撰文  | 高晓阳

编辑  |   郝   鑫

过去在网页上用扣子，本质是隔空聊天：文件要上传，结果要下载，真正的工作却发生在电脑本地的文件夹里。网页端的 Agent 再聪明，也够不着你桌面上那堆待处理的照片和做到一半的项目。

桌面端改变的就是这件事，把文件夹授权给它，Agent 就能直接读取、处理、生成文件，结果存回本地。官方的说法是：给一句话，结果就放进了你的文件夹。

宣传话术谁都会写，但还是要靠实践验真伪，我们按照官方文章里的功能点，设计了一轮实测：6 项任务，一项对应一个功能。

先说结论：6 项任务全部首轮通过，我们本来准备好的「翻车记录」一栏，一次都没用上。但整个测试下来，最让我印象深刻的不是它做成了什么，而是一件它拒绝做的事。

这次升级了什么

先交代下背景，扣子是字节跳动的 AI Agent 平台，此前主要在网页端使用。8 月这次桌面端更新，官方宣传的核心能力可以归成六件事：

•  本地文件处理：授权文件夹后，Agent 直接读取、处理、生成文件，存回本地

•  执行命令：能跑 Python、Node.js 脚本，装依赖，做 Git 操作

•  项目上下文：做到一半的项目，授权后直接读已有资料，不用一份份拖文件

•  扣子云盘：统一文件空间，支持多 Agent 接力、人机协作、多电脑同步

•  深度截图：全局快捷键把屏幕画面连同界面结构、文本一起传给 Agent

•  手机遥控：桌面端开着，手机 App 就能远程让 Agent 处理电脑里的文件

围绕这六件事，我们准备了对应的测试素材：一个混合格式的图片文件夹、一段手机拍的视频、一个半成品塔防游戏项目，以及一个故意不授权的目录做对照。

批量处理文件：一句话，整个文件夹归位

第一项测试最日常：把一个混了 HEIC、JPG、WebP 的图片文件夹，统一转成 PNG，按拍摄日期重命名成「YYYY-MM-DD- 序号」。

这种事以前要么写脚本，要么找在线工具一张张传。我们只做了一件事：把文件夹授权给扣子，发了上面那句话。

结果是全部转换成功，命名规则全部符合，原始文件完整保留。处理完的图片逐张打开检查，没有一张因为转格式而损坏。

这类任务没有技术含量上的悬念，但它解决的是真实存在的麻烦。桌面端的价值在这里体现得最直接：文件不离开你的电脑，AI 进来干活。

视频转 GIF：不用再打开那些转格式网站了

第二项是把一段手机拍的视频做成 5 秒以内的 GIF。

作为一个公众号作者，这个功能对我有特别的意义。文章里能用动图的地方我绝不会放视频，动图的观感流畅得多。以前做 GIF 要去在线转换网站，上传、等转换、下载、再拖进编辑器，中间还要忍受满屏广告。

这次的体验是只需说一句话，一个 6.1M 的动图出现在指定文件夹里，时长符合要求，全程没有要求我们安装任何软件，Agent 自己找到了处理方法。

这不是什么惊天动地的能力，但它砍掉的是一个重复了无数次的琐碎流程。

补完一个半成品项目：这轮测出了真本事

真正拉开差距的是第三项，我们交给它一个半成品塔防游戏：前后端骨架都在，后端缺登录功能，前端有一部分没做完。

Prompt 里我们提了三个要求：补登录（注册、登录、登录态校验），完善前端未完成部分，把项目跑起来。并且加了一个约束：按项目现有技术栈来写。

这个约束是有意设计的，AI 编程工具接旧项目时最常见的翻车方式，就是无视原有代码，按自己习惯另起炉灶，最后留下两套风格迥异的代码。

扣子没有踩这个坑，它先梳理了项目结构，正确识别了技术栈和完成度，新增代码完全沿用原有技术栈。项目一次跑通，注册、登录、登录态校验的完整链路全部走通，前端缺的部分也补齐了。我们还专门检查了密码存储方式，不是明文。

过程中有个细节值得单独说，执行编程任务时，扣子会分配一个 2 核 4G 的开发态沙箱，右侧窗口实时预览页面效果。做前端开发时不用在 Agent 和浏览器之间来回切换，这个体验设计是用了心的。

深度截图：不只截了一张图

深度截图的官方说法是，按下全局快捷键，画面会连同界面结构和文本一起传入对话框。macOS 是同时按下左右两个 Option 键，Windows 是 Ctrl+Alt+A，初次使用的话还是需要在设置里面打开。

我们对着一个真实的终端报错按下快捷键，问它这个报错怎么解决。它准确定位了报错内容，给出的方案确实解决了问题，全程不需要我们补充任何背景描述。

但测试里发现的一个细节，比官方宣传的更有意思：按下快捷键的那一刻，扣子不只截了图，还自动把截图里的文字提取出来，生成了一个文本文件。

这个动作的意义在于，即使后续处理任务的模型不是多模态的，也照样能读懂你屏幕上的内容。截图是给人看的，文本文件是给模型看的。一个动作，两种输入，这是把「所见即所得」真正做进了技术链路里，而不是停留在宣传语层面。

云盘接力：它读到的是我改过的版本

第五项测的是人机协作的真实工作流：让 Agent 根据塔防项目写一份产品介绍初稿，放进云盘同步文件夹；然后我们在本地用 Word 打开，改标题、删段落、补说明，保存；再让它基于修改版继续扩写。

整条链路最关键的一环是：它第二次读到的，到底是我们改过的版本，还是它自己生成的原版？

答案是修改版，本地保存后云盘实时同步，让它复述修改内容，一处不差。

这个验证之所以重要，是因为「AI 写初稿、人来精修」是人机协作最常见的模式。如果同步链路有任何一环掉链子，AI 接力续写的就是一个已经被你废弃的版本，协作就变成了互相覆盖。

手机遥控：双端是真互通

最后一项，桌面端保持打开，人离开电脑，用手机扣子 App 远程发指令：统计 photos 文件夹里有多少张图片，各种格式各几张。

任务成功执行，桌面端不需要任何手动确认，回传的数字和实际文件数完全一致。

手机遥控不是什么新鲜功能，大部分桌面端 Agent 都有。比的其实是稳定性：双端消息是不是真互通，延迟能不能接受。实测下来，消息延迟基本可以忽略，PC 端有的功能，移动端都具备。出门路上想起有批文件要处理，这件事现在是成立的。

一件它拒绝做的事

说完六件做成的事，说一件它没做的事，这件事在我看来比前面所有测试都重要。

测云盘的时候，我们顺手做了一个计划外的试探：新建了一个项目，在没有授权云盘文件夹的情况下，让它去访问云盘里的内容。

请求被拒绝了，回复很明确：没有权限。

我对桌面端 Agent 的权限问题一直格外在意，从来没有给任何 Agent 开过「完全访问」权限。道理很简单：一个能读你文件、能执行命令、还能被手机远程驱动的程序，权限失控的代价远大于它带来的便利。能力越强，失控的破坏半径越大。

扣子在这件事上的设计是「目录由你选择，权限由你掌控」：你只能把明确授权的文件夹交给它，项目与项目之间的文件夹也不能互相访问。实测证明这套边界是真实生效的，不是写在官网上的装饰。

这次它的「边界感」，让我很安心。

写在最后

回到开头的结论，扣子桌面端这轮实测，六个功能全部兑现，没有注水。批量处理文件、一句话做 GIF、补完半成品项目、深度截图、云盘接力、手机遥控，每一项都站得住。

但如果你问我这轮测试最大的收获是什么，我的答案不是这些功能本身。

桌面 Agent 这个品类，正在从「它能做什么」的竞争，悄悄转向另一个维度：你有多放心让它去做。能力决定上限，边界决定信任。前者各家的差距会越追越平，后者才刚刚开始被认真对待。

给 AI 一把你电脑的钥匙，前提是它真的只开你允许的那几扇门。至少在这次实测里，扣子做到了。

微信号｜TMTweb

公众号｜光子星球

  别忘了扫码关注我们！