AI正在终结“人适应软件”的时代:从Excel、PowerPoint到飞书、小红书,都将被重新定义或消失

软件不会在一夜之间消失，但“人必须适应软件”的时代，可能正在结束。

最近在一节 AI 课程里，我听到一个很激进的判断：

第三方软件正在走向消亡。

Excel、PowerPoint、在线文档、飞书、钉钉、微信，甚至小红书、抖音和 YouTube，都可能被 AI-native 的方式重新取代。

我的第一反应不是赞同，而是：

这些软件真的会消失吗？

继续往下想，我发现更准确的说法或许是：

真正会消亡的，不一定是软件本身，而是我们对固定软件、固定界面和封闭数据结构的依赖。

这背后不是一次简单的工具升级，而是软件的基本逻辑正在改变。

一、几乎所有软件，都可以拆成三层

不管是 Excel、PPT、在线文档还是社交媒体，几乎都可以拆成三个部分：

1. 数据层：保存信息和状态。2. 处理层：计算、整理、筛选和转换数据。3. 交互层：让人查看信息并完成操作。

过去，这三层通常被封装在同一个产品里。

使用 Excel，就要按照表格的方式组织数据；使用 PowerPoint，就要在固定的幻灯片界面中制作内容；使用社交平台，就要接受平台为你设计的信息流和推荐算法。

我们得到了一套开箱即用的工具，也把自己的数据、操作方式和部分注意力交给了产品。

AI 出现后，这三层第一次有机会被低成本地拆开：

数据可以保存在个人拥有的本地文件或数据库中；
处理过程可以交给 Agent、模型和脚本；
界面可以根据当前任务临时生成。

软件不再必须是一个预先封装好的 App，它也可以是：

我的数据＋可调用的处理能力＋此刻最适合我的交互方式。

二、AI需要的不是更漂亮的界面，而是可读取的上下文

很多软件首先是“给人看的”。

它们通过表格、卡片、菜单和仪表盘，把信息呈现在屏幕上。但对 AI 来说，漂亮的界面并不等于好用的数据。

AI 更需要的是开放、结构清晰、可检索、可组合的内容。

Markdown 的价值正在这里：它不属于某一个软件，人能读，机器也能读，还可以被迁移、索引和重新处理。

这也是为什么 Obsidian 这样的工具在今天很有吸引力。

但 Obsidian 也未必是终点。当本地文件从几百个增长到几万、几十万个时，人不可能继续依靠打开文件夹、浏览页面和手动分类来管理所有内容。

未来我们需要的，可能不是一个更复杂的笔记界面，而是一种新的交互方式：

我提出一个任务，系统自动调取相关上下文；
我描述想要的结果，Agent 自动组合数据和工具；
我不再寻找“文件在哪里”，而是直接获得当下需要的信息和行动入口。

这就是我理解的 All-in Context。

它不是把所有资料一次性塞进模型，而是让个人真正拥有自己的数据，并能针对不同任务，动态构建小而相关的上下文。

三、Excel、PPT和在线文档会怎样变化

Excel 的真正价值不是那张二维表格，而是数据、计算和查看结果的能力。

如果数据层属于个人，Agent 可以调用工具完成处理，交互层又能按需求生成，那么“打开 Excel、寻找列、编写公式”就不再是唯一方式。

面对同一份数据，我可以要一张表，也可以要一份趋势分析、一个仪表盘，或者一句直接的回答。

PowerPoint 也类似。

很多演示并不一定需要传统 PPT 文件。HTML 页面同样可以承载文字、图片、动画和互动，还更容易被 Agent 批量生成、结构化修改和在线追踪。

但这不代表 PPT 会失去价值。标准化交付、离线演示、企业模板和跨组织兼容，仍然是成熟软件的优势。

在线文档则要区分场景。

如果许多人必须同时实时编辑，成熟产品在并发、版本控制、权限和稳定性上仍有明显价值。但如果主要是一人编辑、多人阅读和批注，HTML 或轻量网页可能已经足够。

这提醒我们：

不要急着复制一个完整的传统软件。先问清楚，我们真正需要的是其中哪一种能力。

四、通讯与内容平台，也可以从“平台算法”转向“个人算法”

今天很多人会习惯性地刷新微信、飞书、小红书或抖音。

这不完全是因为我们真的需要处理所有信息，也因为产品希望我们持续停留。

一种更适合人的交互方式可能是：Agent 读取被允许访问的信息，根据个人设定的规则整理、维护和推送，只有真正需要判断或行动的内容才来到人面前。

内容平台也可以做同样的拆解。

如果把小红书、抖音或 YouTube 当作娱乐平台，它们大概还会存在很久。娱乐依赖内容生态、创作者网络和共同参与感，不是个人工具可以轻易复制的。

但如果我们把它们当作信息获取工具，就可以追问：

为什么推荐算法必须完全由平台决定？
为什么我的偏好数据只能留在平台？
为什么看过的重要内容不能进入自己的长期知识库？

所谓“自制一个小红书或 YouTube”，并不是重新建立一个内容平台，而是拿回其中与自己有关的部分：订阅信息源、定义筛选规则、保存偏好数据，把看过的文字、音频和视频转成可检索的本地内容。

平台仍然可以是信息源，但不再是个人知识和偏好的唯一拥有者。

当然，这里必须有一个前提：Agent 对通讯、偏好和个人资料的访问，应当遵循最小权限、可撤销、可审计的原则。

拿回数据主权，不应该以失去隐私和安全为代价。

五、每减少一个不必要的软件依赖，就多一份杠杆

这节课里最触动我的一句话是：

每丢弃一个不必要的人类软件，Harness AI 或 Harness Self 的杠杆就增加一份。

Harness AI，是让 AI 真正形成稳定闭环。

减少点状应用、脆弱桥接和人工搬运后，Agent 才能持续工作，而不是每走几步就停下来等人点击。

Harness Self，是重新组织自己。

当知识、思考和行动散落在不同软件中，人需要不断搜索、切换和恢复上下文。外部结构的碎片化，最后会变成内部状态的混乱。

当数据逐渐回到个人拥有的结构中，AI 飞轮才可能真正转起来：

数据持续积累 → 动态构建上下文 → AI处理更有效 → 人工搬运更少 → 行动与产出增加 → 新数据继续沉淀。

六、但不要把“自建”变成新的执念

第三方软件不会因为“第三方”三个字，就自动变得有害。

成熟软件提供的稳定性、安全、协作能力和维护服务，往往是个人自建方案很难复制的。

为了摆脱一个软件，投入大量时间维护另一个更脆弱的系统，并没有增加杠杆。

所以真正的判断标准不是“这个软件是不是别人做的”，而是：

我的数据能否被导出、迁移和重新使用？
核心流程是否稳定，是否依赖人工搬运？
软件的目标与我的目标是否一致？
它是在降低行动成本，还是不断制造切换和注意力消耗？
自建带来的自由，是否值得它的维护成本？

不是每个软件都应该被丢弃，也不是每个功能都值得自己开发。

真正值得丢弃的，是那些让人长期适应工具、让数据被困在孤岛、让 AI 无法形成闭环的依赖。

结语

过去，我们学习如何熟练使用软件。

接下来，我们可能要学习的是：如何定义自己的数据，如何让 AI 处理它们，以及如何为当下的任务生成最合适的交互方式。

这不是从一个 App 迁移到另一个 App。

而是从“人适应软件”，走向“软件围绕人重新生成”。

—