最近打开「豆包」的时候，我发现它居然改版了，还改得跟之前体验过的「豆包工作」几乎一样，只是 UI 上有一些小差异，所以对于熟悉豆包的用户来说，要体验「豆包工作」的话，不需要另外下载，直接通过豆包就能体验它的 Agent 能力。
最近正好可以免费领取 30 天订阅权益，所以试着把我几个目前跑在 Codex 上的日常任务迁过来试试。如果效果稳定，后续这类规则明确、需要定期执行的任务准备就集中到豆包里跑。这有两个好处：一方面少折腾网络环境，另一方面节省 Token 成本。
这次先尝试迁移的两个 Skill 分别用来追踪模型上新与折扣信息、收集 Agent Infra 相关的技术资讯。两个任务都已经顺利跑通。下面就分享一下它们的安装配置方法和实际运行效果，如果这些内容对你有用，可以直接拿去照搬。
安装 Skill
这里要分享的两个 Skill 我开了个 Git 仓库，需要的可以直接去克隆，后续分享其他 Skill 的话，也会一起放在这里：github.com/dyc87112/di...。
在豆包中安装很简单，只需要 2 步。
第一步：在豆包 PC 版中进入「技能·连接器·伙伴」，打开「我的技能」，点击右上角的「新建---上传技能」。
第二步：打开上面克隆下来的内容，把包含 Skill 的目录拖进来即可。
Skill 的价值并不只是保存一段提示词，它更像一份可以重复执行的任务说明书：要查哪些来源、如何判断信息是否可信、怎样去重、最终生成什么格式，都可以固定下来。换到新的 Agent 后，只要它能正确读取这份说明书，原来的工作流就有机会继续使用。
模型上新、折扣信息跟踪
下面来尝试第一个 Skill：Model Market Watch。我平时做 Agent 和 AI 网关，需要持续关注模型厂商、云平台和聚合平台的变化，包括新模型发布、新增 API 接入、价格调整和限时优惠。这些信息散落在大量官网、文档和公告里，靠人每天检查很容易遗漏。
有了这个 Skill 之后，我只需要告诉豆包：扫描最近 7 天的模型上新和折扣信息，并生成 HTML 报告。Agent 会先读取 Skill 中定义的来源和数据规则，再开始收集和整理。
这个 Skill 不会把所有信息混在一张新闻列表里，而是区分模型厂商正式发布、模型在 API 平台上架、版本变化和价格活动，同时保留时间范围、适用条件和官方证据。首次执行会建立一份巡检基线，后续再运行时就可以重点关注新增、变化和即将结束的活动。
这次迁移后的测试结果和我原来在 Codex 的使用体验基本一致：Agent 不仅生成了报告文件，还会检查报告结构和页面渲染，再给出一份可以快速阅读的摘要。测试 OK 之后，直接通过对话的方式将其设置成定时任务，每天运行并生成报告，帮助我及时了解最新最有性价比的模型。
Agent Infra 技术发展动态
第二个测试的 Skill 是 Agent Infra Daily。它关注的不是泛 AI 新闻，而是和 Agent 工程落地直接相关的变化，例如运行时与任务编排、MCP 等协议、AI 网关、沙箱与浏览器、可观测性、安全治理和部署运维。
这类信息的问题同样不是"搜不到"，而是来源多、更新快，而且真正有工程价值的内容经常被模型发布和产品营销淹没。这个 Skill 会优先检查厂商更新日志、官方文档和开源项目发布页，再按照影响范围和可信度筛选，最后生成一份面向开发者的中文报告。
使用触发也非常简单，只需要如下图所示就能激活它：
从执行过程可以看到，Agent 会先读取 Skill 中定义的分类规则、信源清单和报告格式，再按照时间范围检查相关厂商与开源项目。收集完成后，它还会对信息进行验证、去重和优先级排序，最后生成 HTML 报告及结构化数据文件。
最终报告会分别整理主流厂商更新、开源社区动态和需要继续观察的信号，并为每条内容补充"为什么重要"和来源依据。这比简单罗列新闻更适合我：我不需要逐条翻阅更新日志，只要先看当天判断，再决定哪些变化值得继续研究。
和上一个 Skill 一样，这项任务在豆包工作中也顺利跑通了。顺手把它设置成定时任务，让 Agent 负责持续收集和整理，这样我只要看值得关注的变化，不必每天在一堆网站和 GitHub Release 之间来回切换。
小结
通过这次尝试，证明了对于一些资讯类的信息整理，完全可以通过豆包的 Agent 来完成。后续准备继续将其他类似的 Skill 逐步迁移到豆包，然后以定时任务的方式配置进来，降低一下我的 Codex 工作负荷。
另外，我还发现通过"豆包"和"豆包工作"创建的对话和定时任务，都会自动整合到飞书里，所以我在这里创建的各种工作项的任务，都自动与日常工作整合到一起了。
现在「豆包」PC 客户端正好有免费领取 30 天的订阅权益，如果你也想尝试一下，正是最佳时机，可以先从 didispace-skills 下载一个 Skill，把一件自己每周都要重复、结果又容易检查的任务交给它跑一遍。