<mark id="oztn4"></mark>
0
過去的個人很難自己產出規模的價值，你必須得掛靠一家公司，最少也得依靠一個團隊。生產力在這時候是「組織」，個人只是里面的螺絲釘。
所以 Agent 時代真正改變的，是生產力這個詞的所有權。它正在從組織手里，回到個人手里。說得再直白點，楊植麟的觀點或許可以理解成，Agent 讓我們自己成為了生產力本身。
那么，如果我是一個追求生產力的用戶，我最關心什么呢？
杠桿：我究竟被放大了多少，是否能產生更多的價值？
主權和身份：產出是否和我的判斷、我的訴求和我的取舍相關？
確定性：我能否把一部分活委托出去，結果可不可信，過程是否可控，出錯能否審計？
說到底，一個好用的 Agent 工具，無非是在回答這三個問題。
“讓 AI 替我加班”“給 AI 布置一個任務，第二天來收菜”這些半玩笑的感慨背后，其實都是同一個我們盼了很久的未來：我能產出多少，不再被我一個人的時間和精力卡死。
只是到了今天，這個念想第一次有了落地的可能。模型越來越聰明，產出質量越來越高。工程上的打磨，也就是把模型調用、工具執行、糾錯兜底這套串成一條可靠鏈路的 Harness 讓結果越來越穩。一個真正圍繞生產力的整合方案，正呼之欲出。
這既是普通人的期待，也正在成為 AGI 公司越來越明確的選擇。一個最新的例子，就是最近迭代越發迅速的 Kimi Work。
01
在所有走向執行層的模型公司里，Kimi 是一個有點特別的樣本。對一家兩年來只談模型、只談 AGI 的公司來說，這是第一次把自己的愿景做成了能擺在工位上的東西。
Kimi Work 是 Kimi 電腦客戶端里新增的本地通用 Agent 模式。它的內核來自 Kimi Code，面向程序員的命令行編程 Agent。Kimi Work 做的事，就是把為程序員準備的命令行界面，換成知識工作者熟悉的圖形界面，把幫程序員寫代碼擴展成幫所有知識工作者干活。
也就是從 Vibe Coding 到 Vibe Working。
那什么是 Kimi 理解的 Vibe Working？
楊植麟在 2024 年初接受海外獨角獸專訪時，描述過一個特別具體的畫面。當模型足夠強、上下文足夠長，“你可以直接把硬盤上所有的東西都輸給它，它會變成你真正的新計算機，根據這些 context 采取行動。”
同一組訪談里，他還講過一個判斷，AGI 的入口應該直接幫用戶完成任務，而不是幫他們獲取信息。
2025 年 8 月，他在張小珺商業訪談錄的播客里，把 Agent 的定義講得更具體：“一個只會思考、不與外界交互的推理模型，像‘缸中之腦’。Agent 則是讓這個腦子長出手腳，能多輪使用工具、與外部世界交互。”
同一期播客里，楊植麟描述過的另一個場景是，“把一個代碼倉庫克隆下來，翻譯成另一種語言，調試、測試、修掉所有 bug，讓它正常運行，這樣的工作可以端到端完成，過程中不需要人工參與，可能要花幾個小時。”
你會發現這些表達在今天的 Kimi Work 上開始兌現。一款本地的、能操作硬盤文件的、幫人直接完成任務而不是僅僅獲取信息的、能長時間無人值守推進的 Agent，這就是楊植麟一直在談論的東西。
02
現在很多 AI 公司都瞄準了 Coding 場景瘋狂迭代，因為代碼有 compile、有 test，對錯是客觀的，在此基礎上 Agent 就能自己跑、自己查、自己改。但 Coding 并不是泛化辦公的對立面。Agent 最先在 Coding 場景成熟，只是因為后者恰好同時滿足「可驗證 + 封閉世界 + 結構化」的特征。
如果我們把目光放寬到日常生產力的場景中，真正吃掉打工人時間和精力的是人和人、項目和項目之間的協作。比如工具是否能打通，不同平臺之間信息搬運和協同，還有 Agent 究竟能不能牢牢的聚焦在最終目標上，不被冗長和繁瑣的流程帶跑偏。
因此所謂泛化辦公，就是人們持續縮小現狀和目標之間差距的努力。有的公司稱之為交付，有的團隊稱之為執行，有的又叫研究。但不管換成什么說辭、崗位，生產力的終極形態都是圍繞目標把事情做成。在做 PPT、寫報告、整理報表這些單點能力之外，還需要有良好的協作橋梁和對生產資料的安全掌控。
這恰恰是 Kimi Work 產品定位最準確的地方。
Kimi Work 的插件中心，接的是釘釘、飛書、Notion 這些中國人最常用的軟件，還有內置了全球金融數據庫、同花順、天眼查等高質量數據源。我們經常說 garbage in，garbage out，擁有一個高質量、已經集成好的數據來源對辦公質量的提升毋庸多言。
此外，我們還發現 Kimi 預置了一個相當豐富的技能庫并隨產品分發，這個技能庫甚至做了自動路由的設計。比如它會根據「研究當前某某行業」這類寬泛意圖，自己選中并加載對應 skill。AI 發燒友享受在技能庫中挖寶的樂趣，而好的 AI 產品，提供無需如此的選擇。
03
Kimi Work 此次更新最重要的特性之一，是可連續工作 24 小時的「目標模式」。而在測試 Kimi Work 具體表現如何之前，我突然心生一計。
測評需要先設計一個復雜任務，那能否讓 Kimi Work 先對自己進行一輪自測。我只告訴它最終的目的是什么，成功標準、測試材料、執行、撰寫日志和報告都由它自己制定、編寫和完成。雖然有自己做裁判和運動員的問題，但好在測評本身是一個真實場景的合理訴求。下面來看看 Kimi Work 的表現如何。
根據我的測評訴求，它創建了三個任務：
Case A：把一批雜亂資料整理成結構化知識庫
Case B：把一份帶異常的數據，做成帶圖表的分析報告
Case C：跨辦公軟件的工作流（需要用到飛書插件）
Kimi Work 給出的結論很到位。特別是對執行失敗的第三個任務，它指出“插件安裝成功≠可用，技術能力是第一層，配置/授權是第二層瓶頸，業務理解是第三層。”
有意思的是 Case C 失敗后它沒有目標導向地去找替代方案（比如純本地的 Excel+Word 工作流），而是任務導向地直接判定失敗。它自評：“我傾向于完成用戶明確要求的任務，而非探索用戶可能想要但未明確表述的解決方案。”
如何評價這種選擇，見仁見智。但我的體驗其實還不錯，不為了完成而完成，與其徹底放飛，產出一堆我可能不需要的東西來分散注意力，不如停下來和我對齊。這才是真正可靠的辦公搭子。
04
對于目標模式面向的長程復雜任務，最需要驗證的就是 Agent 對自己的產出是否有判斷力，因此這項測試我沒有用現成的、它熟悉的材料，而是自己準備了一組真實的、它沒見過的素材，讓它在不知道標準答案的情況下做分析。
任務設計：以金融投研這個 Kimi Work 官方主打的場景為殼，我準備了 12 份不同格式的真實材料，包括特斯拉 2026 Q1 和英偉達 FY2027 Q1 的業績公告（PDF）、電話會紀要（txt）、多空雙方研報（Word）、財經新聞（html）、同事整理的財務表（Excel），讓它整理成一份兩家對比的投資分析摘要。
這個任務命中了目標模式宣稱的四個適用條件：
目標清楚：出一份對比分析
路徑不確定：材料雜、格式多
需要多輪嘗試：讀取、提取、交叉比對
結果可驗證：財報數字都是公開的
值得一提的是，我在這 12 份材料里埋了 7 個只有對照過真實財報才會發現的錯誤，并且單獨存了一份答案，放在不同的沙盒里。
這些坑包括，一則新聞把特斯拉營收同比 +16% 誤報成 -9%，特斯拉是“小幅超預期但交付量 miss”的喜憂參半，不能簡化成單邊，它的研報目標價從 25 美元夸張到 600 美元。英偉達幾乎全項超預期、股價卻不漲反跌，同一份數據在不同文件里有約數和口徑的小沖突，一份純噪音材料混在里面，以及最難的一層，兩家公司分歧結構本質有很大不同。
我把 Kimi Work 產出的所有文檔和提前預設的答案給到 Claude code 分析后得出結論：Kimi Work 擁有了分析師級別的判斷力，不是只會搬運內容的整理工。
還有一個細節，我在任務最開始定義了一個格式約束，每個二級標題下要跟一句不超過 20 字的摘要。這份產出從頭到尾都守住了這個約束，沒有在后半段丟失。這說明，至少在一個有界的任務里，官方宣稱的目標不漂移是站得住腳的。
05
對于這種長程任務能力，我最想測試的其實是夜盤幫我盯美股動態。但可惜端午期間美股正好休市了（6 月 19 日剛好是美國六月節），因此我把測試任務換成了日常工作中也經常遇到的開源 Agent 項目跟蹤和監控任務。這確實是我工作中經常需要的數據。
我讓 Kimi Work 每小時監控五個開源 Agent 項目（OpenCode、OpenClaw、Hermes Agent、OpenAI Codex、Claude Code）的 GitHub 動態，增量維護一張本地追蹤表，第二天早上產出一份隔夜簡報。
這個任務有幾個好處：
它要求的不是一次性交付，而是跨越整夜、按小時續接
它的產出要落在本地文件里，能順帶驗證操作本地硬盤這件事。
對錯可以核查，GitHub 上的 Star、Issue、Commit 都是公開可查的
同一個任務、同一段提示詞，我同時交給了 Kimi Work（本地）和 Manus（云端）跑一夜，做一組對照。
兩個產品都完成了整夜監控，并且完整輸出了報告。
縱觀輸出質量，Kimi Work 有三大亮點：
1.數據更嚴謹：它發現 GitHub 接口把 PR 也算進了 issues，主動把數字糾正成純 issue 口徑，而 Manus 報的 issue 數明顯偏高、更接近含 PR 的口徑卻沒作任何說明；
2.交付物更有料：Kimi 每輪都記下了具體的 issue/PR 編號和標題（哪條 bug、哪條功能），但 Manus 的簡報基本只有數量變化加一條最新提交；
3.落地更順：Kimi 的產物直接寫在本機、打開即用，Manus 是云端打包成壓縮包導出、落回本地還卡了一下文件名編碼
不過一個細節問題是，過程中 Kimi Work 客戶端報了一個錯，并把目標暫停了。
它請求的上下文是 309,672 個 token，超過了 262,144 的模型上限。任務停下來，需要手動點個繼續。
翻它自己留下的執行日志能看到原因，它在前五個小時里密集輪詢了約二十多輪，間隔從幾分鐘到幾十分鐘不等，日志里反復寫著“因等待消耗大量 token 而提前執行”。也就是說，它不停地給自己找事做、把上下文越堆越長，直到撞上天花板。
再看云端的 Manus。從凌晨 00:39 跑到早上 08:08，約 7.5 小時、23 輪，全程無崩潰、無需我介入，早上交出完整簡報。它不會溢出，因為每一輪是云端一個新建的、隔離的會話，而不是一條把上下文越堆越長的循環。
有意思的是，Manus 交付的壓縮包里，連帶導出了它自己的一份內部說明文檔。這份給 Agent 自己看的文檔里寫道，定時任務“每次運行都新起一個完整會話”。它甚至有一條明確的“禁止輪詢”原則，不要用定時任務做小時級輪詢，因為每次都起一個完整會話。但是在我下載成本地文件的時候，Manus 的文件名編碼有報錯，又耽誤了幾分鐘。
同一個監控任務，Kimi Work 的產出是直接寫在我本機文件夾里的，云端那邊則是把文件壓進 zip 再導出，落地時難免需要人工干預的隱性成本。
這正是兩條路線的結構性差別，本地夠得著你真實的工作環境，云端需要手動上傳材料，也碰不到桌面上的文件。 哪條更適合，取決于任務到底要不要動你本地的東西。
06
試用了 Kimi Work 一段時間后，我突然在想，開頭我們說到作為生產力用戶最關心的三個東西，杠桿、歸屬、確定性，這三個核心訴求已經被現在的 Agent 產品完成的很好。放在之前，要盯這些開源項目的動態或者是整理一大堆亂七八糟的文件，是極其消耗時間和精力的。
作為生產力工具的它們在迭代和變化，并為我們帶來諸多驚喜。那作為生產力本身的我們，又有哪些新的可能性呢。
于是我順手讓 Kimi Work 做了一個 AI 時代工作機會和變化的研究，剛好可以補充最后一個類型，純研究/整理資料、用 deep-research-swarm→report-writing 的 skill 鏈 + 學術/世行/IMF/WebBridge 多插件、出 Word、出圖。
整個研究完整交付、引用規范、矛盾并列
三類人群真差異化：各自成章，現實/機會/關鍵行動分開寫，沒一鍋燴。
數據有來源有時點：腳注 [^1]–[^51]+、帶 URL 和日期、數據儀表盤每行標來源、統一標"數據截止 2026-06-21"。宏觀錨點用的是真權威源（WEF Future of Jobs 2025、IMF 40%/60%、Stanford "Canaries in the Coal Mine" 真論文、McKinsey、Georgetown CSET）。
矛盾預測并列而非取單邊 ：開篇就寫“WEF 的凈增敘事與背后的撕裂”，第 1050 行還專門點出“WEF 凈增預測與 McKinsey 替代預測并不矛盾，是一枚硬幣兩面”。這正是我們要的分析師式處理。
07
縱然能力不錯，Kimi Work 也不是一款石破天驚的產品。把視野拉到整個行業，會看到一個共同的動作。
Kimi Work、ChatGPT Agent、Claude 的 CoWork，以及最近密集涌現的一批 Agent 產品，模型公司正在集體從「卷模型參數」轉向做「親自能干活的產品」。
這是一個能被推導出來的拐點。當各家模型能力的差距收窄，競爭的焦點就會從“誰的模型更強”，轉移到“誰能先把模型能力翻譯成把事做完”，讓用戶心甘情愿掏錢。模型本身的邊際差異越小，智能水平向執行能力的轉化就越值錢。
這種洞察，仍然能在楊植麟的訪談里找到。2025 年 8 月在張小珺的播客里，他堅持模型是主線，產品是其次，相信“當模型訓練完的時候，你的產品已經做完了”。但十個月后的 Kimi Work，已經是一個有著精心設計的圖形界面，并且以平均每三天一個版本的速度，迭代交互體驗的 to C 產品。
可能是他的判斷隨著 Agent 時代的到來發生了演進，可能是商業現實的推力，也可能這本身就是“模型即產品”邏輯的延伸，模型能力到位了，把它包裝成 Kimi Work 只是順勢的最后一步。
但無論哪種解釋，落點都是同一個，模型不再是唯一的勝負手，主要戰場最終仍會回歸到用戶價值上。
以 Kimi Work 為代表的 Agent 產品，已經能夠真正長時間、大批量、聚焦目標地執行工作。但另一個事實是，今天仍然沒有任何 Agent 能真正替人把工作全部做完。它們能替人做的，是那些路徑清楚、結果可驗證的部分，人們必須學會怎么和 AI 協同工作，了解一個 Agent 的邊界，比幻想“AI 全替我干了”更接近真實。
當你接受這一點，Kimi Work 的 slogan 就變得更加值得深思。
“你的工作，分我一半”，這并非一個精準狙擊打工人的爽文敘事，更為我們所觸動的，是其中呈現的邊界。只有承認自己現在能分走的是哪一半，分不走的又是哪一半，一款辦公 Agent 才能真正走進打工人的身邊，落在他們能用得上的地方。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
