北京
一个完全不懂编程的普通用户，能不能独立完成从数据抓取、统计分析到报告生成的全套工作流？豆包最近的一次实践，给出了肯定的答案。它用自然语言指令，替用户跑完了 DeepSeek Harness 插件生态调研的完整链路——从 GitHub 上抓取数据，到生成 PPT 和文字报告，全程没有写一行代码。
这体验，就像给普通用户量身定做的"大众版 Codex"——不写代码、不懂工程，也能完成复杂的工作流。
自动化采集：12,000 多个插件仓库的数据是怎么来的
整个流程的第一步，是数据采集。豆包通过调用 Lark Sheets 技能，实现了对 GitHub 上 DeepSeek Harness 插件仓库的自动化抓取。面对 API 限流这类工程问题，它没有卡住，而是自动将大规模任务拆解为多个小窗口分批处理，最终生成了一份包含 12,000 多行数据的 Excel 表格。
这个环节原本是专业工程师的活——写爬虫、处理反爬、管理请求频率。豆包把这些全部封装进了自然语言交互里，用户只需要描述"我要调研哪些插件"，剩下的执行细节由它自己搞定。
探索性分析：不用你提需求，它自己找维度
数据拿到之后，更关键的问题来了：从哪些角度分析？传统做法是用户先想好维度，再让工具去执行。豆包的思路是反过来的——它先调用内置的 doubao-visualization skill 跑一遍探索性分析，自己给出 8 大类分析维度，包括插件规模、活跃度、语言分布和影响力分层等。
这个设计很聪明。普通用户往往说不清"我想看什么"，但豆包通过自动探索，把可能值得关注的角度先列出来，用户只需要从中挑选或确认。它把"提需求"这个门槛也一并降低了。
报告生成：分析结果直接变成可交付的 PPT
最后一步是输出。豆包通过 lark-slides-pro Skill 生成了包含标题页、概览页、分析页和结论页的完整 PPT 报告，同时整理了一份详细的文字版调研报告，方便后续查阅和引用。从数据到成品，全链路自动化完成。
豆包直接替用户跑完了插件数据抓取、统计分析和报告生成的全链路。这件事的意义在于：它把过去需要工程师、数据分析师、报告撰写者三个人协作的活，压缩成了一个对话。对于没有技术背景的普通用户来说，这可能是 AI 从"聊天工具"走向"生产力工具"最实在的一步。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
