“文明的进步，在于我们无需思索便能完成的重要操作越来越多。”——阿尔弗雷德·诺思·怀特海《数学导论》
上周，Google 公布 Google Health 的最新进展。用户可以通过照片或对话记录饮食，再结合运动、睡眠等数据获得建议。被纳入 Premium 订阅的 AI 教练，则会根据个人目标和后续反馈调整计划。围绕不断积累的健康数据，Google 正在把一次次建议组织成持续提供的服务。
这类服务里，有不少工作发生在提出建议之前。一顿饭需要留下记录，一次运动需要补充完成情况，到了周末，还要把零散信息放在一起。记录越多，整理就越重要：今天补充的份量说明、昨天没有完成的训练，都可能影响下一次安排。
这些工作也让健康管理与办公 Agent （智能体）有了交集。在这次案例中，豆包推出的独立客户端「豆包工作」将饮食照片和文字说明写入飞书多维表格，把根据运动记录调整计划的方法保存为 Skill（技能），再将两张表汇总成可视化周报。手机用于随手补充，PC 和 Web 用于查看、修改；取得所需资料访问权限后，适合云端执行的整理任务可以交给云电脑，不必一直守着本地设备。
用户没有专门开发一款健康 App，却已经把记录、计划和复盘接成了一套流程。它是否值得持续使用，可以从几件小事看起：一张照片怎样变成可核对的记录，下周的计划能否参考此前的执行情况，以及持续积累的数据能否用于下一次复盘。
▍吃什么，丢到同一张表
饮食记录首先面对的是信息不完整。一张餐食照片可以提供食物种类的线索，却很难说明个人实际摄入了多少。同样一道菜，份量、烹饪用油和酱料都会影响热量；多人分食或没有全部吃完，也会使餐盘里的食物与实际摄入量产生差别。
这次任务将当餐照片与大致份量说明一起交给「豆包工作」。Agent 先核对图片与描述中的食物，查询营养参考数据，再结合份量说明，调用计算工具估算这一餐的热量与营养构成，烹饪用油、调料等也被计入。用户可以用日常语言补充信息，减少换算份量、逐项填写的工作；无法确认的烹饪细节，仍会影响估算结果。
得到估算后，Agent 继续调用工具建立飞书多维表格，将每种食物单独写成一条记录。按日期与餐次保存份量、热量和营养构成，并在备注中保留一碗米饭按约150克换算等依据。识别与估算的结果由此直接进入表格。查看某一天的摄入情况，可以回到具体食物，核对数字采用的份量口径；复盘一段时间的饮食，也能沿用这些记录汇总，不必重新从多轮聊天中提取信息。
项目在电脑端建立后，后续记录可以通过手机继续补充。新提交的照片与说明被写入已经建立的同一张表，并参与当天汇总。输入可以分次完成，先前的记录也能与新材料一起使用。电脑端适合集中查看连续数据，外出时也能通过手机补记，不必等回到电脑前再搬运照片、重述背景。
飞书在其中继续承担存储与展示，「豆包工作」的 Agent 负责理解新材料、整理信息并完成写入。随着记录增加，下一次需要处理的内容可以从已有表格接着展开，日常补充与阶段性分析也就有了共同的数据来源。
▍下周接着练
运动计划需要把目标落实到个人能够完成的训练中。减重、塑形或针对某项能力的训练，对应的内容和强度安排会有所不同；身体情况、运动反应，以及可用场地和器材，也会影响计划。一次外出可能要求重排健身房训练，执行后的完成情况和身体感受又会带来新的调整依据。按周更新时，这些条件与反馈需要一并进入下一轮安排。
本次任务以降低体重为目标，将个人自述的身体情况、运动反应，以及已经确定的外出安排一起作为输入。Agent 先确认计划覆盖的日期和行程，再结合快跑后心率偏高、恢复较慢的描述，检索运动参考资料，把中低强度有氧与力量训练纳入方案。场地条件则决定了具体安排：前四天在健身房，结合哑铃、有氧和核心训练，外出后转为户外快走、走跑结合等无需器材的运动。目标时长、强度要求与热身、休息提示随计划保存到表格，便于之后对照实际完成情况。
这张表还要承接执行反馈。目标时长代表原先的安排，实际完成时长反映落实了多少，运动感受则补充仅凭时间数字难以表达的训练负担。除口述感受外，还可尝试补充运动 App 导出的记录或截图，由 Agent 整理后写入表格，减少时长等数据的手工转述。已有记录中，一次训练的实际时长低于目标，同时记下心率偏快、核心训练未完全完成；另一次虽然时长超过目标，却反馈腿部酸胀，小重量训练也较吃力。把时长与感受对照，下一轮计划才能参考执行中的具体差异，针对已有安排作出调整。
根据近七天的完成情况与感受生成下一周计划的方法，被保存为 Skill。这套方法会计算每日实际时长与目标时长的比值、周总时长，并提取疲惫、酸痛等感受关键词。未填写实际时长的日期也要标记并纳入后续调整，避免在分析时直接遗漏。
Skill 还写入了生成与交付规则：场地分布默认沿用上一周，有新的条件则优先采用本次信息；新计划写入多维表格时，实际时长和运动感受两栏留空，供之后填写。回读记录、核对字段和视图，也被纳入交付前的检查要求。
计划更新也不必局限于每周一次。临时外出、某次训练未完成，或希望改变后续安排时，可以补充新的条件，沿用这套规则调整计划。原有记录和保存方式得以保留，不必重新交代整套要求。具体训练强度仍需结合个人身体情况核对。
▍手机派活，云端给你周报
一周的健康记录很少在同一时刻、同一台设备上完成。午餐照片来自手机，运动情况可能晚上才补充，完整复盘则往往拖到周末。需要人守在电脑前完成的步骤越多，这件事就越容易被推迟，零散记录也越难及时变成下一周的参考。
云电脑对应的是这段执行过程。对于不依赖本地设备、且已经取得所需文件访问权限的任务，可以从手机提交要求，让云端继续汇总记录、处理表格和生成图表，再从 Web 查看结果，回到「豆包工作」独立客户端修改。提交任务与处理文件，不必都挤在用户坐到电脑前的同一段时间里。
这次周报以两张飞书多维表格中的6条运动记录和55条饮食记录为基础，由多个 Agent 分工分析。运动部分对照每日计划、实际时长与训练反馈，饮食部分汇总同期热量估算和营养结构，再结合个人目标、身体感受与自述体重变化，形成阶段性复盘。两张表按同一日期范围整理，既呈现计划完成了多少，也为后续调整提供依据。
最终生成的网页覆盖10月11日至16日：六天训练合计285分钟，其中一次未达到当日计划时长；个人自述体重下降约0.75公斤，报告提醒初期变化可能包含水分，不能直接等同于减脂。饮食日均热量估算约1630千卡，但10月16日缺少晚餐记录，均值可能偏低。并依据表内估算提示蛋白质、膳食纤维偏少，脂肪供能占比及钠摄入偏高。
调整建议也对应此前的记录：针对心率偏快、核心训练未完成和腿部酸胀等反馈，提出降低强度、调整训练顺序及减轻下肢负担；饮食方面则建议补充蛋白质和膳食纤维，减少汤底、酱料，调整烹饪方式。分散记录被整理成下一轮安排的参考，缺失信息和估算局限也一并保留。
这套周报方法随后被保存为 Skill：先将指定时间范围转换为具体日期，读取对应的运动与饮食记录，核算训练完成率、热量和营养结构，并标记漏记信息；再由多个 Agent 分别分析运动执行、饮食营养和体重变化，形成调整建议。最后，将数据、图表和结论汇入网页周报，并检查电脑与手机端的展示效果。下一次复盘可以更换时间范围，沿用同一套核算与交付规则。
这组任务也体现了「一个工具解决工作问题」的思路：资料查询、表格整理、数据分析和报告制作，都可以交给「豆包工作」接续完成，减少在多个 AI 工具之间反复转交材料、说明要求的步骤。适合云端执行的部分，还能交给云电脑处理，让本地电脑继续用于其他工作。
▍垂直 App 的价值还剩什么？
Google Health 将设备、数据和健康服务整合在一起，让用户沿着预设流程完成记录与管理。「豆包工作」则提供了另一种选择：围绕已有材料，自行组合饮食记录、运动计划和每周复盘。两者的区别，既在功能，也在于谁来组织这些功能，以及用户需要投入多少精力。
这组任务呈现出通用 Agent 的一个变化：识别照片、整理表格和制作报告，开始能够接成一套持续使用的流程。但灵活性也伴随着配置和检查，专用应用在数据采集、专业服务与日常交互上的积累，仍然影响着用户的选择。
当相似的功能可以由不同产品完成，比较的重点也会随之改变。一份计划是否容易调整，一次补充能否更新到后续报告，下一周是否还要重复整理，这些日常使用中的细节，决定了工具究竟替用户省下了多少事。「豆包工作」的价值，也需要在一次任务交付之后，延续到下一次使用之中。
目前，网页搜索「豆包工作」下载电脑端，可限时免费领取 30 天订阅权益；具体领取入口、适用条件和活动时间，以官方活动页面为准。
✦ 精选内容 ✦
YC 华裔团队造了一台本地 AI 电脑，1799 美元三天售罄
「深创超导」获数千万元天使轮融资，布局 AI 用电需求背后的聚变材料
旅行成为个人 Agent 的高频场景，「豆包工作」把几十小时攻略浓缩成 PPT