将 AI Agent 引入到你的文件夹中来

你有没有数过，自己电脑上开着几个 chat 窗口？

我前两天随手统计了一下——Claude 这边七八个，ChatGPT 那边十几个，还有零散的 Kimi、Gemini 对话，加起来超过三十个。每一个窗口里，都装着某个项目的讨论记录、某次头脑风暴的片段、某份文档的草稿。

找起来？找不到。

用起来？每次都得重新把背景交代一遍，像一个不断失忆的员工，跟他共事的人，才是那个真正受苦的人。

这个状态我觉得很多人都有，但可能很少有人意识到，这不只是习惯问题，而是一种使用方式的根本错误。

01 你正在为"重新教 AI"白白烧掉多少时间

Qatalog 和康奈尔大学有一项联合研究，结论让我有点后背发凉：每次切换应用之后，一个人平均需要 9.5 分钟，才能重新进入专注状态。

哈佛商业评论的数据更残酷：数字工作者每天切换应用和网站的次数，高达 1200 次。

我有一个AI社群，里面有很多AI相关的亚马逊操作和AI 工具的使用实操，欢迎加入：

我知道，你可能会说：切换 chat 窗口，又不是切换应用，哪有那么严重？

但你想想，每次开一个新的 chat，你实际上在做什么——你在重新向 AI 解释你的项目背景，重新说明你的偏好和规则，重新把上次讨论的结论复述一遍。这些时间不算在"切换"里，算在哪里？

认知科学研究给过一个估算：上下文切换，可以吃掉一个人高达 40% 的有效工作时间。

这 40%，就安安静静地消失在那些"来，让我重新跟你说一下，我这个项目是做什么的……"的句子里。

02 chat 对话框的本质局限：它是个顾问，不是员工

说实话，我用了将近两年的各种 AI chat 工具，才真正想明白一件事：

chat 对话框，天生就是顾问模式。

你去找顾问咨询，顾问给你建议，你回去自己执行。下次再找他，你还得重新把情况说一遍，因为他不住在你的公司里，他不知道上次会议决定了什么，也不知道你的文件夹里现在放着什么。

这不是顾问的错，这是这种关系的本质决定的。

传统的 chat AI，本质上就是这样。基座模型本身是没有状态的，它能记得你们的历史对话，完全依赖于那个聊天框提供的 context 管理。一旦你开了新的对话框，它就彻底失忆了。它没有办法直接操作你的文件，没有办法记住你的项目架构，更没有办法在后台帮你把任务执行完——它只能等你来问。

你想要的，其实不是一个随叫随到的顾问。你想要的，是一个住在你办公室里的员工，一个了解你所有项目细节、能直接动手干活、不需要你反复交代背景的协作者。

这，就是 AI Agent 驻扎本地文件夹的本质价值。

03 当 AI 住进你的文件夹

我最近在深度体验 Claude Desktop 的 Cowork 模式，说实话，体验了几天之后，感受发生了很大的变化。

第一天，我以为它不过是把 chat 界面换了个皮。

到后来，我意识到这两件事的差距，就像"给你一个电话号码，可以随时打给某个专家"和"给你安排了一个专职助理坐在你旁边"的差距。

它的核心逻辑只有一句话：让 AI 持久地理解你的项目，而不是每次从零开始。

具体怎么做到的？来想象一个场景：你今天要处理一个新项目，需要整理素材、起草文档、同步给团队。

以前的做法是，打开一个 chat，把素材复制进去，说明背景，等它输出，再手动复制到文档里，再开一个 chat 同步给 Slack……每一步都要你做搬运工。

现在不一样了，背后有三个机制在支撑：

第一，操作文件。 它直接读写你的本地文件夹，理解项目结构。你的笔记、文档、素材，不用复制粘贴，它自己去拿。

第二，MCP 串接。 通过 MCP 协议连接 Notion、Slack、Google Drive、Make 等工具，它不只是在帮你想，而是在帮你做——直接在后台把事情完成，而不是告诉你该怎么做完。

第三，Skills 系统。 你给它写一份 SOP 手册，定义某类任务的行为规范和产出标准。一次配置，长期生效。以前每次对话都要重新说的那些规则，现在只需要说一次。

三件事加在一起，它从一个「等你来问的顾问」变成了「知道你在做什么、能直接动手、还记得你所有偏好的同事」。

有一个产品经理在 Reddit 上描述了他的工作流，我觉得说得非常准确：

"我现在几乎所有时间都在 Claude 里。它接入了我的日历、Google Drive、Slack、Notion 和 Jira。需求文档只需要把 Claude 指向我们讨论需求的通话记录，加上一个我自制的 Skill，就能自动生成。"

一个说的是广度——日历、Drive、Slack、Jira 全部打通；另一位说的是直接感——文件丢进去，它直接处理。但两个人说的其实是同一件事：AI 终于知道你在做什么了。

"我用 VS Code 连接 Git 仓库和 Claude Agent。我可以直接把文件丢进文件夹里给它处理。文档和需求的质量（这是我以前最讨厌做的事）大幅提高了。"

这才是我想要的状态——不是我去找 AI，而是 AI 就在那里，随时准备好，知道项目的一切，可以直接开工。

04 不只是 Claude，这是整个行业的方向

值得一提的是，"让 AI 住进工作目录"这件事，已经不是某一家公司的产品决策，而是整个行业都在做的方向性选择。

Cursor 和 Windsurf，面向开发者，把 AI 直接嵌进了 IDE——AI 不只理解你当前在写的这个文件，而是理解你整个代码库的结构和上下文。Cursor 月活已超过 200 万，超过一半的财富 500 强企业在用。

Claude Code，面向更深度的技术用户，直接在终端运行，读写文件、执行命令，在你的本地工作目录里自主操作。它有一个 CLAUDE.md 文件，你在里面写下项目的背景和规则，每次启动 Agent 它都会先读一遍——这不就是给新员工入职的那本手册吗？

业界有一句话说得很准："模型是商品，工作流是护城河。" 工具比模型更有粘性。你一旦习惯了一套 AI Agent 工作流，真正难以割舍的，不是某个模型有多聪明，而是那套流程帮你积累起来的上下文、偏好、记忆。

换句话说，你现在花时间把 AI 请进文件夹、配置好工作流，这件事本身，就是在给自己建护城河。

05 迁移的第一步，不难

说了这么多，落到实操上，应该怎么开始？

我的建议是，不要一次性把所有工作流都迁移过去——那会让你手忙脚乱，最后什么都没做好。

选一个你最高频、最痛的任务，先迁移它。

比如，你每周都要写周报，每次都要重新跟 AI 解释你的工作背景——那就把这个任务迁移进去。在 Claude Desktop 里建一个专属的工作项目，把相关文件放进去，写一个"周报 Skill"，定义产出格式和风格。第一次配置可能要花半小时，但从第二次开始，你打开电脑，不需要说一个字的背景，直接说"帮我写本周的周报"，它就开始了。

如果你是开发者，第一步更简单——打开 Cursor 或者 Windsurf，把你现在的项目导进去。你会发现，当 AI 真正理解了你的代码库结构，而不是每次都只能看你粘贴给它的片段，那是完全不同的体验。

把 AI 从聊天框里请出来，请进你的文件夹里。

这不只是换一个工具，这是换一种与 AI 协作的关系——从"随时可以咨询的顾问"，到"真正和你一起工作的同事"。

你还记得文章开头那三十个 chat 窗口吗？每一个里面，都有一段上下文、一些背景知识、一个没被充分利用的决策在睡觉。

那些散落在几十个 chat 窗口里的上下文，值得一个更好的归宿。