谁决定 AI 能不能代操作你的 App?豆包 SAEP 把拒绝权写进了协议

9 月 14 日，豆包手机助手消费者版发布。「操作手机」以 Beta 开放，旁边多了一份叫 SAEP 的声明协议。真正戳到行业神经的，不是演示里那个柜子，是第三方 App 可以说：不准你在我这儿点。

● ● ●

能干活的手机助手，卡在谁的门口

上周写 Meta Muse 的时候，我盯的是云电脑和哨兵：Agent 在云上替你填表，你要在对话框外面点同意。

这周换了场地。场地变成你口袋里的手机。

助手不在隔离的 Linux 小箱子里跑网页，它就在系统层——能看见你当前屏幕，能跨应用模拟点按、滑动。听起来更「贴身」。也更麻烦。因为手机上几乎每一件事，都落在某个第三方 App 的界面里。叫车、下单、改日程，门不在模型手里，在 App 手里。

所以尖锐的问题不是「模型聪不聪明」。是：谁决定 AI 能不能代你操作这个 App——你？手机厂商？还是 App 自己说了算？

9 月 14 日，豆包给出了一个阶段性答案：推出 SAEP（Screen Automation Execution Protocol，屏幕自动化操作声明协议），让第三方自己声明允许或拒绝。明确拒绝的，助手不自动化。规则公示大约 30 天，按发布日粗算，到 10 月中旬前后。

我把这句话拆开看。它承认了一件土事：系统层 Agent 想天天用，得先过生态这关。模型演示再漂亮，App 说不让点，演示就停在玻璃外面。

系统层 Agent 停在 App 门口

● ● ●

消费者版到底发了什么（媒体转述）

先把产品面摊开。口径主要来自中新网、IT之家对官方 / 发布视频的转述，以及 21财经对 Beta 与 SAEP 的补充。我没假装手里有一份已核对的官网新闻稿原文。

豆包手机助手消费者版，基于豆包 App，和手机厂商做系统层合作。相对去年底的技术预览版，官方视频强调的是稳定性和日常可用性——话翻译成人话：少翻车、能天天用，而不是再秀一截酷炫原型。

唤醒两条路：语音，和专属 AI 键。AI 键带指纹鉴权。本人验证过，可以免二次解锁直接调助手。这设计很「手机」：你不想把整机解开，又想喊它办一件小事。

屏幕问答是我觉得更接近 Agent 的一步。不必截图，不必切出去开另一个对话窗，助手结合当前屏幕继续干活。官方演示是：打开相机对准室内装修，说根据这个风格，找一个一米二以内、千元内的柜子，然后去电商找商品。注意——这是演示口径，不是我实测成绩单。

本地搜索覆盖相册、短信、便签一类。例子写得很生活：港澳通行证什么时候到期。办公向则升级了录音，并接上飞书妙记；你可以追问「昨天访谈里提到的产品建议」。手动存一条「屏上记忆」也有几条入口：语音、三指上滑、AI 键加音量键同时按住。

任务执行的官方例子更直：说「帮我叫一辆去公司的车」，助手确认常用地址、选车型、发起下单。到哪一步会停下来让你确认，公开材料没给我一张逐步流程图。我只记演示叙事，不替官方补全支付链路。

这几项能力叠在一起，画像其实很清楚：它想当你手机里的本地上下文中枢——看得见屏、搜得到本地、记得住你手动存的那一帧，再偶尔替你把跨 App 的脏活干完。画像清楚，不等于今天已经稳。预览版到消费者版，官方自己把形容词从「炫」拧向「稳」，我当这是认账，不是谦虚。

「操作手机」——去年预览版最吵的那项——这次以 Beta 开放。21财经写得直白：可以跨应用模拟点按、滑动；稳定性、覆盖范围、第三方支持，仍有待完善。Beta 两个字，我建议你当产品说明书上的警告标签看，别当「已经全量可用」的勋章。

消费者版能力一览：唤醒、看屏、本地记、代办

● ● ●

SAEP：拒绝权写给了 App，不是写给你一个人

回到协议。

SAEP 的中文名就写在媒体稿里：屏幕自动化操作声明协议。它做的事，用大白话说，是给第三方 App 一个正式的拒绝位。你可以声明：允许 AI 在我这儿自动化；也可以声明：拒绝。豆包侧口径是充分尊重开发者意愿——明确拒绝，就不做自动化操作。

公示期大约 30 天。21财经按发布日算，写到约 10 月中旬。官网已经露出「开发者接入」入口，但标注仍早期；首批接入名单没有公布。这两句很关键。没有名单，就意味着今天你没法拿着一张表去核对「哪些 App 真的让点了」。协议在，生态地图还是空白。

我可能说得难听一点。允许自动化，等于把界面的一部分交给外部助手；拒绝，等于这个 App 里 AI 代办入口关掉。声明权在应用方。用户投诉、风控口径、数据责任，会不会跟着声明权走，公开材料没给我一张责任表。我挂起，不当已定论。

还有几样我故意不写细的：页面级 / 业务环节级字段、操作日志长什么样、意图限制能不能被系统强制执行。二手稿里有扩写。可核事实里没有字段规格，我就不编一张假 API 表出来糊弄人。协议名字可以传播；细则没公示完之前，传播细则等于传播谣言。

我自己的判断很土：SAEP 现在更像一张「门口的门牌规则」，还不是已经通电的门禁系统。门牌挂上了，谁来刷卡、刷完灯绿还是灯红，公示期结束前后才知道。急着写成「行业标准已落地」，那是把愿望写成新闻。

隐私侧，发布视频的说法是：数据收集处理走「合理必要」和「用户自主控制」；Agent 防护分层、分级；完整白皮书在官网。我没在这篇里假装已经逐条审完白皮书。你要较真，自己去官网打开原文。视频说法和 PDF 条款之间，常常隔着一整个法务周末。

SAEP：第三方声明允许或拒绝

● ● ●

轻点两处对照：云端 Muse，和苹果的屏幕上下文

同账号上一篇 Muse，讲的是美国上线的个人云 Agent：每人一台 Secure VM，Sentinel 批外网，一次性卡结账。那是云上的工位。

豆包手机助手走的是另一条路：助手长在手机系统里，眼睛对着你的屏幕，手在模拟点按。同一句「帮我办事」，一个飞去云浏览器，一个就在你亮着的那块玻璃上爬。能力表面像，爆炸半径和权限模型不像。Muse 怕的是网页注入和邮箱接管；手机 GUI Agent 怕的是点错支付页、扫到不该扫的本地内容、被 App 风控当成脚本流量。

我不会在这篇复读 Muse 的内部测试帖和定价档。需要细节，去看那篇。这里只留对比用的那一根钉子：云 Agent 和系统层 Agent，不是同一个产品品类的两个皮肤。

苹果那侧，中新网写了一句类比——类似的屏幕上下文理解，也曾出现在关于 Siri 和 Apple Intelligence 的演示里。注意「演示」两个字。类比的是方向：助手开始理解你「正在看什么」，而不只是听你「正在说什么」。我不会把这句话听成「苹果已经在中国区同等落地了同款跨 App 代操作」。材料不够，下不了那个结论。

扯远了。回到你要不要关心 SAEP。

如果你是普通用户：关心的是，过了公示期，你常用的那几个 App 会不会声明拒绝；拒绝之后，助手是乖乖停住，还是换一条「工具调用」旁路继续蹭。公开口径目前只保证「明确拒绝则不自动化」，旁路怎么定义，我没看到可核的细表。

如果你是开发者或产品：关心的是声明成本和责任边界。放进来，等于承认外部 Agent 可以碰你的 UI；挡出去，等于把「一句话下单」这类卖点让给愿意开放的对手。这不是模型评测题，是生态政治题。

再说一句我自己会问产品同事的话：你们准备把「拒绝」做成默认，还是把「允许」做成默认？默认值决定了未来半年的客服工单长什么样。公开材料没写死默认策略的全表，我也不替他们填。只是提醒——协议文本好看，默认值才扎手。

云电脑 Agent 与手机系统层 Agent

● ● ●

我现在怎么看这事儿

说实话，消费者版把叙事从「秀 GUI Agent」往「能天天用」扳，这方向我买账。预览版的热闹，往往死在稳定性上。官方自己把「操作手机」标成 Beta，比空喊「全面可用」像人话。

SAEP 这一步，我当成行业补课。去年到今年，手机侧 Agent 反复撞墙的，常常不是参数量，是 App 不愿被当成无障碍接口乱点。把拒绝权写成协议，至少承认墙的存在。承认，比假装「我们都是一家人随便点」要紧。

上面那句我得补半句。协议不等于生态已经打通。30 天公示、早期接入、名单未公布——这三件事叠在一起，说明现在更像规则意见征集，不像已经运转的开放平台。你要是听完发布会就以为「所有 App 明天都能被豆包代操作」，那是把新闻稿听成了竣工验收单。

首机是努比亚 NaviX Ultra。媒体一致的时间点：已预约，2026-09-16 发售。我没写价格，也没写芯片和存储——不是懒，是本稿不靠猜测填硬件表。关心买不买，等发售日官方页，别拿这篇当购物清单。

我也没列出「哪些 App 已经能被代操作」。名单官方没公布，我列了就是编。你要是在别的转发里看到一张花花绿绿的接入表，先问一句：一级来源在哪。答不上来的，当氛围组海报看就行。

接下来两周我盯三样：公示期结束前后，有没有可核的接入进展（仍可能没有名单，那也是一种信息）；Beta「操作手机」在真实第三方里是停得干脆，还是争议不断；隐私白皮书打开之后，分层分级写没写到「哪些动作永远要人点头」。

我可能说错。这只是 9 月 15 日能核到的媒体材料和既定事实边界。官网原文如果和转述拧着，以官网为准——我收回过期判断，不丢人。

手机 Agent 要进入日常，最终考的不是又一次「找柜子」演示。考的是：当 App 说不，助手会不会老实地把手收回去。SAEP 把这道题写上了纸面。纸面之外，还得看未来 30 天，谁愿意签字。

公示期之后，生态才开始交卷