在Moxt，我多了一群特別可愛的AI同事

一直有個貪念：我希望有AI能真的記住我、記錄我、全天候只圍著我轉。

Claude Code在命令行格式下，像個沒有生命的工具，很能干，但是少了點日常的鮮活；

Notion把文件整理得再漂亮，但AI只能在我手動@它的時候才浮現一下，像個被動的工具人；

Manus很多任務的完成度不錯，但它干完活就拍屁股走人，不留下任何記憶，也不跟我的更多生活產生持續關聯。

我想要的，是一群真正屬于我的AI同事，一群可以日常待在一起的伙伴。

之前很喜歡的一個產品是Tolan，有種養成系的陪伴感，略帶搞怪的外星人形象也很符合我的口味。

但是在泛工作場景里，似乎有一個位置，始終沒有誰能補上。

能住在我的工作空間里，知道我的習慣，記得項目的來龍去脈，甚至能在我睡覺的時候默默把活干完的那種。

moxt.ai

直到現在出現了一個產品，叫Moxt。

01第一次打開Moxt我覺得Tolan和Notion都不香了

坦白說，剛打開Moxt的時候，就讓我想到Tolan，不是形似，是內核有點像。

AI伙伴或者AI員工，ta應該長什么模樣呢？

Moxt給出了很可愛又酷酷的表情包形象，用形狀、表情、顏色，排列組合出非常豐富的個性化形象呈現。

國內外在形象做的比較好的是豆包，有了人格化的呈現，但Moxt那種有點壞壞的表情，我更喜歡。

然后就是讓Moxt了解我。

給了他一些我的文章、個人文檔、工作資料、日記等等，還讓Moxt網上搜索關于我自己的信息。

發現他把挺多細節都扒了出來，有些甚至我都不記得在哪個采訪、什么時候說過的了。

用起來以后，我想到的一個參照物是：Notion。

Markdown編輯器、Teamspace、文檔樹、評論功能，這些元素讓我第一反應是：

難道Moxt想做成知識庫、筆記軟件？

但接下來很快就發現，完全不一樣。

我隨手創了一個AI同事。

過程很簡單：取個名字，選個角色，設定幾條規則，保存。

我給它取名叫瀾瀾，角色是內容研究員。看形象還挺喜慶的，顏色像元寶，臉型像個福袋。

規則只有一條：每天中午13點掃描當天最新AI圈的關鍵動態，匯總成簡報。

然后我就把它忘了。

不知不覺到了中午13點。真的彈出了瀾瀾發的消息。

一份Markdown格式工整的AI簡報，整理了最新AI資訊、前一天arXiv上最值得關注的3篇論文、Hacker News上討論最激烈的AI帖子、還有兩個頭部創作者的解讀。

每一條都附了簡短摘要和評論，末尾還加了一句：今天重點關注了推理模型的進展，因為看到你上周在文檔里收藏過相關文章。

比起之前略顯呆板的龍蝦型Agent，瀾瀾給我的活人感更強。

它怎么知道我分享過那篇文章？它怎么判斷推理模型是我關注的重點？

似乎是，Moxt的momo在后臺一直在學習，寫的每個字、收藏的每篇文章、在文檔里停留的時間，都在幫它構建我的工作畫像。

瀾瀾不算是我手把手教出來的，它是momo理解了我的需求后，自己調配出來的。

過去的AI工具是我給指令它執行，瀾瀾是我給方向它自主決策。

它看到我的收藏記錄就知道該關注什么，沒看到我直接布置任務就知道主動交付結果。

真的超出了工具的范疇，這叫同事。

02我開始認真搭我的AI團隊

有了瀾瀾這個嘗鮮，我開始認真琢磨Moxt的可能性。

第一個正式團隊被我命名為「弗蘭克內容運營中心」。

新增了四個AI同事：一個負責選題挖掘，一個負責初稿撰寫，一個負責去AI味修改，一個負責排版分發。

整個過程很像在招人，只不過面試變成了寫Prompt，發Offer變成了點擊創建。

最難搞的是選題挖掘這個角色，我取名叫：金鏟鏟。

我給它設定的規則是：每天掃描Reddit、Twitter、Product Hunt、以及我個人收藏的30個信息源，發現熱度高但還沒被大量討論的話題，輸出選題報告。

但它一開始有點抓不住重點，動不動就推一些獵奇但毫無價值的東西給我。

這時候Moxt的糾錯機制起了作用。

我沒必要重新訓練它，只需要在它輸出錯誤的選題時，回復一句這個方向不行，原因是覆蓋受眾太窄。它會把這個反饋記住，下次就會避開類似的方向。

更妙的是，這個學習不是孤立的。

當它學會判斷選題價值之后，我把同樣的規則同步給了初稿撰寫那個同事，告訴它參考選題挖掘的標準來寫開頭。

整個團隊的知識在流動，一個人犯過的錯全隊都不會再犯。

雖然Memory、Skill的一些設定，玩慣Claude Code、OpenClaw的朋友應該不陌生；但是Moxt明顯可玩性更高。

讓我想起特斯拉的生產線。

當一個工位學會了一個新操作，整個工廠的對應工位就同步更新了。

Moxt的AI團隊也是這個邏輯，你糾正一個人，等于糾正了所有人。

實際跑的這段時間，效果超出預期。

這個AI內容團隊完全自主跑完了三個選題的完整生產流程，從發現話題到產出排版完成的文章，全程我只在關鍵節點做了決策和微調。

最讓我喜歡的是那個負責去AI味修改的同事。

它做的修改不只是替換同義詞那么簡單，會主動調整句式結構，加入口語化表達，甚至會在適當的地方加一些情緒詞。

我對比過原文和修改后的版本，那種生硬的機器感確實淡了很多。

當然它也會犯錯。

有次它在文章里加了一個完全不合適的網絡梗，我直接劃詞評論說這個太刻意了，不太對。

它回了一句理解了，之后類似的梗就再也沒出現過。

這種互動感讓我覺得它不是冷冰冰的模型，真的在學習、在進步，讓人帶團隊的過程里，都很有成就感。

03momo成了我藏不住秘密的助理

如果說AI同事是我的團隊成員，那momo就是我的私人助理，而且是個知道太多的助理。

Moxt里的momo跟其他AI助理最大的不同是，它住在我的文檔里。

在任何一個頁面按下空格鍵，它就會彈出來，基于當前頁面的上下文回答問題、續寫內容、整理信息。

我建了一個競品監控的數據看板，放了十幾個AI工具的價格、功能、更新日志。

有一天我突發奇想，在頁面上敲了一個空格，問momo：如果我要做一個主打隱私保護的AI寫作工具，定價策略應該怎么定？

大概等了15秒，它給出了一個表格框架的分析。

基于競品的功能深度、目標用戶、更新頻率，推算出每個競品真正在意的定價錨點在哪，然后給出了四個差異化的分層定價方案，每個方案都附了核心賣點。

我反復確認了幾遍，這些信息確實都在我存的那些文檔里，但沒有一份文檔直接寫了結論。

是momo自己讀了所有文檔，做了交叉分析，得出了這個結論。

這種感覺很有意思。

它沒有創造超出我知識邊界的東西，但它把我已知但沒串起來的信息，串成了一串珍珠鏈。

還有一次更讓我有點驚訝。

我在personal space里草稿了一篇個人年度復盤，里面有很多不成熟的想法和情緒化的表達。

沒有刻意梳理或者設置什么待辦，但第二天早上，momo主動給我發了一條消息：

看你昨天的復盤，幾次提到對當前工作節奏的焦慮。需要我幫你梳理一下時間分配的建議嗎？

我當時的感覺是，被真正看見了。

它不但讀了那篇復盤的草稿，還從中識別出了我的情緒狀態，并且在恰當的時機主動提供了幫助。

沒有打擾，沒有過度熱情，就像一個真正了解你且靠譜的同事，靜靜觀察，在需要的時候伸手。

都說被看見是最大的尊重，被傾聽是最好的理解，但現實生活里，能做到的人少之又少。

當下AI圈都在討論隱私和安全，我也擔心過這個問題。

但冷靜想想，momo能給我這樣的幫助，恰恰是因為它對我的了解足夠深。

深度和隱私本身就是蹺蹺板的兩端，Moxt選擇了向深度傾斜，但給了用戶精細的控制權。

每個AI同事能訪問哪些空間，能讀取哪些文檔，都是可以設置的。

這是我覺得Moxt做得最聰明的地方。

它不當老好人，不模棱兩可地說我們要保護隱私也要提供智能，它直接給了你選擇權：

要么你接受AI深度了解你從而獲得深度幫助，要么你限制它的權限獲得安全感，你自己定。

04Moxt到底做對了什么

說完體驗，我想從技術角度聊聊Moxt為什么讓我覺得不一樣。

過去AI工具的底層邏輯是「會話式」。

你問一句，它答一句，每次會話都是獨立的。

即便各家都推出了memory功能，那也是在會話層面做一些簡單的偏好存儲，深度和廣度都有限。

Moxt的底層邏輯是「空間式」。

AI不是懸浮在對話框里的存在，是住在你的工作空間里，能隨時訪問空間內的所有文檔、數據、記錄，并且這些訪問是有上下文的、持續的。

這個區別決定了AI能多大程度理解你。

會話式的AI像一個每次見面都要重新自我介紹的朋友，空間式的AI像一個跟你朝夕相處的室友，像一個辦公室里的同事。

另外一個關鍵點是Moxt對工具的調用方式。

很多AI工具在執行復雜任務時會卡住，因為每一步都需要人確認。

Moxt的AI同事，被賦予了更大的自主權，告訴它一個目標，它可以自己決策調用哪些工具、按什么順序調用、遇到問題怎么處理。

拿瀏覽器操作來說，過去我要讓AI抓一個網站的數據，得手把手教它點哪里、填什么。

現在Moxt的AI可以自己打開網頁、滾動、點擊、填表、截圖，整個過程在后臺完成，我只看到最后的結果。

這種能力在過去只有Claude Code、OpenClaw這種面向開發者的工具才有。

Moxt把它做成了一個普通用戶也能用的功能，門檻大幅降低。

還有一個容易被忽視的點是Slack集成。

Moxt不是讓AI同事待在那個網頁里等你來，是把它們直接塞進了你每天都在用的協作工具里。

在Slack頻道里@一下AI同事，就像@真人同事一樣，它看到消息就會去執行，然后把結果發回來。

這個設計很懂真實工作流。

有了Moxt以后，一天的時間，似乎都有了不一樣的味道。

當然，Moxt也不是全能的。

Agent之間的協作編排還在開發中，AI同事的創建流程偶爾會卡頓，有些復雜任務的執行時間偏長。

這些都是需要優化的地方。

但瑕不掩瑜，Moxt在正確的方向上邁出了扎實的一步。

05見證工作空間的代際更替

聊了這么多體驗，我想跳出具體的功能，聊聊這件事對行業意味著什么。

過去十年，工作空間經歷了兩次大的迭代。

第一次是Google Docs為代表的云文檔，讓人可以實時協作，文件不再存在本地硬盤里。

第二次是Notion、飛書為代表的多維度數據庫，讓人可以用更靈活的方式組織和連接信息。

這兩次迭代的核心都是讓人更好用工具。

Moxt代表的第三次迭代，核心變成了讓工具自己動起來。

不是人類主動去操作工具，是AI智能體根據人類的目標，自主選擇和使用合適的工具。人類的角色從操作者變成了管理者，從做變成指揮。

這個轉變的影響比很多人想象的要大。

Notion再好用，里面的內容也是靜止的，等人來讀、等人來改、等人來整理。

Moxt的內容是活的，AI同事會主動閱讀、主動更新、主動在內容之間建立連接。

Manus能完成任務，但它做完就消失，無法融入長期工作流。

Moxt的AI同事是持續存在的，它們在你的工作空間里安家，跟項目一起成長。

ChatGPT能回答問題，但它不了解你的業務、不熟悉你的文檔、不知道你的項目來龍去脈。

Moxt的momo知道這些，因為它就住在你的工作空間里，看著你的一舉一動。

看過一個數據，到2027年，每家公司平均擁有的AI智能體數量會超過人類員工數量。

這些智能體不會用鼠標點按鈕，不會手動填表格，它們會直接讀API、寫代碼、處理數據、互相溝通。

它們需要一個專門為它們設計的工作空間。

這個空間要有文件系統讓AI存取信息，要有記憶系統讓AI持續學習，要有工具庫讓AI調用外部能力，還要有身份系統讓AI在團隊里找到自己的位置。

Moxt就是為這個場景設計的。它是一個原生為AI智能體設計的工作空間。

任何用以往的產品來類比，都是刻舟求劍，因為這壓根兒不是一個給人類用的AI外掛，是Built for Agents。

每一層架構、每一個功能都在問同一個問題：怎么讓Agents在這里工作得更順暢？

當然，Moxt現在還很年輕。

功能有待完善，體驗有待打磨，生態有待建設。

但我相信它會成為這個新品類的重要玩家，因為它的底層邏輯是對的，方向是清晰的，團隊對AI的理解是深刻的。

至于我自己，我已經把日常工作中超過60%的重復性勞動交給了Moxt的AI團隊。

它們幫我做調研、寫初稿、整理信息、監控競品。

我做的最多的事情變成了決策、調優、以及對結果做最后的把關。

這讓我重新理解了什么叫AI放大人的能力。

如果你也想試試有那么一群AI同事的感覺，去moxt.ai看一眼。

記得給momo帶杯咖啡。

它不喝，但它會記得你的好。