字節(jié)跳動近日推出了一款名為豆包手機助手的技術(shù)預(yù)覽版，這款產(chǎn)品憑借其突破性的功能設(shè)計，重新定義了手機語音助手的邊界。與傳統(tǒng)只能完成簡單指令的助手不同，豆包手機助手被賦予了視覺感知、長期記憶以及跨應(yīng)用操作能力，甚至能夠深度理解并執(zhí)行復(fù)雜任務(wù)，成為用戶手機中的“智能伙伴”。

該產(chǎn)品的核心亮點之一是端側(cè)記憶功能。通過在手機本地實現(xiàn)持久化存儲，豆包手機助手能夠像私人管家一樣記住用戶的日常細節(jié)。例如，當(dāng)用戶詢問車位信息時，助手會直接調(diào)出之前拍攝的車位照片并標(biāo)注樓層；在需要取快遞時，它能快速讀取短信中的取件碼；甚至在查詢高鐵座位時，也能自動翻找購票記錄提供準(zhǔn)確信息。更令人驚喜的是，這種記憶具備聯(lián)想能力——若用戶曾表達過對梵高的喜愛，助手在規(guī)劃巴黎行程時，會優(yōu)先推薦奧賽博物館的梵高特展。

跨應(yīng)用操作能力則是豆包手機助手的另一大殺手锏。借助先進的GUI模擬點擊技術(shù)，它能夠像真人一樣接管屏幕，突破應(yīng)用壁壘完成自動點擊、輸入和滑動。在購物場景中，用戶只需一句指令，助手即可在3秒內(nèi)打開淘寶、京東、拼多多和抖音電商，比價后直接跳轉(zhuǎn)至最低價商品的支付頁面。在辦公場景中，它甚至能響應(yīng)“幫我請三天假并訂回老家高鐵”的指令，自動填寫請假單、提交審批，隨后無縫跳轉(zhuǎn)至12306完成訂票和付款。對于特斯拉車主，一句“打開前備箱放東西”即可實現(xiàn)遠程車輛控制。

多模態(tài)交互方面，豆包手機助手展現(xiàn)了強大的實時視覺理解能力。當(dāng)用戶將英文繪本對準(zhǔn)攝像頭時，助手會立即啟動視頻通話模式，畫面中同步顯示中英雙語字幕，AI用流利的普通話或英語講述故事并與用戶互動提問。更有趣的是，它能根據(jù)孩子的反應(yīng)臨時改編劇情，讓閱讀過程充滿趣味性。例如，若孩子對某個角色表現(xiàn)出興趣，助手會即興擴展相關(guān)情節(jié)，提升互動體驗。

針對復(fù)雜的長鏈條需求，豆包手機助手引入了Pro模式。該模式整合了GUI模擬點擊、API工具調(diào)用和超強推理能力，能夠完成以往AI難以處理的任務(wù)。以巴黎旅行為例，用戶只需模糊表達“下個月去巴黎，把收藏的餐廳標(biāo)到地圖上，再幫我訂一張有我喜歡展覽的博物館票”，助手便會自動執(zhí)行全流程：確認(rèn)用戶喜愛梵高后，搜索奧賽博物館的梵高特展信息，打開地圖應(yīng)用標(biāo)記收藏的米其林餐廳，最后跳轉(zhuǎn)官網(wǎng)搶票并生成行程單推送至備忘錄。

在隱私保護方面，字節(jié)跳動采取了嚴(yán)格措施。所有記憶數(shù)據(jù)均在手機本地進行處理和加密存儲，絕不上傳至云端。用戶擁有完全控制權(quán)，可隨時在設(shè)置中一鍵關(guān)閉記憶功能。這種設(shè)計既確保了智能體驗的流暢性，又為用戶提供了可信賴的隱私保障，為AI時代的隱私保護提供了新思路。