今天深入体验了一把「豆包工作」,跑了5个项目:安装Skill和rules、写剧本做动画(SD生成韩立结婴名场面)、跑项目代码写产品、PPT制作(韩立的一生)、绘本项目Skill化(不用单独调API了)。
一下载完发现这玩意跟豆包里面的长得一模一样,我截了两个客户端的不同图片,除了几个文字,没有任何区别,所以说有豆包客户端的可以不用下载豆包工作了,就是同一个东西,真的一毛一样(图1)。然后还有一点就是说是下载送30天订阅,下载完发现我的订阅消耗早就在豆包开始了,我都不知道。😢
大的功能层面,大家大同小异,但是很多细节可能不同,界面上很多地方改成了说人话,比如技能、连接器、推理强度什么的,这一点挺好的(想起一个问题,大家一直都在探讨WorkBuddy是怎么火的,很多说因为它简洁、说人话、体验好,我感觉也不一定。WorkBuddy里面选择模型的那个消耗速度写成 0.03x这种,肯定很多人看不懂干嘛的吧),还有的细节比如说支持4中方式登录,支持选中多个本地的文件夹作为项目,可以远程手机控制等等。但是感觉很多配置项还是比较复杂,比如说最下面那一行给人的感觉是从左到右都要选择(用箭头连着),选完本地电脑选项目,选完项目选权限,选完权限选Skill,选完Skill选连接器。在点击选择那个技能里面的时候,就是下面这个图片里面的弹窗。我以为里面只有技能,结果里面又展示了其他的用量呀、工作模式、管理项目这些的入口,而且放在最上面,也显得会比较复杂(图2)。不过跑起来之后速度非常快,模型我选择的是自动挡,应该算力是比较充足的吧。
第一个项目是,我把我之前在Cursor里面的所有的那些Skill还有Rules能搬过来的都搬过来了。整个安装的过程。读取呀,都没啥问题,我试了几个,也都可以用。但是Rules这边就不一样了,就是在豆包工作里面,我让它帮我安装这个Rules的时候,它没有这个概念。所以说它不知道怎么安装,也不知道安装到哪。跟它聊了几轮之后,发现它有一个个性化设置,那个其实就是类似于Rules的一个配置。然后我试了一下,只能手往里面去填,没法说让它自己帮我安装配置好。所以说和Cursor这一类产品底层逻辑还不太一样。这里我推荐一个我觉得非常好用的全局Rules或者说是个性化配置,在图里面可以自取(图3)。
第二个项目是写剧本做动画,因为我本身的Skill里面有一个做动画的流程,通过导演呀、服化道呀,最终生成c单词的提示词呀,这整个流程都是有的。然后我就想在里面去测一下,然后发现它给我推荐了一个它原生的一个适配c单词的一个Skill流程,然后我测了一下,效果还挺好的,一步一步让我确认之后往后走,但最终的那个视频是没有生成的,韩立结婴的那些图片都有了,但是最终生成视频的时候。不知道什么原因,一直失败。然后聊了半天,可能说是就是版权的原因吧。资产呀、角色呀、服化道这些都做的特别好。然后没有视频,我就把这个图片截一下,可以瞅瞅(图4,图5)。
第三个项目是我之前做的一个网页,没做完。然后它是一个字帖工具的一个网页,然后有PC端和移动端。然后他帮我把整体的视觉风格进行了一个优化,帮我做了这个产品的Icon logo,然后首页进行了一个重新的一个设计。然后改了改里面最核心的两个问题,第一就是里面字体库的问题,然后他又帮我安装了一些。然后还有一个就是最终生成PDF的时候,和预览图不一致的问题。这个其实并没有完全解决,之前我一直是用 cursor做的Cursor也没有完全解决这个问题。改天得再仔细研究一下。部署了一下,点击链接可以体验:
temporary-fleet-basalt-rtiax96.vercel.app (图6)
第四个项目是,让他做了一个PPT,然后PPT的主题是韩立的一生,做出来效果还挺好的。然后用到了剧照、大图,图片也不模糊。然后没有图片的地方,他参考剧照,然后用AI生成图片也给补全了。属于基础操作吧,但是稳定性非常好,基本上没有什么问题就可以支出。符合一个通用Agent的一个能力。因为它是直接打通了那个飞书嘛,所以它生成的那个PPT直接就是在我的飞书的云文档里面,它是有一个在线链接,是可以直接进行分享的,效果大家可以点进去看👉
my.feishu.cn (图7)
最后一个项目是之前写的一个绘本生成的一个网页工具,主要是面向小学生的,然后学习英语的英文绘本,然后根据书的一个故事主题,然后他可以去自己去编排,然后生成一个完整的绘本故事,每一页有图片、有中文、有英文、有音频,然后这个产品的难点是,生成的故事前后完整、连贯、一致,并且图片里面的每个角色、场景的一致性保持。然后之前做这个产品的时候,我是调用外部的一些API用来生成故事,还有生成它的绘本图片以及TTS的。但是我想到豆包工作本身就内置有这些能力,那我直接把它转化成了一个Skill,那么我输入一句话之后,它直接就可以帮我生成这样一个故事出来。然后验证完成,确实是这样的,它最终成功生成了(图8)。我觉得这是豆包做Agent产品的一个优势,它是把各种多模态的能力是集合到自己的产品里面的,跟其他单纯的就是编程型的这种Agent是不一样的。
还有最后一点就是,我在中间最后一个项目的时候,发现额度消耗完了,它让我订阅,我才知道它也是那种5小时额度的方式。但是它在额度消耗完成的时候,它还送了我一张重置卡,然后我就直接重置使用了(图9)。