图“模拟鼠标点击屏幕”的早期Agent,一旦遇到软件界面改版或者弹窗遮挡,又很容易卡死。
有开发者就想:既然让AI去点剪辑软件这么费劲,为什么不跳过软件界面,直接用代码来生成视频?
比如GitHub上拿到7万多Star的开源项目Remotion,就是一套基于React的视频制作框架。和传统剪辑软件不同,Remotion可以直接通过代码来控制画面。
然而放在以前,这种开源工具普通人还是用不上,因为你得先在电脑上配好开发环境、打开命令行去敲安装指令,门槛依然不低。
但在如今「豆包工作」这类Agent里,最后这层折腾环境的门槛也没了。当我想把一份枯燥的报告变成动态视频时,只需要在工作任务里发一句指令:
“帮我安装GitHub上remotion-dev的remotion技能。我想用它制作一段行业数据可视化视频,安装好后先告诉我可以实现哪些效果。”

不需要自己去配置复杂的开发环境,也不用看懂满屏的英文文档,豆包工作自己在后台读取了开源仓库、配好了依赖环境,很快就把可以实现的动态图表和转场效果列了出来。
当然,装好Skill只是第一步。它究竟能不能把一份行业报告做成像样的动态视频,还得拿真实数据试试。

实测用代码和创作模型,
把一份硬核报告变成可视化作品
前不久IDC与浪潮信息联合发布了《2026年中国人工智能计算力发展评估报告》。
这份报告里披露了不少很有分量的数据,比如智能体(Agent)规模爆发对算力需求的拉动、未来几年的算力缺口,以及各个行业的智能体落地进展,正好可以拿来制作一支数据可视化短片。
毕竟,算力这种东西不像手机、汽车,没办法直接摆在镜头前展示。尤其是动辄涉及大规模增长和不同地区的比较,单靠一串数字,普通读者很难形成直观印象。
于是,我把报告交给豆包工作,准备让它用前面提到的RemotionSkill,制作一支45秒左右的动态数据视频。
不过,在开始制作之前,得先解决一个问题:报告里值得关注的数据很多,究竟哪些适合放进视频?
我选择直接让豆包工作先帮忙筛一遍。
“请阅读《2026年中国人工智能计算力发展评估报告》,重点整理中国企业活跃智能体数量、智能算力规模和城市算力排名相关的数据,挑出最值得关注的三个信息点,并设计一支45秒左右的数据可视化短片。每个信息点给出对应的图表和画面文案,注意核对数据年份、统计口径及原文出处,区分实际值和预测值。先整理内容,不用生成视频。”

有了内容,视频的基本框架也就出来了。
但如果只有几张会动的图表,整支视频还是容易显得单调。尤其是AI算力这样的主题,适当加入一些数据中心、AI芯片等视觉元素,画面会丰富不少。
这时候就可以用上豆包工作内置的Seedream创作模型。
我给它的要求很简单:
“根据前面确定的视频内容,调用Seedream生成几张AI算力主题的视觉素材,主要用于片头背景和画面过渡。风格保持统一,简洁、有科技感,不要生成数字和文字,方便后续叠加动态图表。”

之所以不让生图模型直接绘制数据,是因为这次真正重要的不是画面有多炫,而是数字必须准确。
像背景、芯片和数据中心场景,可以交给Seedream自由发挥;但图表的比例、具体数值以及数字变化的节奏,还是让Remotion通过代码来控制更合适。
接下来,真正的重头戏才开始。我把数据、画面素材和制作要求一起交给豆包工作:
“调用前面安装的RemotionSkill,用整理好的报告数据和Seedream生成的素材,制作一支45秒左右、16:9横屏的数据可视化视频。重点展示数字增长、动态图表和城市排名等内容,整体风格参考科技媒体的动态信息图。确保所有数据准确,画面简洁,节奏流畅。先生成视频预览,确认后再导出MP4。”

看着它在后台执行的过程,能明显感觉到这种做法和过去让AI生成一段视频不同,这里的数据动画是通过代码完成的。
数字从多少增长到多少、柱状图什么时候展开、文字在画面上停留多久,都可以在Remotion工程中进行控制。遇到不满意的地方,也可以直接告诉豆包工作,让它在现有工程的基础上修改,而不是重新制作整支视频。
从一份行业研究报告,到数据提炼、视觉素材生成,再到最终的视频制作,整个过程其实已经涉及了好几种专业工具。
但很明显,对像我一样的人来说,掌握了豆包工作的这套流程,就意味着以后可以不用再自己来回折腾于各种软件之间,也不用逐一学习它们的详细操作方法。
换句话说,工具的门槛还在,但已经不再挡在我们面前。

从“GUI交互”到“Skill调用”,未来的工作流会变成什么样?
回头看过去三四十年,我们熟悉的几乎所有办公与专业软件,无论是处理数据的Excel、做演示的PPT,还是画工程图的CAD、剪视频的PR和AE,本质上都在做同一件事。
把底层复杂的代码与数学逻辑,包装成人类肉眼看得懂的图形界面(GUI),也就是一层又一层的菜单栏、按钮、属性面板和时间轴。
因为在过去的软件时代,唯一的操作者是人。软件必须迁就人类的眼睛和鼠标,把功能拆成一个个可视化的按钮。
这也让熟练掌握专业软件成了一项重要能力。想把一款工具用好,除了理解相关业务,还得花不少时间熟悉它的操作逻辑。功能越复杂,学习成本往往也越高。
很多时候,我们以为自己在学习某项专业技能,其实大半精力都花在了学习“怎么跟软件界面打交道”上。
但随着Agent开始参与具体工作,这套沿用了几十年的交互逻辑,正在出现新的变化。
人需要通过眼睛寻找按钮、用鼠标操作菜单,但对于一个能够理解任务、编写代码的Agent来说,这未必是最高效的方式。
相比之下,像Remotion这样的工具,本来就支持通过代码控制视频画面,现在开发者又把相关的使用规范整理成Skill。对于本来就擅长理解和生成代码的Agent,可以说是“量身定做”。
也就不难理解,为什么短短几个月里,开源社区会涌现出上百万个Agent Skill?因为当工具的底层逻辑从“GUI界面交互”转向“Skill技能调用”,我们日常的工作流和职场竞争力的重心,也必然会跟着改变。
一方面,过去那种在十几个软件之间当人肉搬运工的工作方式正在失效。
以前做一个项目,得在文档软件里写方案、去数据软件里拉图表、切到设计工具里做配图、再导进剪辑软件里合成;而在「豆包工作」这类独立端里,数据处理、内置的创作模型、外部开源Skill调用以及各种功能被整合在了同一个工作台里,一个工具就能跑完跨专业的交付闭环。
另一方面,对我们每个人来说,未来的核心竞争力或许不再取决于你能熟练操作多少个办公软件,而取决于两件事:一是你能不能看懂行业里的真问题、提炼出有价值的观点;二是你懂不懂得定义目标、把不同的Skill组合起来,让Agent替你把想法落地成最终作品。
对于软件行业来说,也是如此。
过去厂商想让用户留下来,除了拼功能、拼生态,还要不断优化操作界面。随着Agent逐渐成为新的软件使用者,谁能让自己的专业能力更容易被AI理解和调用,也可能成为新的竞争点。
这次用豆包工作从一份行业报告做到视频成片,也算是切身感受了一回这种变化。如果你也想试试这种直接调用开源Skill干活的新工作流,可直接去网页搜索「豆包工作」下载电脑端体验。
新用户可领取30天免费体验套餐,老用户也可通过每日签到积攒额度,用来体验更多专业Skill和创作能力。