Moxt:当 AI 不再是工具,而是你的同事

你每天花多少时间在"搬运信息"？切窗口、找文件、复制粘贴、重新解释同一件事——这些琐碎正在吞噬你最稀缺的资源：注意力。

一个被忽视的问题：你的 AI 工具真的”懂”你吗？

你是否发现每次打开 ChatGPT 都要重新解释背景、让 AI 写文案时反复粘贴参考资料、Notion AI 只在你手动 @ 它时才”醒来”？

而且让人疲惫的是：你的工作上下文散落在飞书、Notion、本地文件夹、微信聊天记录里，每次切换任务，一半时间花在”搬运”上。

我们一直在强迫 AI 适应我们的工作方式——让它在 PDF 里阅读，在聊天框里对话。

但真正的协作，需要一片双方都适合的环境。

这就是 Moxt 想解决的问题。

Moxt 是什么？

Moxt 是一个 AI 原生工作空间（AI-Native Workspace），核心理念可以用一句话概括：

不是你去用 AI，而是 AI 住进你的工作空间，成为你的同事。

它的核心特点：

• AI 同事：创建专属的 AI 团队成员，每个角色有独立人格、记忆和技能

• Momo 助理：每位用户的专属个人 AI，住在你的文档里，理解你的工作上下文

• 共享记忆：纠正一个 AI 同事的错误，整个团队都会学习

• 原生工具链：浏览器、文件系统、定时任务、Webhook、MCP 集成，AI 可以自主完成完整任务闭环

• Slack 集成：AI 同事直接住在你日常使用的协作工具里，@ 一下就能工作

为什么说它和 ChatGPT、Notion AI 不一样？

市面上 AI 工具很多，但 Moxt 走了一条根本不同的路。

1. 底层逻辑：从”会话式”到”空间式”

ChatGPT 像一个每次见面都要重新自我介绍的朋友，Notion AI 像一个被动的工具人，Moxt 的 AI 同事像跟你朝夕相处的室友——它知道你的习惯、记得项目的来龙去脉、甚至能在你睡觉的时候默默把活干完。

2. AI 原生格式：说 AI 的母语

• Moxt 做了一件看起来”笨”但特别对的事：让 AI 在它最擅长的格式里工作。

• 导入 Word/PDF/Notion → 后台自动转 Markdown

• 导入 Excel → 自动转 CSV

• 生成的可视化报告 → 一律是 HTML

Markdown 是 AI 的母语。你给它一份 Markdown，它秒懂；给它一份 Word，要先转一道。Moxt 去掉了那层”为人类眼睛设计的 GUI 噪音”，让 AI 直接读取最干净的信息。

3. 文件系统：AI 的图书馆

Moxt 保留了清晰的文件目录结构——这正是 AI 训练数据中最常见的知识组织方式。当 AI 同事在这个文件系统中查找资料时，就像你走进自己精心整理过的书房，瞬间就能找到想要的那本书。

实际体验：AI 同事到底能干什么？

场景一：24 小时在线的内容编辑部

一位自媒体创作者在 Moxt 上组建了一支”AI 内容团队”：

• 策划师 Momo：每天扫描 Reddit、Twitter、Product Hunt 等 30 个信息源，发现热点话题，输出选题报告

• 写手小墨：根据确定的大纲快速生成初稿，写作过程中自动调用知识库

• 编辑阿莫：深度润色，消除 AI 味，调整句式节奏，加入个性化表达

• 排版助手：完成最终的排版美化、配图建议与发布准备

结果：内容产出效率翻了 3 倍，质量却更稳定了。 从发现话题到产出排版完成的文章，全程只在关键节点做了决策和微调。

场景二：竞品监控的”夜间值班员”

创建一个 AI 同事，设定规则：每天凌晨 2 点扫描竞争对手的官网、定价页面和社交媒体，发现变化后自动生成简报。

你早上醒来，分析报告已经躺在工作空间里了。

场景三：客户自动对接

配合 Webhook，当 GitHub 仓库有新 Issue 时，AI 同事自动归类：是 bug 归到待修复，是功能建议排进路线图候选，是用户不会用就生成 FAQ 草稿。做完再决定要不要叫你。

一个人没法 7×24 在线，AI 同事可以。

核心能力拆解

1. momo：你的专属 AI 助理

Moxt 里每个用户都有一个叫 momo 的个人 AI。它不是悬浮在对话框里的存在，而是住在你的工作空间里。

有任何问题它都会及时响应，基于当前页面的上下文回答问题、续写内容、整理信息。

有用户分享了一个细节：他在个人空间草稿了一篇年度复盘，里面有很多情绪化的表达。第二天早上，momo 主动发了一条消息：

看你昨天的复盘，几次提到对当前工作节奏的焦虑。需要我帮你梳理一下时间分配的建议吗？

它不但读了那篇复盘，还从中识别出了情绪状态，并且在恰当的时机主动提供了帮助。

2. 共享记忆：纠正一个，全队学习

这是 Moxt 最巧妙的设计之一。

当你纠正一个 AI 同事的错误时，这个反馈不是孤立的——整个团队的知识在流动，一个人犯过的错全队都不会再犯。

就像特斯拉的生产线：当一个工位学会了一个新操作，整个工厂的对应工位就同步更新了。

3. 技能系统：可组合的工具箱

Moxt 的 AI 同事拥有独立的云端工作环境，可以：

• 打开浏览器查阅资料、滚动、点击、填表、截图

• 读写文件、运行代码

• 执行定时任务（Cron）

• 响应 Webhook 事件

• 通过 MCP 连接外部系统（Sentry、Figma、Linear 等）

一个公众号写作流水线的例子：

humanizer-zh（去 AI 味）→ writing-rewriter（风格重写）→ wechat-formatter（公众号排版）

丢一份初稿进去，十几分钟拿到可以直接贴公众号的终稿。所有中间版本都在 Workspace 里，回看改动一目了然。

4. 可视化输出：不只是文字

Moxt 把 AI 的输出从文字拓展到了完整的视觉形态：

• 可交互数据看板：基于 ECharts，下拉筛选、悬浮提示、多图联动

• 结构完整的 PPT：封面、目录、内容页、图表、结尾，HTML 格式键盘翻页

• 产品原型：表单、列表、后台 Dashboard，Tailwind CSS，一个文件直接当 Demo

AI 的交付物从”一段文字”升级成了”一份可以直接发出去的成品”。

理性看待：Moxt 的不足

任何产品都不是完美的。

1. Agent 协作编排仍在完善中

多 Agent 之间的复杂协作流程（比如 A 完成后自动触发 B，B 的输出又喂给 C）目前还需要人工在关键节点做调度，全自动的流水线编排还在开发中。

2. 复杂任务执行时间偏长

当 AI 同事需要调用浏览器完成多步骤任务时，执行时间可能较长。对于需要即时反馈的场景，体验还有优化空间。

3. 学习成本不低

Moxt 的能力上限很高，但要把 AI 团队搭好、规则写好、权限配好，需要一定的学习和调试时间。它不是一个”开箱即用”的工具，更像是一个需要你投入时间去经营的系统。

4. 深度了解 = 隐私让渡

momo 能给你深度帮助，恰恰是因为它对你的了解足够深。虽然 Moxt 给了用户精细的权限控制（每个 AI 同事能访问哪些空间、读取哪些文档都可以设置），但深度和隐私本身就是跷跷板的两端，需要用户自己权衡。

适合谁？不适合谁？

适合

• 每天在多个任务之间切换的知识工作者

• 需要高频使用 AI 完成写作、调研、分析等内容创作者

• 管理多个项目、需要信息自动汇总的团队管理者

• 已经在使用 Claude Code、OpenClaw 等工具，希望降低门槛的普通用户

• 追求”一人公司”模式的独立创作者和创业者

暂时不适合

• 只需要偶尔问 AI 一个问题的轻度用户

• 不愿意花时间配置和调试 AI 系统的人

• 对数据隐私有极高要求、无法接受任何云端存储的场景

• 需要完全自动化、零人工干预的生产流水线

Agent 公式：Moxt 为什么能跑通？

有从业者提出了一个 Agent 能力公式：

Agent 能力 = 工具 × 上下文 ×（人格 + Memory + Skill）

工具决定它能做什么：Moxt 给了 sandbox、浏览器、Cron、Webhook、MCP

上下文决定它知道什么：Moxt 给了 Workspace 里持续累积的文档和外部数据通道

人格 + Memory + Skill 决定它像不像你：Moxt 给了 AGENTS.md、MEMORY.md、Skills/，三件都是你能直接读和改的纯文本

这是个乘法关系。任何一个因子为 0，输出就是 0。模型再强也救不回来。

Moxt 把这几个因子都做到了可配置、可累积、可复用。

写在最后

过去十年，工作空间经历了三次迭代：

1. Google Docs：云文档，让人可以实时协作

2. Notion / 飞书：多维数据库，让人用更灵活的方式组织信息

3. Moxt：AI 原生工作空间，让工具自己动起来

前两次迭代的核心都是让人更好用工具。Moxt 代表的第三次迭代，核心变成了让工具自己动起来。

不是人类主动去操作工具，是 AI 智能体根据人类的目标，自主选择和使用合适的工具。人类的角色从操作者变成了管理者，从”做”变成”指挥”。

就像 Moxt 官网写的那句话——

Build your AI team on Moxt.

一个人的判断力 × AI 同事的执行带宽，这才是效率的真正乘法。

你用过 Moxt 或类似的 AI 工作空间吗？欢迎在评论区分享你的体验。