字节跳动联手努比亚，「努比亚 M153」工程机搭载豆包手机助手

知识的诅咒：

我们一旦知道某种知识，就无法想象不知道这种知识时会发生什么，我们的知识“诅咒”了我们。我们很难与他人分享这些知识，因为我们无法轻易摸透听猜者那一方的心理状态。

我是麻薯，关注麻薯，不当韭菜不挨割。

我90年出生的，算是完整经历了网吧林立进入互联网时代，PC走入千家万户成为每个家庭和世界沟通的重要桥梁，也经历了移动互联网成长。

到了今天，绝大多数的00后小孩们都快不会使用电脑了，当然我的同龄人中也大量不会用的。现阶段数码用户们完美进入了乔布斯规划的理想状态。

消费者并不知道自己需要什么，直到我们拿出自己的产品，他们就发现，这是我要的东西

我们把这个论断延伸一下就成为了产品经理的圣经“把用户当傻瓜”。大家都在致力于开发傻子都会用的产品，不需要告诉用户结果是怎么来的，你只负责输入就行了。

结果也是显而易见的，需要用户思考逻辑的产品活不下去或者成为专业工具，只有不需要动脑子的产品才会活的好。

比如抖音，滑动一下就是下一个内容，根据停留时间，互动等数据，算法推荐你喜欢的内容。

再比如当年的探探，这个更直白了。

这些事儿和「努比亚 M153」工程机有什么关系呢？

有没有一种可能，绝大多数的用户不会使用“提示词”。

现在你脑海中出现的是不是“这个世界怎么可能会有人不会用提示词”？

我作为一个从2000年就开始倒腾电脑，大学学的工科，现在工作和IT行业一毛钱关系都没有，但是现在还在学习编程，自己搞LLM模型本地化部署帮我干活的数码爱好者来说，我日常生活的圈子中，没有一个人可以独立的使用任何AI工具，利用自己的思路框架，写一篇两万字的短篇小说，并后续利用AI工具进行润色。

以我的经历来看，绝大多数人使用AI的方法是

“鱼香肉丝怎么做”“帮我P一下这张照片”“今天的天气怎么样”“这是什么花”

我是什么时候有这种感悟的呢？

前几天我爱人写教学计划，编不下去了，让我用AI给她编，我很好奇，自己用AI不就行了，为什么还要我用AI给她编？然后我就看到了她的提示词“给我写一篇特教儿童上拼音课的教案”。

我用AI给她编的时候，我开始不停的问她，孩子多大了，什么病，现在情况如何，学到哪里了，掌握的水平什么样，接下来的时间预期达到什么效果，难点在哪里，准备怎么克服难点。

然后我俩就吵起来了。

她不理解让AI写东西为什么要问她那么多，我是不是不想管。

我不理解你什么都不告诉AI，它能写个P出来。

这就是豆包要面临的第一个问题，表面上看豆包不再只是应用层助手，而是能够深度嵌入系统、参与底层交互，在解锁、输入、系统操作、一站式任务执行等方面具备更高权限和更自然的交互体验。但是如何通过用户模糊的需求描述，分析出用户的真实需求，进而满足需求。

举个简单的应用场景：

我要买个那玩意，帮我比比哪便宜

相信我，大多数用户并不能精准的说出他要购买产品的准确名字。口语中有大量的代指词，省略主谓宾的表述。

现代人的语言系统崩溃的挺明显的，经常说话没有上文，就直接代指和省略主谓宾，然后认为自己说的是一个祈使句。

我只能说，豆包加油。

要面临的第二个问题，则是操作方式，现阶段大家用的都是“Computer Use”作为解决方案。利用无障碍功能实现应用界面识别、模拟用户操作的权限。比如“李跳跳”，就是借助无障碍服务检索手机App窗口，并模拟用户点击屏幕上的“跳过”按钮来实现自动跳过广告。

虽然豆包手机助手与努比亚合作，直接从系统底层开放权限，但是操作问题并没有解决，第三方软件和AI助手之间没有一个接口来调度操作，而是让AI去模仿人类与APP的交互，这必然会带来更长的任务执行时间，而这就代表更多token的消耗。

Anthropic曾经提出MCP协议，AI模型可以使用通用协议来调用不同的服务和工具。但这事儿App开发者根本不考虑。

App上的广告是重要收入来源，接入MCP就等于这部分收入要打折扣——广告主必然考虑这个广告是投给人看了，还是投给AI看了。

所以，字节跳动自家的抖音、飞书也没有适配MCP协议。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～