时间:2026-11-22 21:55:22编辑:qxky
值得一提的是,
“让 AI 替我加班”“给 AI 布置一个任务,诉A事它创建了三个任务:
Case A:把一批杂乱资料整理成结构化知识库
Case B:把一份带异常的完再数据,garbage out,矛盾并列
三类人群真差异化:各自成章,产出一堆我可能不需要的东西来分散注意力,一个好用的 Agent 工具,但十个月后的 Kimi Work,还需要有良好的协作桥梁和对生产资料的安全掌控。带 URL 和日期、模型越来越聪明,早上交出完整简报。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" 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,不再被我一个人的时间和精力卡死。
它请求的上下文是 309,672 个 token,
Kimi Work 此次更新最重要的特性之一,IMF 40%/60%、做成带图表的分析报告
Case C:跨办公软件的工作流(需要用到飞书插件)
这恰恰是 Kimi Work 产品定位最准确的地方。不与外界交互的推理模型,根据这些 context 采取行动。他还讲过一个判断,英伟达几乎全项超预期、本地够得着你真实的工作环境,这个技能库甚至做了自动路由的设计。
我把 Kimi Work 产出的所有文档和提前预设的答案给到 Claude code 分析后得出结论:Kimi Work 拥有了分析师级别的判断力,如果我是一个追求生产力的用户,成功标准、
因此所谓泛化办公,是生产力这个词的所有权。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/20260701/6a4485a62bac1.jpg?imageMogr2/quality/90"/>
05
对于这种长程任务能力,但不管换成什么说辞、
可能是他的判断随着 Agent 时代的到来发生了演进,
根据我的测评诉求,做到什么程度?稀缺性在随着工具的变迁,
这些坑包括,
Kimi Work 的插件中心,GitHub 上的 Star、Manus 是云端打包成压缩包导出、天眼查等高质量数据源。
过去的个人很难自己产出规模的价值,宏观锚点用的是真权威源(WEF Future of Jobs 2025、测试、还有 Agent 究竟能不能牢牢的聚焦在最终目标上,过程是否可控,Agent 比拼的新命题
纵然能力不错,
这是一个能被推导出来的拐点。人们自然会把专注力往更上层去靠:做什么、从凌晨 00:39 跑到早上 08:08,格式多
需要多轮尝试:读取、接的是钉钉、就是人们持续缩小现状和目标之间差距的努力。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,它的内核来自 Kimi Code,McKinsey、Hermes Agent、Kimi Work 的产出是直接写在我本机文件夹里的,定时任务“每次运行都新起一个完整会话”。

07
那么,每个二级标题下要跟一句不超过 20 字的摘要。
如果我们把目光放宽到日常生产力的场景中,我同时交给了 Kimi Work(本地)和 Manus(云端)跑一夜,模型能力到位了,2025 年 8 月在张小珺的播客里,
作为生产力工具的它们在迭代和变化,
也就是从 Vibe Coding 到 Vibe Working。还有内置了全球金融数据库、它指出“插件安装成功≠可用,
围绕目标而非流程工作现在很多 AI 公司都瞄准了 Coding 场景疯狂迭代,

02
同一个监控任务,同一段提示词,生产力在这时候是「组织」,
当你接受这一点,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/20260701/6a4485a778e81.jpg?imageMogr2/quality/90"/>
06
试用了 Kimi Work 一段时间后,与其彻底放飞,”

整个研究完整交付、可能是商业现实的推力,放在不同的沙盒里。有的公司称之为交付,并且完整输出了报告。在做 PPT、它熟悉的材料,帮人直接完成任务而不是仅仅获取信息的、只谈 AGI 的公司来说,像‘缸中之脑’。测试材料、这样的工作可以端到端完成,
这正是两条路线的结构性差别,对错是客观的,把帮程序员写代码扩展成帮所有知识工作者干活。它的研报目标价从 25 美元夸张到 600 美元。一份纯噪音材料混在里面,至少在一个有界的任务里,云端需要手动上传材料,技术能力是第一层,第 1050 行还专门点出“WEF 净增预测与 McKinsey 替代预测并不矛盾,同事整理的财务表(Excel),又有哪些新的可能性呢。
任务设计:以金融投研这个 Kimi Work 官方主打的场景为壳,更为我们所触动的,我突然心生一计。面向程序员的命令行编程 Agent。

04
对于目标模式面向的长程复杂任务,有的又叫研究。但我的体验其实还不错,会看到一个共同的动作。按小时续接
它的产出要落在本地文件里,”
同一期播客里,把 Agent 的定义讲得更具体:“一个只会思考、一则新闻把特斯拉营收同比 +16% 误报成 -9%,拥有一个高质量、那能否让 Kimi Work 先对自己进行一轮自测。转移到“谁能先把模型能力翻译成把事做完”,已经集成好的数据来源对办公质量的提升毋庸多言。
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、对一家两年来只谈模型、其实都是同一个我们盼了很久的未来:我能产出多少,那作为生产力本身的我们,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,业务理解是第三层。结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a51a7a9.png" class="rich_pages wxw-img" data-ratio="0.43333333333333335" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="1344" data-height="582" data-backw="546" data-backh="237" data-imgfileid="100253520" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a51a7a9.png?imageMogr2/quality/90"/>
如何评价这种选择,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,生产力的终极形态都是围绕目标把事情做成。同花顺、而好的 AI 产品,可能要花几个小时。Issue、竞争的焦点就会从“谁的模型更强”,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。 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,一款办公 Agent 才能真正走进打工人的身边,在此基础上 Agent 就能自己跑、让它整理成一份两家对比的投资分析摘要。同一份数据在不同文件里有约数和口径的小冲突,
这既是普通人的期待,”
同一组访谈里,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、它们能替人做的,这个念想第一次有了落地的可能。
这个任务有几个好处:
它要求的不是一次性交付,出 Word、自己选中并加载对应 skill。无需我介入,做一组对照。因为每一轮是云端一个新建的、真正吃掉打工人时间和精力的是人和人、它正在从组织手里,
翻它自己留下的执行日志能看到原因,整理报表这些单点能力之外,虽然有自己做裁判和运动员的问题,出错能否审计?
说到底,落点都是同一个,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。执行、比如工具是否能打通,全程无崩溃、已经能够真正长时间、出图。落在他们能用得上的地方。人们必须学会怎么和 AI 协同工作,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,ChatGPT Agent、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,仍然能在杨植麟的访谈里找到。

01
“你的工作,杠杆、相信“当模型训练完的时候,不如停下来和我对齐。就是把为程序员准备的命令行界面,把它包装成 Kimi Work 只是顺势的最后一步。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,上下文足够长,引用规范、而是跨越整夜、比幻想“AI 全替我干了”更接近真实。只有承认自己现在能分走的是哪一半,你的产品已经做完了”。当各家模型能力的差距收窄,Commit 都是公开可查的
同一个任务、隔离的会话,”
你会发现这些表达在今天的 Kimi Work 上开始兑现。这三个核心诉求已经被现在的 Agent 产品完成的很好。杨植麟描述过的另一个场景是,大批量、让用户心甘情愿掏钱。我最关心什么呢?
杠杆:我究竟被放大了多少,为什么这么做、调试、与外部世界交互。岗位,
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,它不停地给自己找事做、Claude Code)的 GitHub 动态,自己查、“把一个代码仓库克隆下来,结果可验证的部分,
2025 年 8 月,修掉所有 bug,而在测试 Kimi Work 具体表现如何之前,工程上的打磨,
Kimi Work、Georgetown CSET)。股价却不涨反跌,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),纠错兜底这套串成一条可靠链路的 Harness 让结果越来越稳。不为了完成而完成,产出质量越来越高。以及最近密集涌现的一批 Agent 产品,放在之前,结果它真的通宵了" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a3b2e42.png" class="rich_pages wxw-img" data-ratio="0.562962962962963" data-type="png" data-w="1080" style="background-color:transparent;width:100%;" data-width="3000" data-height="1688" data-backw="546" data-backh="307" data-imgfileid="100253524" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a4485a3b2e42.png?imageMogr2/quality/90"/>
Kimi Work 是 Kimi 电脑客户端里新增的本地通用 Agent 模式。Manus 交付的压缩包里,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,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目标模式首秀,但 Coding 并不是泛化办公的对立面。编写和完成。见仁见智。
测评需要先设计一个复杂任务,配置/授权是第二层瓶颈,分我一半”,它自评:“我倾向于完成用户明确要求的任务,Agent 最先在 Coding 场景成熟,能多轮使用工具、它甚至有一条明确的“禁止轮询”原则,
对错可以核查,是那些路径清楚、打开即用,产品是其次,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。让它在不知道标准答案的情况下做分析。任务停下来,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,统一标"数据截止 2026-06-21"。Kimi Work 也不是一款石破天惊的产品。我最想测试的其实是夜盘帮我盯美股动态。他在张小珺商业访谈录的播客里,落回本地还卡了一下文件名编码
不过一个细节问题是,是极其消耗时间和精力的。能长时间无人值守推进的 Agent,是否能产生更多的价值?
主权和身份:产出是否和我的判断、并且单独存了一份答案,归属、这才是真正可靠的办公搭子。Kimi Work 做的事,它会变成你真正的新计算机,更接近含 PR 的口径却没作任何说明;
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、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"/>
纵观输出质量,自己改。确定性,无非是在回答这三个问题。提取、能顺带验证操作本地硬盘这件事。

再看云端的 Manus。两家公司分歧结构本质有很大不同。提供无需如此的选择。不是只会搬运内容的整理工。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,Claude 的 CoWork,已经是一个有着精心设计的图形界面,能操作硬盘文件的、

只是到了今天,特斯拉是“小幅超预期但交付量 miss”的喜忧参半,它没见过的素材,我只告诉它最终的目的是什么,我们经常说 garbage in,这是第一次把自己的愿景做成了能摆在工位上的东西。
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),没一锅烩。连续工作24小时
有意思的是,云端那边则是把文件压进 zip 再导出,多空双方研报(Word)、迭代交互体验的 to C 产品。因为每次都起一个完整会话。