前几天在家，我跟豆包说了句「做一个可爱卡通布丁小狗主题的记账app」，@上我自己搓的那个图标技能，选「工作任务」模式让它在我这台电脑上跑，看它起了个头，我就出门了。去公园遛了个弯，中间又约了朋友吃饭。
等我到家，活全干完了。
28个图标，一张张抠好、按用途命名好，它还自己拿这些图标拼出了一个原型。一条「全部完成」的消息早就在手机上等着我。
在外面那段时间我也没完全撒手。手机上豆包接的是电脑那条同一个对话，它在跑，我在手机上又追加了几项要求、挑了几处选择，不用坐回电脑前，顺嘴就答了。
先看东西吧。
先看它干出来的活
布丁小狗那次，项目根本还不存在，一行代码都没有。它按「记账app的常见功能」的常识把清单列了出来——首页、记一笔、统计、预算这些导航位，餐饮、交通、购物这些分类图标，一个个标了用途和尺寸，28枚。
图标先出来，界面调性、密度、可不可爱，看一眼就知道，不用先憋出一整个app才看得见。
这套图标不是一次性的，用的是同一个技能。在这之前我先拿自己的录屏app花录开的刀，界面上要用的图标四十几个，它自己读了项目代码，列出来44个，一晚上跑完：
另一个技能是做PPT的。
同一个技能，我让它换着审美重做，白板简笔画、信息手册风、Neo-Brutalism、构成主义、数据年鉴风，一共五套，我一版都没手动调过：
这两个技能都是我在豆包里手搓出来的，也都免费开源了，地址在文末。
下面说说它们是怎么来的。
这活我半年前干不成
今年2月我写过一篇讲UI设计的文章，里面就有一套给app做图标的流程。
那篇文章到现在我都觉得挺有用的，但我发现这个做法虽然很多读者认可、喜欢，真用上了的人却有点少。
其实这套帮app或者网页做出更优质设计的流程本身不复杂，四步：
Step 1：先只做一个图标，多抽几次，抽到一个让你眼前一亮的风格，就把它存下来当垫图。
Step 2：让AI列出app需要的图标清单，照着清单一次性生成一张网格排列的大图。
Step 3：把大图切成一个个独立的透明png，按用途命名。
Step 4：放进项目对应的位置。
这套流程我自己用在「小猫相册」上，把整个app的图标换成了一套统一风格的小猫，底部tab栏是四只小猫在做不同的事，看书、写字、拿画笔、看身份证，发到小红书和公众号上都获得了不少好评，因为确实「更可爱」「更精致了」。
让多数人用不上这套流程的问题出在中间两步。通常你要换个工具，除了Codex外，像Claude Code、Open Code以及国内众多的coding类agent都没有生图能力。而一些具备生图能力的agent又是完全没法帮你开发。
所以通常而言，你需要多个工具联合使用，又或者，你具备给agent接独立的AI图片API的能力（能，但这一步确实卡住了很多人）。
做PPT也是同一个病。除了众所周知的Huashu Design之外，我手上还有个能做出好看PPT的流程，走的是每一页都当成一张图去生成，不走HTML截图那条路，出来的效果视觉上明显好一档。但它有个前提，之前它同样只适用于Codex，CC都完全用不了。
最近，我突然发现我这套工作流的复杂度问题突然能被解决了。因为国内确实出现了一个具备很好的agent能力，同时又内置SOTA级生图（以及生视频）能力的产品！！
那就是！！！豆包的「工作任务」模式！！！相信我，看完这篇文章你就知道你豆姐有多顶了。
这两个场景对工具的需求（强agent能力＋强生图能力），同时被它接住了。
豆包的「工作任务」
首先是，很多人可能还不了解，豆包现在除了「对话」，还多了个「工作」的入口——这其实就是agent能力的体现，选「工作任务」之后，你指定的不再是一句问答，而是让豆包自己拆解、执行一整个任务，你可以选它在云端跑，也可以选让它在你的本地电脑上跑。这套入口手机上也有，选完还能连你正在用的那台电脑——开头我人不在电脑前，靠的就是这个。
如果是在「本地电脑」的话，按 / 会出来一系列的技能，我试了下，发现除了少量豆包内置的，里面还有几十个，全是我这大半年给自己攒的，管PPT的、管校对的、管公众号配图的、管视频剪辑的，名字一个个都对得上。
这些技能平时是给别的AI工具干活的，写在电脑的一个目录里，我没为豆包适配过一行，它自己读走了。而且这活不用我额外装什么App——豆包本来就在手机和电脑上都开着，打开「工作任务」直接就能用，比再装一个agent客户端轻多了。
不过列表里出现是一回事，能不能真的准确执行是另一回事。毕竟现在很多skill能跑出来，对模型coding能力，以及模型所处的harness是有相当大关系的。
以及，我确实认真想了一个问题，就是我最近在评测和解读很多coding类或者work类产品的时候，大家都期望知道各个产品最大的特点是什么，对我来说分别会在哪些场景下使用哪个产品？
所以，考虑到豆包有国内最顶的生图模型Seedream5.0 Pro，我挑了两个很吃生图能力的skill做测试！一个做PPT，一个做成套图标。
测试1：让豆包改造重建skill
我跟豆包说，本地有个做PPT的技能，你把它改成调用你自己的生图能力，其他的操作流程和审美要求全都别动。
然后我就看着它干活，过程比结果还好看。它先自己定位到技能所在的目录，主文件很大，它没有一口气全读，而是先定位到生图相关的位置再分章节读；接着做了个我没要求的决定，新建了一个目录复制原内容再改，把我的原件原封不动留着；改动点很多，它写了个Python脚本批量替换；改完自己全目录扫了一遍残留，发现几处脚本没匹配上的，逐个手工修掉；最后剩3处它判断是合理的多环境兼容说明，保留不动。
这一套动作序列，跟一个靠谱的工程师接手别人代码基本是一样的。
改完我就用新技能干活：做一份10页介绍LLM的PPT。它先做需求判断，把受众推断成学生、产品经理和跨领域的技术人，然后出了三个设计方向停下来等我选，一版信息手册风、一版Neo-Brutalism、一版白板简笔画教学风，每个方向都写了为什么适合、信息密度多少、风险在哪，还说明了它自己推荐哪个。我选了白板简笔画那版。
「动手前必须出三个方向等用户选」这条规矩是我写在原技能里的，它改造的时候把这条一起继承进了新技能，然后新技能自己遵守了。行为约束是可以被复制进衍生技能里的，规矩开始自己繁殖了。
后面执行也有两个地方我挺喜欢：它先出了封面加一张内容页当样张，确认风格稳定才开始批量（这是技能里写的策略，它照做了）；中途下载图片超时，它自己改成分批下载，还检查了已完成的文件，没有一遇错就停在那等我。
最后交付的是一份10页的PPTX，全屏图片版式，简笔火柴人穿线，内容页底下都压了一句takeaway。上面那张十页总览里，「预训练给智商，微调给格式，对齐给人品」这句就压在第5页（从上数第三行、左边那张）底下。
效果比我预期好很多，我当场又让它换了几套设计重做，就是前面那五套。同一个技能，你完全可以根据自己的审美，以及你偏好的风格进行选择。
测试2：提要求，让豆包新建skill
第一个拼的是审美，好不好看得我自己看，说到底还是个主观判断。第二个我想要一个能客观评分的，图标切歪了就是切歪了，背景没去干净就是没去干净，你一眼就能看出来，不用听我说好。
就是前面那套图标流程。豆包的工作任务模式正好把三样放在同一个地方：生图、读写本地文件、跑脚本，我那套流程缺的恰好就是这个。
所以我用「创建技能」把需求提给它，按那四步拆成了六个Step，从读项目列清单一直到交付报告，另外写死了几条：清单必须自己去代码里读，不许反过来问我；切完要逐张自检，不达标的重切；最后的报告不许把没达标的说成达标。
它做的第一件事是去找技能的初始化脚本和写法参考，读完才开始动手，没有上来就写。真正让我有点意外的是后面这一段：写完主文件之后它没有交差，而是自己合成了一张网格图来测切图脚本，还补了两个失败场景的用例，中间Pillow没装，它自己装了再测。测出来的问题也挺有意思，先是白底残留漏检了，修完立刻反过来误报，一个漏检一个误报，两轮才收敛。
测试用例是它自己造的，漏洞是它自己发现的，动手修的那两轮也是它自己干的。
写在最后
以前这套图标流程要跨两个工具，我把图从一头搬到另一头，写出来的东西只能是教程，教你走一遍，交付不了你。现在同一套流程装进一个技能，在豆包工作任务模式里一句话跑完。
2月我那篇文章里写的「两者配合，才能形成完整的工作流」，现在可以改了。
不过跑完这一趟我想补的其实是另一句：技能这个东西，搬家是真挺简单的。
就像人一样，不管你是在哪家公司积累的skill，那都会成为你可以带着的东西，让你进入下一个公司时可以安装即用。虽然在不同的harness下，这套skill的价值可能不同。
顺带一提，我跟豆包已经聊了不算短的时间，工作、闲聊都在同一个地方攒着，这点零零散散的记忆沉淀下来，它慢慢也就更懂我在意什么、习惯怎么表达了——这个不是这次两个技能带来的，但确实是这次感受更明显的一层。
所以我现在有个新习惯，跑顺的流程就写成技能存着，把自己蒸馏成skill的事正在我身上不断发生。
一个做PPT，一个做成套图标，两个技能都在这儿免费开源了：
- PPT那个：github.com/alchaincyf/huashu-slide-doubao
- 图标那个：github.com/alchaincyf/huashu-icon-set
装的过程本身也不用你动手，把仓库地址丢给它，它自己会去clone、读README、装依赖，装完跑一遍告诉你能用了没有。
有一个细节说明：这两个技能都依赖豆包内置的生图能力，离开这个环境跑不通。
都看到这了，去试试吧～自己动手干一次比读我10篇文章更有用。
本文由作者@花叔，授权发布于平台，未经许可禁止转载。