大家好，我是苍何。
刚看了《2026 年 10 月 SuperCLUE-Office 办公智能体端到端实战测评结果》，豆包工作以 85.33 分的综合成绩位列总榜第一，Kimi Work、WorkBuddy 分列第二、三位。
从这个数据来看，国内办公 Agent 赛道头部竞争可以说非常激烈了。
这个榜单是由中文语言理解权威测评机构 SuperCLUE 公开发布的。测评围绕文档处理、材料撰写、数据分析三大维度、13 项二级任务，对 8 款国内主流办公智能体产品展开端到端实战评测，重点考察 Word、PPT、Excel、图表等办公交付物的完成度。
榜单地址：www.superclueai.com/agent/Office
他们还从文档处理、数据分析、材料撰写三大维度进行了评测：
可以看到豆包工作领跑文档处理维度，Kimi Work 则更擅长数据分析与材料撰写，这也能反应出不同的产品当下在不同办公任务上的优势。
这三大维度的平均分和最大分差对比分布来看，数据分析平均分 71.72 分、最大分差 72.00 分，均分最低且分化最明显，材料撰写平均分 73.62 分、最大分差 47.75 分。
这也侧面说明了当下的办公 Agent 还需要提高数据分析与材料撰写的能力。
我的感受还挺深的，我现在的文档和协作基本是在飞书上进行的，自从飞书和豆包工作打通后，处理文档变得更加方便了。
而且能明显感觉到，你用豆包工作中处理自己的文档，交付质量是更为准确和丝滑的。
除了飞书自带的上下文，还有就是豆包工作本身的文档处理能力。
我之前让它对文档数据进行过标准化清洗，统一字段格式，输出核心指标，做台账分析。
我发现豆包工作的文档处理会更细，在交付上基本上一次就能完整完成，还是很省心的。
我的公众号选题、文章草稿、案例和复盘，散落在不同文档、文件夹和表格里，一直没腾出手系统整理，同样的任务，我用相同的提示词试过很多的办公 Agent。
提示词：在我有权限访问的飞书文档、云盘、知识库、群聊、会议纪要和多维表格中，梳理公众号内容资产。找出目前已有的内容方向，总结高频选题母题，整理可以复用的案例和文章结构，识别还没有覆盖的内容空白，给出下一阶段可以执行的选题建议。
但老实说，最后还是豆包工作处理我的这些文档上效果最好。
它在授权范围内读取了飞书里的多维表格、文章草稿、系列文件夹和云盘，把原本分散的资料放到了一起。
然后，它把这些资料整理成了一张内容资产地图 HTML。
我目前在写哪些方向，每个方向积累了多少内容，哪些主题增长更快，一眼就能看到。
有意思的是，它给文件分完类，还把我的旧资料重新连了起来，从里面长出来了新选题。
我的微信下载目录常年堆着报告和 PDF，我需要按内容分类、生成索引，但保留全部原文件，不删除也不移动。
我给 Agent 这样的提示词：
●●●提示词：操作我的电脑，打开文件资源管理器，进入 D:\Documents\xwechat_files。整理其中与 AI 有关的 PDF、PPT 和 Word 文件，读取文件名和内容摘要，然后按类别整理，在 D:\Documents 下新建「AI 资料库」文件夹，并为每个类别创建子文件夹。将符合条件的资料复制到对应目录，保留微信下载目录中的全部原文件，禁止删除和移动。最后生成一份 Excel 索引，包含文件名、文件类型、所属分类、内容摘要。遇到无法判断的文件，单独放进「待确认」，不要自行猜测分类。
豆包工作会把资料文档处理后分成 Agent 与智能体、AI 产品与工具、AI 技术与开发等类别，并生成了一份索引。
直接就能交付这个索引对应的文档表。
想想时间过的真快啊，距我们开源发布《豆包工作蓝皮书》也已经 2 个多月了。
开源地址：https://github.com/AlephAITech/DoubaoWorkGuide
字节的投入还是猛，能明显感受到豆包工作疯狂的迭代速度。
也是，眼下，国内大厂对 Agent 办公，谁又愿意慢半分呢？
对于用户来说，大厂产品的竞争，也有了更多的选择，但对很多人来说，有更多的选择，相当于没有选择。
因为，真的不知道哪个产品更适合哪个领域，总感觉好像都行，但又好像都不行。
所以，SuperCLUE-Office 办公智能体端到端实战测评我觉得还挺重要的，基于权威机构在多项关键办公任务的深度评测，去验证一些东西。
榜单看完，我最想聊的其实是它背后那个变化。
过去两年我们评 AI，评的都是单点能力。
写诗、做数学题、刷代码题，谁分高谁厉害。
但办公这件事没法这么评。
一份周报写得好不好，取决于它了不了解你上个季度到底在干什么。
一份方案靠不靠谱，取决于它有没有读过你们公司的历史文档。
所以这次把评测标准改成端到端交付物，本质上是承认了一件事。
办公 Agent 的竞争力，已经不完全取决于模型本身。
真正拉开差距的，是它能不能拿到你的上下文。
这也是我自己体感最明显的地方，而且不在分数上。
飞书和豆包工作打通之后，同样一句提示词，出来的东西完全是两个档次。
模型没变强，是它终于知道我在说什么。
这个逻辑放到行业里看会更清楚。
办公 Agent 的竞争，正在从模型能力转向工作流占有。
谁住在你每天的文档、会议、群聊、表格里，谁就握住了别人拿不到的上下文资产。
分数可以追，上下文追不了。
这大概也能解释，为什么几个大厂的分数咬得这么紧。
大家的模型水平本来就差不太多，真正的差距长在生态里。
不知道你有没有发现有个小细节。
三个维度里，文档处理的平均分最高，分差也最小。
数据分析和材料撰写平均分明显偏低，分差大得离谱。
这个断层不是偶然。
文档处理本质上是格式问题，有明确标准，能验证，模型学起来快。
数据分析是判断问题，哪条结论站得住，哪个异常该报警，没有标准答案。
材料撰写更难，它考的是对你这个组织说话方式的理解。
所以我觉得，办公 Agent 现在处在一个很微妙的阶段。
已经跨过了能不能用的门槛。
但离敢不敢全交出去，还有些距离。
榜单量的是上限，日常量的是下限。
