百度搭子 DuMate：端云双沙箱怎么用

2026 年 3 月上线时，百度搭子 DuMate 被不少评测称作"企业级满血版 OpenClaw"。这个说法抓住了它的形态——桌面执行、能操作软件——但漏掉了它真正的设计选择：它把"任务在哪执行"做成了一个可切换的选项。

它干的是"操作软件"，不是"回答问题"

普通助手给你答案，DuMate 给你一次操作。

它能看见屏幕：识别当前界面上的按钮、输入框、菜单；能操作本地软件：在 Word 里改格式、在 Excel 里做统计、在 PPT 里换版式；能串起应用：打开浏览器查资料、把结果写进表格、再生成一份演示稿。

它还支持远程下发：绑好微信、飞书、钉钉之后，在手机上发一句话，电脑端执行，结果回传。这个能力对"人不在工位但任务要跑"的场景很实用。

这些能力叠起来，它更像一个"坐在你电脑前的助理"，而不是一个聊天窗口。

端云双沙箱：一个产品，两种执行位置

图 1　两条判断标准，四个执行位置

这是它和多数桌面 Agent 最不一样的地方：端上有沙箱，云上也有沙箱。

需要 7×24 小时盯着的任务——定时抓数据、周期巡检——放云端跑，不占你的电脑；数据敏感、不能出端的任务——合同解析、财务表处理——在本地沙箱里跑，文件不离开设备。

它自己会根据任务类型和数据敏感度选执行位置，用户不需要理解背后的调度逻辑。这个设计解决了一个真实矛盾：企业既想要"随时在跑"的自动化，又不敢让数据出内网。多数产品只能二选一，它把选择权交给了策略。

端侧算力：本地也能干重活

2026 年，它和英特尔合作上线了面向酷睿 Ultra 机型的本地 Skill 专区。

意义在于：语音识别、文生图、文档与图片解析这些原本要传上云的工作，可以直接用电脑自己的算力完成；联网检索和复杂分析仍在云端。系统按任务特点和本机算力自动分流，用户不用配模型、不用装环境。

这条路线和"全部上云"是两种哲学。全部上云简单、体验一致，但带宽、延迟、合规都是问题；端侧分流复杂，但能把敏感数据的处理留在本地，也省掉上传等待。

权限：三层约束

桌面 Agent 的风险，从来不是"它会不会写错"，而是"它能不能碰不该碰的东西"。

它的做法分三层：文件夹级授权，只有你指定的工作区可读写；高危动作二次授权，删除文件、修改系统设置这类操作必须确认；全程留痕，操作行为可回溯。

再叠上沙箱隔离——所有读写都在隔离环境里发生，未经授权不访问设备其他资源。这套组合不新奇，但对"能不能进企业"这件事，是门槛而不是加分项。

增长与生态

据公开报道引用的 AI 产品榜数据，DuMate 月活达到 674.30 万，环比增长 1063.79%，在 AI 办公智能体里增速第一。这个数字要谨慎看——基数小的时候，环比增长容易失真——但它至少说明产品已经跨过了"内部试用"阶段。

生态侧，它开放了标准化 API，支持能力、任务、记忆在不同设备间同步，小度家庭硬件和第三方具身智能设备已经接入。这条线的想象空间不在办公，而在"同一个助手跟着人走"。

和 WorkBuddy、AutoGLM 的分界

和 WorkBuddy 比，两者都是桌面办公 Agent，差别在架构取向：WorkBuddy 强调桌面原生与生态打通（微信、企微、腾讯文档），DuMate 强调端云双沙箱与执行位置的调度。一个把"入口"做深，一个把"位置"做活。

和 AutoGLM 比，差别在操作对象：AutoGLM 主要操作手机 App 与网页，偏生活场景；DuMate 操作桌面软件与业务系统，偏办公与企业流程。一个在手机上点，一个在电脑上改。

三者可以共存：手机上用 AutoGLM 处理生活琐事，工位上用 DuMate 或 WorkBuddy 处理文件与流程。

适合谁

适合三类：需要处理本地敏感文件、又不想放弃自动化的企业部门；有大量"定时跑、周期跑"任务的运营与运维；以及需要远程给电脑派活的个人用户。

不太适合两类：只需要问答和写作的轻量用户——杀鸡用牛刀；以及要求完全私有化部署的组织——它有本地沙箱，但整体仍是云服务形态，采购前要确认数据链路。

一个判断方法：如果你的任务里有一半需要"打开某个软件、点几下、把结果存成文件"，它合适；如果一半以上是"读资料、想清楚、写出来"，用通用 Agent 更划算。