Câu trả lờiĐã xuất bản19 nguồn
Từ chatbot đến đặc vụ AI trên máy tính: Doubao đang tiến gần mô hình “ChatGPT cộng Codex”
Doubao đang chuyển từ trợ lý trò chuyện và sáng tạo nội dung thành tác nhân thực thi trên máy tính: phiên bản Windows có thể xem màn hình, di chuyển chuột, nhấp và gõ phím, trong khi người dùng có thể tạm dừng hoặc gi... Lợi thế của Doubao nằm ở sự kết hợp giữa tự động hóa desktop, Skills, các connector và hệ sinh t...
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- Doubao đang chuyển từ trợ lý trò chuyện và sáng tạo nội dung thành tác nhân thực thi trên máy tính: phiên bản Windows có thể xem màn hình, di chuyển chuột, nhấp và gõ phím, trong khi người dùng có thể tạm dừng hoặc gi...
- Lợi thế của Doubao nằm ở sự kết hợp giữa tự động hóa desktop, Skills, các connector và hệ sinh thái công cụ sáng tạo của ByteDance, trong đó có Seedance 2.5.
- Nên xem điều khiển giao diện đồ họa là hình thức tự động hóa cần giám sát: ưu tiên connector hoặc API được phê duyệt, đồng thời yêu cầu con người xác nhận khi đăng nhập, thanh toán, đăng tải hoặc gửi biểu mẫu không th...
Prompt AI
openai.comCreate a landscape editorial hero image for this Studio Global article: How did ByteDance’s Doubao PC client, as described in the August 21, 2026 post, evolve into a Codex-style AI agent and a Chinese “ChatGPT-pl. Article summary: Doubao’s shift is best understood as a move from a chat-and-content assistant to a desktop execution agent: it can reason about a task, access tools and connected services, and—in the Windows virtual-desktop mode—visuall. Topic tags: general, general web, documentation, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Doubao trên PC giờ đây không còn phù hợp với cách gọi đơn giản là một chatbot. Mô tả chính xác hơn là một tác nhân AI trên máy tính: hệ thống có thể hiểu mục tiêu, lựa chọn công cụ rồi thực hiện nhiều bước trên trình duyệt, các dịch vụ được kết nối và giao diện máy tính.
Vì vậy, cách ví von Doubao là “ChatGPT cộng Codex của Trung Quốc” có cơ sở nhất định. Tuy nhiên, đây vẫn chỉ là phép so sánh về định hướng sản phẩm, chưa phải bằng chứng cho thấy Doubao là lựa chọn nội địa tốt nhất để thay thế Codex. Những dữ liệu hiện có cho thấy năng lực thực thi của Doubao đã mở rộng đáng kể, nhưng các so sánh có kiểm soát về độ tin cậy, bảo mật, mức độ tích hợp và quy trình dành cho lập trình viên vẫn còn hạn chế.
Bước chuyển quan trọng: từ trả lời sang hoàn tất công việc
Bằng chứng rõ nhất đến từ Work Task Mode và desktop ảo trên Windows. Sau khi được người dùng cấp quyền, tác nhân có thể nhìn màn hình máy tính, di chuyển chuột, nhấp nút và gõ bàn phím. Người dùng vẫn quan sát được quá trình, có thể tạm dừng hoặc giành lại quyền điều khiển. 1
Điều này làm thay đổi mô hình tương tác cơ bản. Một chatbot thông thường có thể hướng dẫn cách thực hiện công việc hoặc soạn nội dung cần thiết. Còn tác nhân có khả năng sử dụng máy tính sẽ cố gắng đi tiếp vào chính các ứng dụng: mở phần mềm, nhập thông tin, chuyển dữ liệu giữa các công cụ và tạo ra sản phẩm cuối cùng.
Các mô tả về kiến trúc rộng hơn của ứng dụng Doubao trên PC còn đề cập đến trình duyệt có hỗ trợ đăng nhập, thao tác GUI trên máy tính, điều khiển công việc từ điện thoại đến PC, máy tính đám mây có thể lựa chọn, connector và các Skill có thể tái sử dụng. 2
7 Khi đặt cạnh nhau, những thành phần này gợi đến một trợ lý AI kết hợp khả năng trò chuyện kiểu ChatGPT với năng lực thực thi công việc kiểu Codex.
Vì sao phép so sánh “ChatGPT cộng Codex” có lý?
Phép so sánh này gồm hai lớp:
- Lớp hỗ trợ kiểu ChatGPT: giao tiếp bằng ngôn ngữ tự nhiên, nghiên cứu, viết lách, xử lý tài liệu, sáng tạo đa phương thức và lập kế hoạch công việc.
- Lớp thực thi kiểu Codex: thực hiện các chuỗi hành động nhiều bước trên trình duyệt, dịch vụ được kết nối, ứng dụng desktop và, khi cần, cả giao diện đồ họa.
2
7
Do đó, logic sản phẩm của Doubao không chỉ dừng ở việc “AI biết nhấp chuột”. Tác nhân này có thể trở thành lớp giao diện cho công cụ, quy trình và các năng lực chuyên biệt. Tài liệu của ByteDance nhắc đến plugin tìm kiếm web, Agent Skills và MCP, cho thấy hướng phát triển thiên về hệ thống công cụ thay vì chỉ là một cửa sổ hội thoại đơn lẻ. 17
Đây là điểm cần phân biệt. Tự động hóa GUI chỉ là một lớp trong toàn bộ hệ thống. Connector và lời gọi công cụ có cấu trúc thường giúp việc cấp quyền, truyền dữ liệu và kiểm tra đầu ra dễ dự đoán hơn; trong khi điều khiển GUI hữu ích khi không có tích hợp phù hợp.
Skill biến một quy trình cá nhân thành tài sản có thể tái sử dụng
Có thể hiểu Skill là một quy trình được đóng gói: một chuỗi bước lặp lại giúp tác nhân xử lý một loại công việc cụ thể. Trong thực tế, những Skill có giá trị nhất thường có:
- Đầu vào rõ ràng;
- Các bước lặp lại được;
- Đầu ra có thể kiểm tra; và
- Một điểm bắt buộc con người phê duyệt.
Đây là cách tiếp cận thực tế hơn so với việc giao cho tác nhân một mục tiêu quá lớn và mơ hồ trong một lần. Hãy bắt đầu bằng một quy trình nhỏ, kiểm tra kết quả, sửa các điểm dễ thất bại rồi mới tính đến việc tái sử dụng hoặc lên lịch tự động.
Các nội dung giới thiệu về Doubao Work mô tả những nhóm công việc như tạo tài liệu văn phòng, nghiên cứu, phân tích theo lịch và quy trình dùng chung trong nhóm. Trong đó, tài liệu, bảng tính, bài thuyết trình và kết quả web có thể được đưa trở lại Feishu để tiếp tục xem xét. Tuy nhiên, thông tin này đến từ một nguồn mạng xã hội do người dùng tạo, vì vậy các tuyên bố về mức độ tích hợp và khả năng cung cấp nên được xem là thông tin sản phẩm có độ tin cậy thấp hơn, chưa được xác minh độc lập. 32
Dù vậy, nguyên tắc nền tảng vẫn đáng chú ý: AI trở nên hữu dụng hơn khi con người chủ động nhận diện công việc lặp lại, có quy tắc, rồi chuyển những chuỗi thao tác đã được kiểm chứng thành quy trình có giám sát và có thể dùng lại.
Các màn trình diễn cho thấy điều gì — và chưa chứng minh được điều gì?
Những ví dụ như so sánh sản phẩm trên JD.com, tạo bảng hỏi Tencent Surveys, sắp xếp giao hàng SF Express, hoàn thiện hóa đơn, so sánh giá API, phân tích tiêu đề YouTube và chạy quy trình theo lịch đều minh họa cùng một mô hình:
Mô tả kết quả mong muốn, để tác nhân xử lý các bước thường nhật, sau đó con người kiểm tra đầu ra.
Tuy nhiên, dữ liệu được cung cấp chưa độc lập xác minh từng màn trình diễn nói trên như những tính năng phổ biến, ổn định và luôn sẵn có. Một bản demo có thể phụ thuộc vào trạng thái tài khoản, bố cục website, quyền truy cập hoặc một bước được người dùng hoàn tất thủ công.
Kết luận được hỗ trợ tốt hơn là phạm vi hẹp hơn: desktop ảo của Doubao đã cho thấy khả năng tự động hóa việc sử dụng máy tính, trong đó tác nhân có thể vận hành môi trường Windows cục bộ sau khi được người dùng cấp quyền và giám sát. 1
Đây là bước tiến đáng kể, nhưng không đồng nghĩa với việc Doubao đã chứng minh được khả năng tự động hóa đáng tin cậy trên mọi website, luồng thanh toán, hệ thống doanh nghiệp hay tình huống ngoại lệ.
Seedance 2.5 mở rộng Doubao sang “tác nhân sáng tạo”
Chiến lược tác nhân của Doubao không chỉ nhắm tới phần mềm văn phòng. Seedance 2.5 được giới thiệu với các cải tiến về sáng tạo tự sự dài, tham chiếu đa phương thức và chỉnh sửa; mô hình này cũng được đưa lên Doubao Professional. 18
Mô hình hỗ trợ tạo nguyên bản một video đơn dài 30 giây, trong khi Skill video sáng tạo của Doubao có thể dùng quy trình tác nhân để phân tích một yêu cầu lớn hơn rồi phối hợp việc tạo ảnh và video. 26 Điều này tạo ra một hình hài sản phẩm khá riêng: cùng một trợ lý có thể đi từ yêu cầu bằng ngôn ngữ tự nhiên đến lập kế hoạch sáng tạo, chuẩn bị tài sản tham chiếu và hoàn thành quy trình sản xuất video.
Điều đó chưa chứng minh video tạo ra sẽ vượt trội trong mọi môi trường chuyên nghiệp. Nhưng nó cho thấy cách Skill có thể đóng vai trò trung gian giữa mục tiêu rộng của người dùng và nhiều mô hình hoặc công cụ chuyên biệt.
Thứ tự ưu tiên để tự động hóa an toàn hơn
Cách an toàn nhất để dùng tác nhân desktop là chọn phương thức ít mong manh nhất nhưng vẫn hoàn thành được công việc:
- Ưu tiên connector chính thức hoặc tích hợp dựa trên API. Tích hợp có cấu trúc thường giúp quyền truy cập, dữ liệu đầu vào và đầu ra dễ hiểu, kiểm tra và ghi nhận hơn.
- Chỉ dùng CLI hoặc MCP khi tích hợp đã được phê duyệt và phạm vi dữ liệu rõ ràng. Đây là những công cụ mạnh, nhưng không nên được cấp quyền rộng hơn mức công việc yêu cầu.
- Xem điều khiển GUI là phương án dự phòng. Nó hữu ích với các ứng dụng chưa có tích hợp, nhưng thao tác dựa trên màn hình dễ gặp lỗi và có thể nhấp nhầm hoặc kích hoạt hành động không thể đảo ngược. Vì vậy, khả năng tạm dừng và giành quyền điều khiển của Doubao không phải chi tiết giao diện phụ — đó là một phần quan trọng của quy trình.
1
- Yêu cầu con người phê duyệt trước các hành động có hậu quả. Cần giữ người dùng trong vòng kiểm soát đối với đăng nhập, thanh toán, thay đổi tài khoản, đăng tải công khai, gửi hồ sơ cho cơ quan nhà nước và các bước xác nhận cuối cùng.
Không nên để tác nhân vận hành không giám sát trên những dịch vụ nhạy cảm như nền tảng tài chính, hệ thống thanh toán, tài khoản có quyền đăng bài công khai, cổng thông tin chứa dữ liệu cá nhân nhạy cảm hoặc các dịch vụ như Xiaohongshu, nơi một bài đăng sai hay thao tác nhầm với tài khoản có thể gây hậu quả đáng kể.
Quy tắc thực tế rất đơn giản: hãy để tác nhân chuẩn bị và điều hướng, nhưng con người phải xác nhận mọi việc khó hoàn tác.
Quy mô người dùng tạo lợi thế phân phối cho Doubao
Quy mô được báo cáo của Doubao giúp giải thích vì sao ByteDance muốn đưa sản phẩm từ trò chuyện sang thực thi công việc. Một báo cáo cho biết Doubao có 382 triệu người dùng hoạt động hàng tháng, trong khi báo cáo của chính quyền Bắc Kinh cũng dẫn con số hơn 382 triệu người dùng hoạt động hàng tháng. 2
9
Để so sánh, Reuters đưa tin ChatGPT đạt ước tính 1 tỷ người dùng ứng dụng hoạt động hàng tháng trên toàn cầu vào tháng 5 năm 2026, dựa trên dữ liệu của Sensor Tower. 33 Hai con số này không hoàn toàn tương đương: chúng khác nhau về phạm vi địa lý, bối cảnh đo lường và phạm vi sản phẩm. Chúng cũng không tự động cho thấy chất lượng mô hình, mức độ sẵn sàng cho doanh nghiệp hay độ tin cậy của tác nhân.
Cơ hội của Doubao vì thế không chỉ nằm ở việc bắt kịp ChatGPT trên một chỉ số người dùng toàn cầu. Quan trọng hơn, ByteDance có thể biến một lượng người dùng khổng lồ tập trung tại Trung Quốc thành thói quen sử dụng các công cụ công việc, dịch vụ nội địa và quy trình sáng tạo ngay trong hệ sinh thái của mình.
Kết luận: một lựa chọn đáng chú ý, nhưng chưa phải người thắng cuộc đã được chứng minh
Kết luận chắc chắn nhất hiện nay là Doubao đã trở thành một lựa chọn kiểu Codex đáng chú ý cho thị trường Trung Quốc. Lập luận này dựa trên sự kết hợp của:
- Khả năng điều khiển máy tính qua desktop ảo trên Windows;
- Các tính năng trình duyệt, thực thi từ xa và connector được mô tả cho ứng dụng PC;
- Skill, plugin tìm kiếm web và hỗ trợ MCP;
17
- Quy mô người dùng lớn được báo cáo;
9
- Khả năng tiếp cận hệ sinh thái video sáng tạo của ByteDance, trong đó có Seedance 2.5.
18
26
Những bằng chứng này chưa đủ để khẳng định Doubao chắc chắn là lựa chọn nội địa tốt nhất thay thế Codex. Muốn đưa ra kết luận như vậy cần có các phép so sánh có kiểm soát về tỷ lệ hoàn thành nhiệm vụ, khả năng phục hồi sau lỗi, kiểm soát bảo mật, độ phủ tích hợp, giá cả, công cụ dành cho lập trình viên và độ ổn định trong môi trường sản xuất.
Hiện tại, thay đổi quan trọng nhất của Doubao nằm ở quan niệm về trợ lý AI: sản phẩm không chỉ cố gắng tạo ra một câu trả lời, mà còn muốn giúp công việc thực sự tiến về phía trước. Những người dẫn đầu trong lĩnh vực này sẽ là các sản phẩm biết kết hợp năng lực rộng với tích hợp đáng tin cậy, quyền truy cập minh bạch và sự giám sát có kỷ luật của con người.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Từ chatbot đến đặc vụ AI trên máy tính: Doubao đang tiến gần mô hình “ChatGPT cộng Codex”" là gì?
Doubao đang chuyển từ trợ lý trò chuyện và sáng tạo nội dung thành tác nhân thực thi trên máy tính: phiên bản Windows có thể xem màn hình, di chuyển chuột, nhấp và gõ phím, trong khi người dùng có thể tạm dừng hoặc gi...
Những điểm chính cần xác nhận đầu tiên là gì?
Doubao đang chuyển từ trợ lý trò chuyện và sáng tạo nội dung thành tác nhân thực thi trên máy tính: phiên bản Windows có thể xem màn hình, di chuyển chuột, nhấp và gõ phím, trong khi người dùng có thể tạm dừng hoặc gi... Lợi thế của Doubao nằm ở sự kết hợp giữa tự động hóa desktop, Skills, các connector và hệ sinh thái công cụ sáng tạo của ByteDance, trong đó có Seedance 2.5.
Tôi nên làm gì tiếp theo trong thực tế?
Nên xem điều khiển giao diện đồ họa là hình thức tự động hóa cần giám sát: ưu tiên connector hoặc API được phê duyệt, đồng thời yêu cầu con người xác nhận khi đăng nhập, thanh toán, đăng tải hoặc gửi biểu mẫu không th...
Nguồn