超简单豆包工作，从入门到做出文档·图片·视频，再批量扒取抖音爆款

各位看官今天来聊豆包工作，学完你也能把一个抖音博主的视频，连逐字稿一起扒下来。

先说结论：这件事不需要写一行爬虫代码。

不过扒抖音只是其中一段。这篇从装客户端开始，中间走一遍做文档、生图片、出视频，最后拉一张表把对标账号的家底翻干净。

前面几节是地基。急着扒抖音的，直接跳第七节。

目录

• 一、豆包工作是什么 —— 一个能自己拆任务的智能体办公软件

• 二、下载和装 —— 一个入口、三档价格，装完先改两个设置

• 三、界面认一遍 —— 怎么开第一个任务，工作界面里的几块区域

• 四、做文档和 PDF —— 生成、转格式、拆分合并、水印、全文翻译

• 五、生成图片 —— 办公任务里调「创意设计」，能改能抠能仿

• 六、生成视频 —— 创意视频 skill 调 Seedance，从一段文案到成片

• 七、扒抖音爆款视频 —— 四个输入、11 列字段、逐字稿的分页坑

• 八、坑集锦 —— 十个会卡住的地方

• 九、Trae / Seedance / 豆包 到底是什么关系

• 最后

一、豆包工作是什么

豆包工作不是豆包：是一个能自己拆任务、调工具、把活干完的智能体办公桌面软件。

豆包通常指手机端下的 APP，或者豆包大模型。

2026 年 8 月 25 日，字节把这个办公 Agent 单独拎出来做成独立品牌，叫「豆包工作」，和飞书打通。往前四天，8 月 21 日，它的技能系统上线，已上架 200 多个技能和连接器。

和普通豆包比，差别在这三行：

关键差别在最后一行。

聊天框里的答案，复制粘贴三遍就散了。 落进表格的东西能排序、能筛选、能攒起来，下次直接在上面接着干。 所以本文这套流程，重点不在「AI 能读懂视频」，而在结果落到一张能长期用的表里。

还有一层身份要提前说清：图片和视频是模型出的，不是豆包工作自己出的。 豆包工作是个调它们的壳。这几个名字到底谁是谁，第九节展开。

二、下载和装

只有一个入口：https://www.doubao.com/work 豆包电脑版。 这里有个坑，豆包工作下载后，文件竟然占近2g，着实震惊了我，怎么这么多东西的，把所有的好东西都封装好了吗？

从豆包官网下载装上，打开就是工作界面，最新版不用再切模式。

登录支持飞书账号、手机号、微信、抖音四种。飞书账号登录会关联企业权限和知识库，个人用手机号就行。

目前注册送一个月额度，奇怪可能是推广优惠期，我目前送到10月底多送了一个月。

免费额度用完就要付费，三档，按连续包月算：

免费版不取消，基础问答照旧能用。

第四节到第六节那些活儿，免费额度大多撑不住。 先拿送的额度把第四到第六节走一遍，确认真能省你的事，再决定上不上付费档。

装完先做两件事，不做后面天天烦。

一是把「图片及本地文件打开方式」改成「豆包工作应用内」。 改完之后生成的文件能在侧边栏直接看，不用每次跳到系统里去开。

二是去「AI 生成水印管理」里把水印关掉。 文档、表格、PPT、图片、视频的水印都能关，导出成果干净得多。

第一次用会提示授权本地电脑。 建议先单独建一个文件夹，比如 D:\豆包工作，授权的时候指定这个目录，别把整个硬盘交出去。

三、界面认一遍

3.1 怎么开第一个任务

打开客户端，点「新建办公任务」。第一次可能会要授权本地电脑，点允许。

工作任务界面里有这几块：

「按需确认」建议一直开着。 高风险操作动手前先问一句，比事后收拾便宜。

3.2 本地电脑和云电脑

活儿是跑在「环境」里的。

选本地电脑，它能读写你授权过的文件夹，适合处理本机上的素材。

选云电脑，活儿跑在云端，适合长任务。比如第六节那套动画视频的流程，从头到尾都在云电脑里跑，关掉电脑也不影响。

3.3 手机豆包可以控制桌面豆包工作

四、做文档和 PDF

这一块倒是比较简单，直接开口就好，或者安装技能后使用！

4.1 生成一份文档

对话里把要什么说清楚，它生成完，点「转为文档编辑」，再导出成 Word 或 PDF。

需求里写清三样，出来的东西才不空：给谁看、要包含哪几部分、大概多长。

4.2 PDF 上能做的活儿

除了生成，上传一份现成的 PDF 也能加工。常见的是这几类：

全文翻译有个更顺的走法：用豆包工作的内置浏览器打开 PDF，边看边问。 比等它整篇译完再读快得多。

4.3 一个实际用法

官方资料里那个例子挺说明问题：丢一份日文 PDF 进去，让它接连产出官网、社交媒体素材、视频宣传片和双语 PPT。

这类连串任务的用法是——不要一件一件提，一次把整条链说清楚。 它自己能拆步骤。

五、生成图片

这一块也比较简单，直接开口就好，或者安装技能后使用！

5.1 前提：模型选对

图片和视频的活儿，免费档大多调不动。

模型手动切到 豆包 2.1 Pro 或者 Seed-2.1-pro。 默认是「自动」，多图融合、材质替换、IP 姿势生成这些高级能力，自动档调不出来。

5.2 先把授权放行

这一步不做，底部那个「创意设计」按钮会是灰的。

进「设置 → 隐私与安全 → 本地设备权限」，把这三项打开：

• 访问文件系统

• 控制浏览器

• 运行本地应用

第一次调用设计类 Skill，浏览器会弹一个授权浮层，点「始终允许」。 再去地址栏右侧点豆包扩展图标，选「授予当前网站完整控制权」。

抠图、批量导出、本地联动这几个功能，全靠这层授权撑着。

5.3 三种调用方式

• 直接说需求。比如「把这张产品图生成 8 种不同材质的渲染效果」「复刻这张海报的排版和配色，换成夏季主题」，它会自己去「创意设计」里挑对应的子能力

• 点底部 Skills 快捷栏里的「创意设计」，展开选子技能——反推提示词、批量抠图、多艺术家风格

• 结果不满意时，长按那条回复，让它重做一遍，它会重新走一遍技能链

5.4 它具体能干什么

摘掉形容，是这几类：

批量抠图那条最实用。 做电商图、做素材库，几十张图一次过，比手抠省掉一整个下午。

5.5 第三方 Skill 也能生图

除了内置的，还能让豆包工作去装别人写的 Skill 来生图。

一句话就行，不用配环境：

帮我到 GitHub 下载 xxx 的 xxx skill，并调用这个技能处理我上传的图

或者直接给地址：

使用这个 Skill：github.com/xxx/xxx

装完它会出现在技能列表里，之后当普通技能用。

六、生成视频

这个 主要看你的提示词和选择的模型能力了，目前优选seedance 2.5

6.1 先分清模型和产品

视频是 Seedance 这个模型出的。豆包工作是能调它的产品之一。

所以有两条路：一条在豆包 App 里用，一条在豆包工作里用。这篇讲后者。

这条路同样要付费套餐，加强版或高级版。

6.2 两条入口

• 办公任务模式里，技能里找到「创意视频」，告诉它用 Seedance 2.5

• 直接进「视频生成」入口，选 Seedance 2.5，输入文案或者首帧图片

6.3 文案是成败的关键

写一段 100 到 300 字的文案，至少交代三件事：主题、场景和情绪、必须出现的关键元素（品牌名、口号这类）。

做口播或者动画类，先把逐字稿写完、配音，再把每句的时间码抽出来。 后面排画面要拿这个时间轴当基准，不然音画对不上。

6.4 出片

把脚本丢过去，说一句「用 Seedance 2.5 做一条宣传片」。

Agent 会自己拆任务，还能顺手联动图片模型出画面——第五节那套生图能力，在这儿是当配料用的。

几个规格记牢：单段最长 30 秒，成片最长 60 秒；默认 720p，支持 480p、720p、1080p；时长 4 到 30 秒。 比例可选 9:16 竖屏或 16:9 横屏。

6.5 定稿

导出 1080p MP4。

哪一镜不满意，改对应的那句文字重新生成就行，不用整条重来。

要加标题、字幕、BGM、封面，还是扔进剪映做。 豆包工作负责把画面出出来，精修那步交给剪辑软件更顺手。

6.6 想做完整的动画短片

五步：

1. 写逐字稿、配音、把每句的时间码抽出来

2. 拆镜头、锁画风，让它输出镜头表和统一的画风描述

3. 按镜头出图，逐镜检查首尾帧

4. 生成视频，出剪辑方案

5. 进剪映合成，加标题、字幕、BGM、封面，导出

全程可以在工作任务的云电脑里跑。

七、扒抖音爆款视频

先看成果一句话直出三十条爆款视频，不过抖音并没有公开视频浏览量，它通过点赞数反推的！你也可以发链接给豆包工作，让他爬某个博主的视频资料。暂时还不支持直接下载视频

7.1 先看清整条链路

先把全景摆出来，后面每一步都在这个框里：

抖音博主主页
      ↓  豆包工作内置浏览器（需登录抖音）
  视频链接列表
      ↓  逐条进详情页
  标题 / 文案 / 点赞 / 评论 / 转发 / 日期
      ↓  web.fetch 抓口播
  完整逐字稿
      ↓  AI 读逐字稿
  选题方向 + 一句话主题总结
      ↓  lark-cli 写入
  飞书多维表格

三个环节各有一个容易翻车的地方，后面分别讲。 登录没做好，主页读不出作品列表；逐字稿会被截断，不分页读就只拿到半截；字段类型对不上，写进去就是烂的。

7.2 动手前的三样准备

第一样：能用豆包工作的账号。 这个 Skill 只能在豆包工作里跑。 逐字稿靠的是豆包工作内置的能力，换到别的 Agent 里没有这个工具。

第二样：一个抖音小号。 采集博主主页的公开视频信息时，Skill 会打开豆包工作内置浏览器，需要登录抖音。 建议专门开个小号，这个账号只用来读公开主页的视频信息，不下载视频，逐字稿的获取也不依赖它。 第一次运行会弹出浏览器，没登录就人工接管登一下，登完把控制权交回去。

第三样：一张飞书多维表格。 新建一张空表就够了，字段不用手建，缺的列 Skill 会自己补。 如果不想用飞书也行，明确说一句「不用表格」，结果落到本地文件，见 7.8。

7.3 装 Skill

用的是一个开源 Skill：douyin-transcript-exporter，来自 GitHub 仓库 jinchenma94/social-media-data-tools。

装法是一段话，不是点按钮。 在豆包工作的对话里，把这句原样发过去：

请打开下面的 GitHub 仓库，找到其中的 douyin-transcript-exporter Skill，阅读相关文件并完成安装：
https://github.com/jinchenma94/social-media-data-tools
安装完成后，请告诉我安装结果。

它会自己去读仓库、读 Skill 文件、把技能挂上。 装完让它报一句结果，确认挂上了再往下走。

这里有个和普通软件不一样的地方： 豆包工作的 Skill 并不会告诉你文件路径在哪里，只会显示在技能列表上。想调用它，通过对话就行；想新增，也是通过对话，另外还支持上传文件的形式。

7.4 下指令：四个输入

这一步是全文最省事也最容易踩空的地方。 给 Agent 的其实就是四件事：

两个「默认」要记牢： 数量不写就是 5 条。 扒完发现只有 5 条，先别怀疑博主没更新，八成是这个默认值没改。 表格链接不给，它会先问一句，想存本地就明确说「不用表格」。

分享短链也能用，丢一个 https://v.douyin.com/xxxxx/ 过去，它会先用浏览器打开短链，拿到跳转后的真实地址再开工。 一段能直接用的指令长这样：

帮我采集这个抖音博主的视频：https://www.douyin.com/user/xxxxx
最新 20 条，要完整逐字稿，
写入这张飞书多维表格：https://xxx.feishu.cn/base/xxxxx?table=tblxxxxx

7.5 它到底抓了什么

一共 11 列，9 列是从抖音页面直接抓的，2 列是 AI 读完逐字稿生成的。

基础采集字段（9 列）：

AI 扩展字段（2 列）：

采集顺序是这样的：先开博主主页，滚动加载全部作品，从 DOM 里抓出所有 /video/xxxxx 链接和基础信息。 再逐条进详情页，补评论数、转发数、发表日期。 首页列表上的数字和详情页可能对不上，以详情页为准。

点赞、评论、转发，这三个数只适合拿来排序，别当质量信号。 拿它当内容好坏的判据会跑偏。 一条讲得清楚但没投流的视频，数据一定难看。

7.6 最大的坑：逐字稿被截断

这一节是全文最值钱的部分。 豆包工作抓逐字稿靠 web.fetch，而它单次返回的内容有长度上限。

第一次调用返回的东西里，会带两个字段：end_offset 和 total_length。 end_offset 等于 total_length，这一条抓完了。 end_offset 小于 total_length，内容被截断了。

被截断的时候，必须带着上一次的 end_offset 继续读下一页，一直读到 end_offset >= total_length，再把几页拼成完整文本。

不分页会怎样？ 拿到半截逐字稿，而它看起来是正常的。 有开头、有句子，只是突然停住了，不逐条核对根本发现不了。

Skill 里写了四道完整性判断，满足任何一条就算不完整。 逐字稿正文不足 50 字。 内容在句子中间断掉，末尾不是句号、问号、感叹号这类结束标点。 返回内容里出现「完整内容」「web.fetch」「已通过」这类占位符文字。 调用失败或返回空。

抓不到就走回退路径：飞书妙记。

真的抓不全，还有一条备选链路：

# 加载 doubao-video-extract skill 后执行
python3 scripts/minutes/social_video_to_minutes.py "<视频URL>" --run-lark

这条路的流程是下载音频 → 上传飞书妙记 → 转写。 准，但慢。 每条 1 到 3 分钟，20 条就是半小时起步，适合抽查，不适合批量。 回退还是失败，那一条的逐字稿就留空，并在结果里标注失败原因。

这里有一条红线：逐字稿字段绝不允许写占位符。 「完整内容已通过 web.fetch 获取」这种话，一个字都不能有。 抓不到就留空、就标注失败，不能拿一句听起来完成了的话顶上——空着是信息，假话是污染。

7.7 AI 自动打标签、写总结

拿到逐字稿之后，AI 会补两列，这一节有个硬约束，不知道会翻车。

选题方向：只能从表格已有的选项里挑，不许自己新增。 流程是先用 lark-cli base +field-list 读出目标表格「选题方向」字段现有的选项列表。 然后从里面选 1 到 3 个最贴合的。

为什么不许新增？ 因为标签一旦能自由生成，几十条视频跑完，表格里会冒出十几个近义标签。 「AI 教程」「AI 入门」「AI 学习」各占一列，筛选直接废掉。

主题总结：一句话，30 到 80 字。 要求提炼本质，不重复标题，不写「这条视频讲了……」这种废话开头。 生成方式是批量一次性交给 AI，不是逐条调用。 逐字稿还会按长度截断，1500 字以内的短视频用全文，超过 1500 字的长视频截到前 2000 字。

这两列是可选的。 目标表格里没有这两个字段，Skill 默认不新建，直接跳过。

7.8 不写飞书表也行,推荐豆包表格

明确说一句「不用表格」，结果就落到本地或者直接用豆包表格（www.doubao.com），豆包工作就能打开，无须用飞书插件连接配置比较麻烦（飞书后台不熟悉会有些复杂） 目录结构是这样：

douyin_data/
└── {博主昵称}_{采集日期}_{视频数量}条/
    ├── 01_{视频ID}.md
    ├── 02_{视频ID}.md
    ├── ...
    └── _all.json          # 汇总，可选

一个视频一个 Markdown 文件，内容分五段：

# {视频标题}

## 基本信息
- 账号名称 / 发表日期 / 视频链接
- 点赞 / 评论 / 转发

## 介绍/文案
## 选题方向
## 主题总结
## 逐字稿

同时会存一个 _all.json 汇总，每条视频的所有字段都在里面，方便后面写脚本处理。 落到本地的好处是不受表格字段限制，坏处是不能筛选、不能多人协作。 一个人做调研够用，团队最好还是走飞书。

八、坑集锦

十个坑，这部分值回票价。

坑一：数量不写，只扒回来 5 条。 默认最新 5 条，指令里必须写清「最新 N 条」。

坑二：逐字稿被截断，看起来却是完整的。 end_offset 小于 total_length 就得继续读。

坑三：用 curl 或 requests 直连抖音 API。 反爬会拦，必须走真实浏览器。 登录态是拿全数据的前提。

坑四：拿测试账号跑 lark-cli。 沙箱环境里的 lark-cli 可能登录的是测试账号，对目标表格没权限，会报错 131006。 优先用系统装的，Mac 上默认在 /opt/homebrew/bin/lark-cli。

坑五：想删掉飞书表格的第一列。 多维表格的主字段不能删，只能改名，默认的主字段叫「文本」且是空的，把它重命名成「标题」就行，不要想着删掉重建。

坑六：表格里已经有了重复记录。 Skill 会拿已有记录的「视频链接」跟本次采集的对比，只写新记录，想全量覆盖得明确说。

坑七：生图生视频调不动，以为是功能没有。 多半是两件事：没上付费套餐，或者本地设备权限没放行。

坑八：忘了关水印。 生成的文档、PPT、图片、视频默认带水印，导出前先去设置里关掉。

坑九：授权本地电脑时图省事，把整个盘交出去。 单独建一个文件夹再授权，出问题好收拾。

坑十：看完就没下文。 采集本身不是目的。 跑完 20 条，从里面挑 3 条能改的，把那 3 条的开头钩子逐句读一遍，下周的选题就出来了。 表格是素材库，不是奖状。

九、Trae / Seedance / 豆包 到底是什么关系

第一节留了个话头，这里收掉。

先各自定位：

• 豆包是牌子。字节的大模型品牌，也是面向大众的那个 APP，国内 AI 原生应用里月活第一。

• 豆包工作是干活的。办公 Agent，2026 年 8 月 25 日发布。

• Trae 是写代码的。2025 年初发布的 AI 编程工具，在中国 AI 编程市场里份额第一。

• Seedance 是出视频的模型。没有独立 APP，靠别的产品承载。

2026 年 8 月那次整合是分水岭。

在那之前，Trae、扣子、豆包是三拨人、三个产品，各打各的。8 月 24 日合并团队，第二天发布豆包工作这个品牌。

整合之后，Trae 的两条线走向不同：

• TRAE Work——面向全员的工作台，并进了豆包工作

• TRAE IDE / CLI——面向开发者的编程工具，作为豆包品牌下的产品线继续做

所以在今天再问「Trae 和豆包工作选哪个」，问题本身就过时了。面向办公的那半边已经是一家。

那 Seedance 呢？

它是模型，不是竞品。豆包 APP 调它，豆包工作也调它，即梦和火山引擎都能调。同一个模型，换不同的壳。

图片那边也一样——第五节那些生图能力，底层是字节的图片模型，豆包工作负责把 Skill 串起来。

一句话收：豆包是入口，豆包工作是桌面上的那个工位，Trae 是里面的编程工具，Seedance 是它能调的一个视频模型。

同时豆包也是大模型，开始可选自动模式，熟悉后可选对应模型工作！

豆包大模型 2.1 系列的能力梯度，从强到弱、从贵到便宜依次是：

最后

整套流程跑通，大概一个下午。中途也遇到了卡顿:

## 📌 关于扒博主视频的波折，简要说明

中途确实绕了一段弯路：按技能文档默认走了飞书妙记链路，结果撞上妙记令牌限流 + 上午 5 小时沙箱故障，一度卡在逐字稿上。最后发现技能里其实有 `web.fetch` 抖音快速路径（**不占用妙记令牌**），5 分钟就把剩下的 7 条逐字稿全部补齐了。这个经验下次可以直接用，不会再卡。

真正花时间的不是装 Skill，也不是写指令——是第一次跑通和想清楚要扒谁、扒完干嘛。 这个想不清楚，扒一万条也是躺在表里的数字。

前面几节是同一个道理。生成文档、出图出视频这些活儿，快得不值一提；难的是先想清楚要什么，再把它说明白。

采集的是公开主页信息，请只处理有权访问和使用的内容，并遵守平台规则。#豆包工作

我是想风@xaiwind，一个关注出海与AI 、AIGC的创作者。

本文基于AI辅助与个人实践融合创作，如果文章对你有帮助，欢迎点赞、收藏、关注，

本人文章包售后欢迎联系或者评论区见，每天进步一点，我们终会到达目的地！

附录·本文参考

• 豆包工作官方站（doubao.com/work）与客户端内的功能说明

• 字节跳动 AI 办公产品整合公告：TRAE、扣子并入豆包，统一品牌「豆包工作」

• Seedance 模型说明：豆包大模型团队出品，通过豆包、即梦、火山引擎调用

• 开源 Skill：jinchenma94/social-media-data-tools 里的 douyin-transcript-exporter

往期优质文章：

从0到1 构建AI 知识工作流，Obsidian笔记入门

https://x.com/xaiwind/status/2105453277643211214

万字长文 ｜超详细的 GitHub 教程，从入门到精通

https://x.com/xaiwind/status/2104039563719262546

超详细Codex上手教程，从入门到精通

https://x.com/xaiwind/status/2102738292580225350

超简单 Grok Bot ，入门到一键构建机器人团

https://x.com/xaiwind/status/2100027951618416963