字节炸场！豆包手机助手来了：AI可直接控制手机

字节跳动近日推出了全新一代豆包手机助手的技术预览版本。与传统语音助手仅能完成设定闹钟、查询天气等基础任务不同，这款产品被赋予了“手机第二大脑”的全新定位。它融合了视觉感知、长期记忆以及自主操作能力，真正实现了替用户全面掌控和使用手机各项功能的智能体验。

该助手最令人瞩目的技术突破，在于首次在行业内实现了真正的端侧持久化记忆功能。这项能力让AI如同一位贴心的生活管家，能够记住用户日常中的各种细节信息。

在实际演示中，这一特性展现了惊人的实用性。当用户询问自己的车停在哪里时，助手可立即调取此前拍摄的停车位照片，并附上详细的楼层与位置指引。

当需要领取快递时，系统能迅速解析短信记录并准确报出取件码；而在用户问及高铁座位信息时，它会自动检索12306的购票历史，精准告知车厢与座位号。更进一步的是，这种记忆具备联想推理能力——例如，若系统已知用户钟爱凡高作品，则在规划巴黎行程时，便会主动推荐奥赛博物馆作为必去景点。

立即进入“豆包AI人工智官网入口”；

立即学习“豆包AI人工智能在线问答入口”；

如果说记忆是智能的基础，那么跨应用自动操作则是豆包手机助手的核心优势。借助先进的GUI模拟点击技术，它可以像真人一样操控屏幕，实现跨App的自动输入、点击与滑动。

在比价场景中，只需一句指令，豆包即可同时打开淘宝、京东、拼多多和抖音电商，3秒内完成价格对比，并直接跳转至最低价商品的支付页面。面对复杂的办公需求，如“帮我请三天假，顺便订回老家的高铁票”，助手能先在办公软件中填写请假申请并提交审批，随后无缝切换至12306完成购票与付款。

甚至连特斯拉车主也能享受便利：只需说一句“打开前备箱放东西”，助手便可远程发送指令，控制车辆执行相应动作。

课游记AI

AI原生学习产品

86

查看详情

在多模态交互方面，该助手展现出强大的实时视觉理解能力。当用户用摄像头对准一本英文绘本时，豆包手机助手将立即启动实时视频互动模式。

画面中不仅浮现中英双语字幕，AI还能以标准普通话或流利英语讲述故事，并与用户进行问答互动，甚至根据孩子的反应即兴改编情节，使阅读过程更加生动有趣。

针对复杂且模糊的长链条任务，豆包特别引入了Pro模式。该模式整合了GUI操作、API工具调用与高级推理能力，能够处理以往AI难以应对的综合性指令。

例如，当用户仅表达“下个月去巴黎，把收藏的餐厅标到地图上，再帮我订一张有我喜欢展览的博物馆票”时，助手便能自主完成整套流程：首先从记忆库确认用户偏爱凡高，接着查找发现奥赛博物馆正在举办相关特展，然后在地图应用中标注收藏的米其林餐厅，最后访问官网抢购门票并将完整行程单推送至备忘录。

在展现强大智能化的同时，字节跳动也高度重视隐私保护。官方强调，所有记忆数据均在设备本地处理并加密存储，绝不上传云端。

用户拥有完全控制权，可随时通过设置一键关闭记忆功能。这种设计既保障了极致的智能体验，又实现了真正的安全可控，为AI时代的个人隐私防护提供了创新范本。

以上就是字节炸场！豆包手机助手来了：AI可直接控制手机的详细内容，更多请关注php中文网其它相关文章！