☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

字节跳动正式推出了全新升级的豆包手机助手技术预览版本，标志着智能助手进入一个全新时代。这款产品不再局限于传统语音助手的基础功能，如设定闹钟或查询天气，而是被赋予了“手机第二大脑”的全新定位。它融合了视觉感知、长期记忆存储以及自主操作能力，能够深入理解并灵活使用手机的各项功能，真正实现替用户完成复杂任务。

该助手最核心的技术突破在于实现了业内首个真正意义上的端侧持久记忆系统。这一能力让AI可以像一位贴心的生活管家，持续记住用户的个人偏好与日常细节，并在需要时精准调用。例如，在演示中，当用户询问车辆停放位置时，助手能立即调出此前拍摄的停车照片，并标注所在楼层和区域；面对取快递的需求，它可快速解析短信内容，提取取件码；而当被问及高铁座位信息时，它会自动检索12306购票记录并准确反馈车厢与座位号。更令人惊叹的是其联想记忆能力——一旦识别到用户偏爱凡高，未来在规划相关行程时便会主动推荐与其作品相关的展览与场馆。

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”；

抖音视频画面文字提取[0 token]

从视频画面中提取文字与公式的本地 OCR 技能：支持抖音、快手、B站、YouTube 等平台视频链接下载，也支持本地视频文件；基于 ffmpeg + tesseract 纯本地处理，零 token 消耗。适用于提取烧录字幕、屏幕公式、PPT 文字、图表标注、课程讲义等。This skill should be used when the user provides a video link or local video and wants the on-screen text/formulas extra

下载

如果说记忆是基础支撑，那么跨应用自动化操作则是豆包手机助手的核心竞争力。借助先进的GUI模拟点击技术，它可以像真人一样在屏幕上进行点击、输入、滑动等操作，打破不同App之间的壁垒。比如在比价场景中，只需一句指令，助手即可同时打开淘宝、京东、拼多多和抖音电商，三秒内完成价格对比，并直接跳转至最低价商品的支付页面。在办公场景下，用户说一句“请三天假，顺便订回老家的高铁票”，它就能先在企业OA系统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。甚至对于特斯拉车主而言，“打开前备箱放东西”这样的指令也能被迅速执行，实现远程控车。

在多模态交互方面，豆包手机助手展现出强大的实时视觉理解能力。当用户将摄像头对准一本英文绘本时，助手会立刻启动实时视频解读模式，画面上同步浮现中英双语字幕，AI还能以自然流畅的普通话或英语讲述故事内容，并根据孩子的反应进行互动提问，甚至动态调整故事情节，使阅读体验更加生动有趣，宛如一场个性化的亲子共读时光。

针对复杂且模糊的长链条任务，豆包引入了全新的Pro模式。该模式整合了GUI操作、API工具调用与高级推理引擎，能够处理以往AI难以应对的综合性需求。例如，用户仅需表达“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”，助手便能自主完成整个流程：首先从记忆中确认用户钟情于凡高，接着查找当前奥赛博物馆是否正在举办相关特展，然后在地图应用中标注所有收藏的米其林餐厅，最后前往官网抢购门票并将完整的旅行计划生成后推送到备忘录中。

为保障用户隐私，字节跳动在设计之初就坚持本地化数据处理原则。所有记忆相关的个人信息均在设备本地加密存储，绝不上传云端服务器。用户可随时通过设置一键关闭记忆功能，完全掌控自己的数据权限。这种“智能+可控”的设计理念，不仅提升了使用体验，也为AI时代的隐私保护提供了值得借鉴的新路径。