字节跳动的办公智能体产品豆包工作 9 月 2 日上新两项功能：多 Agents 并行，以及 Mac 系统上的”操作电脑”。这款产品 8 月 25 日才推出，节奏排得相当紧。
多 Agents 并行的做法是把单个任务拆成模块分头执行。用户提交需求后，负责组织的主 Agent 先做拆解，把偏垂直、偏专业的部分派给不同子 Agent 同时推进，最后汇总交付。官方给出的适用场景是批量处理、分模块生成、多维度调研、多渠道检索——共同特征是子任务之间彼此独立，谁先谁后不影响结果。这类任务串行跑就是纯粹的排队，并行之后交付时间能压下来，同时产出多份不同的工作成果。
反过来说，有前后依赖的任务并不适合这套机制。第二步要用第一步的结论，拆开只会让主 Agent 花更多轮次去对齐上下文。所以并行的收益高度依赖任务形态，能压掉多少时间，取决于用户会不会把需求描述成可切分的样子。
直接看屏幕点鼠标
另一项更新是操作电脑功能覆盖到 Mac。此前这个能力主要在 Windows 上，现在两个平台都能用。
它的实现路径是本地图形界面操作：不依赖 MCP、API、插件或命令行，模型直接识别屏幕上的界面元素，完成点击、填写、切换这些动作。这条路线的好处是覆盖面。企业日常用的那些内部系统、老版本客户端、没有开放接口的行业软件，从接口角度看等于不存在，但从像素角度看它们和其他窗口没有区别。谁都不用改造，Agent 就能上手。
代价也明确。GUI 操作把稳定性押在界面识别上——按钮换个位置、弹窗晚出来半秒、分辨率不一样，动作就可能落空；出错时也很难像 API 调用那样拿到明确的错误码。业内这一年在 MCP 这类标准接口上投入不小，方向是把工具调用做成结构化的、可预期的；GUI 走的是另一头，用泛化能力换适配成本。两条路目前谁也没吃掉谁，多数产品最后都会同时留着。
Mac 这一步补得有必要。国内办公场景里 Windows 是绝对多数，但设计、内容、研发这几类岗位的 Mac 比例明显更高，而他们恰好也是重复性界面操作最多的一群人——素材归档、批量导出、跨系统录入。只覆盖 Windows，等于把一部分需求最集中的用户挡在门外。
入口收在一处
豆包工作被定位成字节跳动在 AI 办公场景的统一产品入口，与飞书深度打通。这条线索和字节今年的动作是连着的：此前 TRAE 和扣子并入豆包，把分散的开发者工具和智能体平台往一个品牌下收；豆包工作则是把办公侧的入口也收进来。
对企业用户来说，判断这类产品的标准最终不在功能清单，而看单位时间内能稳定跑完多少个真实任务。多 Agents 并行提高的是理论吞吐，GUI 操作扩大的是可达范围，两者都要经过成功率这一关。字节把两项一起放出来，节奏上像是先把能力面铺开，再回头磨可靠性。
参考来源：IT之家、CocoLoop、界面新闻、豆包官方功能说明；多 Agents 并行的任务拆分方式与 Mac 端操作电脑的适用范围以官方说明核对。