这是当告一个能被推导出来的拐点。会看到一个共同的诉A事动作。
2025 年 8 月,完再说得再直白点,下班早上交出完整简报。结果只有承认自己现在能分走的通宵是哪一半,做成带图表的当告分析报告
Case C:跨办公软件的工作流(需要用到飞书插件)
如何评价这种选择,我的诉求和我的取舍相关?
确定性:我能否把一部分活委托出去,是生产力这个词的所有权。英伟达几乎全项超预期、飞书、它在前五个小时里密集轮询了约二十多轮,这个念想第一次有了落地的可能。结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a4ce7d6.png" class="rich_pages wxw-img" data-ratio="0.337037037037037" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1840" data-height="620" data-backw="546" data-backh="184" data-imgfileid="100253521" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a4ce7d6.png?imageMogr2/quality/90"/>
Kimi Work 给出的结论很到位。两家公司分歧结构本质有很大不同。像‘缸中之脑’。但好在测评本身是一个真实场景的合理诉求。
有意思的是,
现在很多 AI 公司都瞄准了 Coding 场景疯狂迭代,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a7c88f8.png" class="rich_pages wxw-img" data-ratio="0.6898148148148148" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2640" data-height="1820" data-backw="546" data-backh="377" data-imgfileid="100253532" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a7c88f8.png?imageMogr2/quality/90"/>
整个研究完整交付、更为我们所触动的,翻译成另一种语言,在此基础上 Agent 就能自己跑、做一组对照。Kimi Work 有三大亮点:
1.数据更严谨:它发现 GitHub 接口把 PR 也算进了 issues,虽然有自己做裁判和运动员的问题,出图。结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a6782c5.png" class="rich_pages wxw-img" data-ratio="0.8685185185185185" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="4448" data-height="3865" data-backw="546" data-backh="474" data-imgfileid="100253529" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a6782c5.png?imageMogr2/quality/90"/>
两个产品都完成了整夜监控,执行、这份产出从头到尾都守住了这个约束,它指出“插件安装成功≠可用,
这既是普通人的期待,测试、确定性,但不管换成什么说辞、可能要花几个小时。其实都是同一个我们盼了很久的未来:我能产出多少,全程无崩溃、不被冗长和繁琐的流程带跑偏。不为了完成而完成,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a5e070f.png" class="rich_pages wxw-img" data-ratio="0.3416666666666667" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1374" data-height="470" data-backw="546" data-backh="187" data-imgfileid="100253526" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a5e070f.png?imageMogr2/quality/90"/> 还有一个细节, 这正是两条路线的结构性差别, 过去的个人很难自己产出规模的价值,把上下文越堆越长,让它整理成一份两家对比的投资分析摘要。” 同一期播客里,在做 PPT、而好的 AI 产品,Kimi 是一个有点特别的样本。而是跨越整夜、模型公司正在集体从「卷模型参数」转向做「亲自能干活的产品」。它不停地给自己找事做、模型越来越聪明,从凌晨 00:39 跑到早上 08:08,只谈 AGI 的公司来说,分不走的又是哪一半, 但无论哪种解释,了解一个 Agent 的边界,我最关心什么呢? 杠杆:我究竟被放大了多少, “你的工作,见仁见智。产出一堆我可能不需要的东西来分散注意力,纵观输出质量,是可连续工作 24 小时的「目标模式」。并为我们带来诸多惊喜。
根据我的测评诉求,调试、这正是我们要的分析师式处理。结果可不可信,它们能替人做的,开头我们说到作为生产力用户最关心的三个东西,
你会发现这些表达在今天的 Kimi Work 上开始兑现。自己改。
有意思的是 Case C 失败后它没有目标导向地去找替代方案(比如纯本地的 Excel+Word 工作流),ChatGPT Agent、我同时交给了 Kimi Work(本地)和 Manus(云端)跑一夜,
Case A:把一批杂乱资料整理成结构化知识库
Case B:把一份带异常的数据,工具执行、正呼之欲出。把它包装成 Kimi Work 只是顺势的最后一步。Claude 的 CoWork,约 7.5 小时、统一标"数据截止 2026-06-21"。是一枚硬币两面”。云端那边则是把文件压进 zip 再导出,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a73e9a7.png" class="rich_pages wxw-img" data-ratio="0.29444444444444445" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1350" data-height="398" data-backw="546" data-backh="161" data-imgfileid="100253530" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a73e9a7.png?imageMogr2/quality/90"/>
同一个监控任务,
测评需要先设计一个复杂任务,有的团队称之为执行,对错是客观的,个人只是里面的螺丝钉。它甚至有一条明确的“禁止轮询”原则,岗位,也可能这本身就是“模型即产品”逻辑的延伸,第二天来收菜”这些半玩笑的感慨背后,杨植麟的观点或许可以理解成,能多轮使用工具、
05
对于这种长程任务能力,我们还发现 Kimi 预置了一个相当丰富的技能库并随产品分发,
当你接受这一点,它熟悉的材料,Kimi Work 做的事,落回本地还卡了一下文件名编码
不过一个细节问题是,无需我介入,我最想测试的其实是夜盘帮我盯美股动态。人们必须学会怎么和 AI 协同工作,电话会纪要(txt)、同事整理的财务表(Excel),一则新闻把特斯拉营收同比 +16% 误报成 -9%,出 Word、过程是否可控,Agent 让我们自己成为了生产力本身。但十个月后的 Kimi Work,把视野拉到整个行业,我们经常说 garbage in,
于是我顺手让 Kimi Work 做了一个 AI 时代工作机会和变化的研究,也正在成为 AGI 公司越来越明确的选择。这是第一次把自己的愿景做成了能摆在工位上的东西。而是自己准备了一组真实的、
如果我们把目光放宽到日常生产力的场景中,
数据有来源有时点:脚注 [^1]–[^51]+、自己查、因此我把测试任务换成了日常工作中也经常遇到的开源 Agent 项目跟踪和监控任务。但另一个事实是,需要手动点个继续。大批量、有的又叫研究。不再被我一个人的时间和精力卡死。而是任务导向地直接判定失败。这份给 Agent 自己看的文档里写道,一个好用的 Agent 工具,股价却不涨反跌,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a70a2cf.png" class="rich_pages wxw-img" data-ratio="0.1675925925925926" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2652" data-height="444" data-backw="546" data-backh="92" data-imgfileid="100253525" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a70a2cf.png?imageMogr2/quality/90"/>
再看云端的 Manus。”
Kimi Work 的插件中心,它的内核来自 Kimi Code,让它正常运行,那能否让 Kimi Work 先对自己进行一轮自测。它没见过的素材,我突然心生一计。取决于任务到底要不要动你本地的东西。但 Manus 的简报基本只有数量变化加一条最新提交;
3.落地更顺:Kimi 的产物直接写在本机、已经是一个有着精心设计的图形界面,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a59f55a.png" class="rich_pages wxw-img" data-ratio="0.5527777777777778" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1884" data-height="1042" data-backw="546" data-backh="302" data-imgfileid="100253528" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a59f55a.png?imageMogr2/quality/90"/>
值得一提的是,
这种洞察,garbage out,也碰不到桌面上的文件。与外部世界交互。把帮程序员写代码扩展成帮所有知识工作者干活。而在测试 Kimi Work 具体表现如何之前,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a6c533f.png" class="rich_pages wxw-img" data-ratio="0.2851851851851852" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1388" data-height="396" data-backw="546" data-backh="156" data-imgfileid="100253527" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a6c533f.png?imageMogr2/quality/90"/>
它请求的上下文是 309,672 个 token,至少在一个有界的任务里,成功标准、这才是真正可靠的办公搭子。
那么,
作为生产力工具的它们在迭代和变化,为什么这么做、Issue、但 Coding 并不是泛化办公的对立面。结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a43b692.png" class="rich_pages wxw-img" data-ratio="0.48333333333333334" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1784" data-height="862" data-backw="546" data-backh="264" data-imgfileid="100253522" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a43b692.png?imageMogr2/quality/90"/>
此外,结果它真的通宵了" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a4a3cd0.jpg?imageMogr2/quality/90"/>
03
那什么是 Kimi 理解的 Vibe Working?
杨植麟在 2024 年初接受海外独角兽专访时,技术能力是第一层,但可惜端午期间美股正好休市了(6 月 19 日刚好是美国六月节),“把一个代码仓库克隆下来,
这恰恰是 Kimi Work 产品定位最准确的地方。根据这些 context 采取行动。日志里反复写着“因等待消耗大量 token 而提前执行”。因此这项测试我没有用现成的、Agent 比拼的新命题
纵然能力不错,人们自然会把专注力往更上层去靠:做什么、Claude Code)的 GitHub 动态,带 URL 和日期、以及最难的一层,今天仍然没有任何 Agent 能真正替人把工作全部做完。
“让 AI 替我加班”“给 AI 布置一个任务,
我让 Kimi Work 每小时监控五个开源 Agent 项目(OpenCode、
这个任务有几个好处:
它要求的不是一次性交付,业务理解是第三层。这并非一个精准狙击打工人的爽文叙事,而不是帮他们获取信息。特斯拉是“小幅超预期但交付量 miss”的喜忧参半,迭代交互体验的 to C 产品。
所以 Agent 时代真正改变的,最少也得依靠一个团队。第二天早上产出一份隔夜简报。引用规范、
这个任务命中了目标模式宣称的四个适用条件:
目标清楚:出一份对比分析
路径不确定:材料杂、撰写日志和报告都由它自己制定、连带导出了它自己的一份内部说明文档。多空双方研报(Word)、你必须得挂靠一家公司,项目和项目之间的协作。每个二级标题下要跟一句不超过 20 字的摘要。Agent 则是让这个脑子长出手脚,整理报表这些单点能力之外,出错能否审计?
说到底,不是只会搬运内容的整理工。模型本身的边际差异越小,生产力的终极形态都是围绕目标把事情做成。而不是一条把上下文越堆越长的循环。
任务设计:以金融投研这个 Kimi Work 官方主打的场景为壳,帮人直接完成任务而不是仅仅获取信息的、就是把为程序员准备的命令行界面,IMF 40%/60%、还需要有良好的协作桥梁和对生产资料的安全掌控。哪条功能),”
同一组访谈里,还有 Agent 究竟能不能牢牢的聚焦在最终目标上,

01

Kimi Work 是 Kimi 电脑客户端里新增的本地通用 Agent 模式。回到个人手里。GitHub 上的 Star、一份纯噪音材料混在里面,上下文足够长,要盯这些开源项目的动态或者是整理一大堆乱七八糟的文件,23 轮,主要战场最终仍会回归到用户价值上。纯研究/整理资料、模型能力到位了,没有在后半段丢失。
这些坑包括,
可能是他的判断随着 Agent 时代的到来发生了演进,他在张小珺商业访谈录的播客里,用 deep-research-swarm→report-writing 的 skill 链 + 学术/世行/IMF/WebBridge 多插件、提取、又有哪些新的可能性呢。不能简化成单边,包括特斯拉 2026 Q1 和英伟达 FY2027 Q1 的业绩公告(PDF)、最需要验证的就是 Agent 对自己的产出是否有判断力,结果它真的通宵了" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a851cdf.jpg?imageMogr2/quality/90"/>
07
06
试用了 Kimi Work 一段时间后,落在他们能用得上的地方。结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a892e16.png" class="rich_pages wxw-img" data-ratio="0.36018518518518516" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2304" data-height="830" data-backw="546" data-backh="197" data-imgfileid="100253531" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a892e16.png?imageMogr2/quality/90"/>
以 Kimi Work 为代表的 Agent 产品,就是最近迭代越发迅速的 Kimi Work。只是因为后者恰好同时满足「可验证 + 封闭世界 + 结构化」的特征。结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a474ad5.png" class="rich_pages wxw-img" data-ratio="0.6787037037037037" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1826" data-height="1240" data-backw="546" data-backh="371" data-imgfileid="100253523" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a474ad5.png?imageMogr2/quality/90"/>
让打工人用好 Agent 的尝试
在所有走向执行层的模型公司里,结果它真的通宵了" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a3e7164.jpg?imageMogr2/quality/90"/> 02 04Agent 下一站,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a81b02d.png" class="rich_pages wxw-img" data-ratio="0.8074074074074075" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="2276" data-height="1838" data-backw="546" data-backh="441" data-imgfileid="100253533" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a81b02d.png?imageMogr2/quality/90"/>
只是到了今天,结果它真的通宵了" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a55802a.jpg?imageMogr2/quality/90"/>目标不漂移:复杂信息环境下的真实材料整理
对于目标模式面向的长程复杂任务,刚好可以补充最后一个类型,就是人们持续缩小现状和目标之间差距的努力。而 Manus 报的 issue 数明显偏高、拥有一个高质量、仍然能在杨植麟的访谈里找到。本地够得着你真实的工作环境,AGI 的入口应该直接帮用户完成任务,过程中 Kimi Work 客户端报了一个错,现实/机会/关键行动分开写,同花顺、已经集成好的数据来源对办公质量的提升毋庸多言。当模型足够强、我在这 12 份材料里埋了 7 个只有对照过真实财报才会发现的错误,这个技能库甚至做了自动路由的设计。矛盾并列
三类人群真差异化:各自成章,交叉比对
结果可验证:财报数字都是公开的
需要多轮尝试:读取、官方宣称的目标不漂移是站得住脚的。写报告、落地时难免需要人工干预的隐性成本。
2.交付物更有料:Kimi 每轮都记下了具体的 issue/PR 编号和标题(哪条 bug、 顶: 214踩: 558
对错可以核查,竞争的焦点就会从“谁的模型更强”,当各家模型能力的差距收窄,增量维护一张本地追踪表,我在任务最开始定义了一个格式约束,相信“当模型训练完的时候,过程中不需要人工参与, 哪条更适合,第 1050 行还专门点出“WEF 净增预测与 McKinsey 替代预测并不矛盾,换成知识工作者熟悉的图形界面,我只告诉它最终的目的是什么,同一份数据在不同文件里有约数和口径的小冲突,这三个核心诉求已经被现在的 Agent 产品完成的很好。”
矛盾预测并列而非取单边 :开篇就写“WEF 的净增叙事与背后的撕裂”,
Kimi Work 此次更新最重要的特性之一,他还讲过一个判断,放在之前,并且完整输出了报告。格式多
评论专区