作者｜連冉

編輯｜鄭玄

今年以來，端側(cè) AI Agent 已成為 AI 辦公賽道的核心賽道，從 Openclaw 掀起的端側(cè)智能熱潮，到各類新 Agent 產(chǎn)品密集亮相，行業(yè)在技術(shù)迭代與產(chǎn)品落地的過程中，也呈現(xiàn)出一種割裂狀態(tài)：一方面大模型的通用能力持續(xù)提升，Agent 的工具調(diào)用、指令遵循能力不斷優(yōu)化；另一方面，全球超 10 億規(guī)模的知識(shí)工作者群體中，多數(shù)人的日常辦公仍未擺脫「多窗口切換、上下文反復(fù)投喂、工作流與 AI 能力割裂」的普遍痛點(diǎn)。

最近，一款桌面客戶端產(chǎn)品 Floatboat 開啟了內(nèi)測(cè)，它集成了文件管理器、瀏覽器和 AI 對(duì)話界面，主要面向 OPC 群體。

這款產(chǎn)品究竟針對(duì) AI 辦公的哪些核心問題給出了新的解決方案？其產(chǎn)品設(shè)計(jì)與行業(yè)主流方向有何差異？我們與 Flowboat 創(chuàng)始人譚少卿進(jìn)行了對(duì)話，還原這款產(chǎn)品的核心邏輯與行業(yè)思考。

01

AI 辦公的最大痛點(diǎn)，不是模型不夠強(qiáng)

「我們測(cè)過，即使用戶完全不調(diào)用 Flowboat 的 Agent 功能，純工具層面的辦公效率也能提升 2-5 倍?！箤?duì)應(yīng)譚少卿這句話的，是當(dāng)下 AI 辦公賽道存在的一種情況——大多產(chǎn)品都在卷模型能力、卷多模態(tài)效果、卷工具調(diào)用的豐富度，但 AI 和用戶的原生工作流，仍然是有些割裂的。

這可能是每個(gè)知識(shí)工作者的日常：寫一篇深度稿件，你要先在瀏覽器里查行業(yè)資料、扒數(shù)據(jù)，再打開文檔整理素材，接著切到 GPT、Claude 等的窗口里，把素材一段段粘貼進(jìn)去，寫 prompt 告訴 AI 要寫成什么風(fēng)格，等 AI 生成后，再復(fù)制回文檔里手動(dòng)修改，過程中發(fā)現(xiàn)缺了數(shù)據(jù)，又要重復(fù)一遍「瀏覽 - 復(fù)制 - 粘貼 - 投喂」的循環(huán)。

更不用提身兼數(shù)職的 OPC 創(chuàng)業(yè)者，寫 BP 要同步產(chǎn)品設(shè)計(jì)文檔、用戶反饋、市場(chǎng)數(shù)據(jù)，寫 JD 要同步公司愿景、產(chǎn)品特性、團(tuán)隊(duì)情況，做投放要管素材制作、賬號(hào)運(yùn)營、數(shù)據(jù)復(fù)盤，所有的信息散落在本地文件夾、微信聊天框、瀏覽器網(wǎng)頁、各類 SaaS 工具里，AI 根本無法觸達(dá)完整的工作流，只能做單點(diǎn)的、碎片化的任務(wù)處理。

Flowboat 的解法，跳出了「對(duì)話框即 Agent」的行業(yè)慣性，它沒有在傳統(tǒng)辦公流程里加一個(gè) AI 對(duì)話入口，而是直接打造了一套瀏覽器 + 文件管理器 +AI Agent 三位一體的 AI 原生辦公環(huán)境——這也是產(chǎn)品最早的代號(hào) AoE 的由來，既是游戲里「范圍傷害」的術(shù)語，也是 AI Office Environment（AI 辦公環(huán)境）的縮寫。

這個(gè)設(shè)計(jì)的核心，是讓 Agent 融入用戶的工作流，而非讓用戶圍著對(duì)話框轉(zhuǎn)。在 Flowboat 里，AI 是一個(gè)能主動(dòng)感知你工作狀態(tài)的協(xié)同者：你打開的產(chǎn)品設(shè)計(jì)文檔、瀏覽的行業(yè)網(wǎng)站、操作的本地文件夾，都會(huì)成為 AI 可感知的上下文，不需要你手動(dòng)上傳、復(fù)制粘貼、寫長長的 prompt，它天然就知道你正在做什么、需要什么。

比如寫融資 BP 時(shí)，你只需要在左側(cè)打開產(chǎn)品設(shè)計(jì)文檔、市場(chǎng)調(diào)研材料，對(duì)著 AI 說一句「寫一版種子輪融資 BP」，它就能自動(dòng)讀取所有上下文，生成完整的 BP 內(nèi)容，甚至能根據(jù)需求迭代 20 多個(gè)版本，全程沒有任何文件傳輸?shù)牟僮?；招聘?JD 時(shí)，你不用再大段給 AI 解釋公司情況，只需要說一句「幫我寫一個(gè)測(cè)試崗位的招聘 JD」，AI 就能自動(dòng)讀取左側(cè)的公司資料，生成精準(zhǔn)匹配需求的文案，你只需要微調(diào)細(xì)節(jié)就能使用；內(nèi)容創(chuàng)作時(shí)，你可以直接用內(nèi)置瀏覽器瀏覽博主的社交媒體內(nèi)容，一句話讓 AI 把博主三天的帖子整理、轉(zhuǎn)錄、配音，生成一期完整的播客，全程不用切換窗口、不用下載轉(zhuǎn)錄工具。

在試用過程中，能感受到確實(shí)便利不少，在工作空間里，我可以同時(shí)開啟多個(gè)文件夾并自由切換，文件瀏覽和查找的效率很高；也能直接將多份文檔拖入對(duì)話區(qū)域，讓 AI 分析它們之間的關(guān)聯(lián)與邏輯。在處理網(wǎng)頁信息時(shí)，內(nèi)容可以隨手拖拽保存到本地文件夾，無需復(fù)制粘貼；內(nèi)置編輯器支持直接修改文檔，每一處改動(dòng)都會(huì)被 AI 同步感知，不需要重新上傳或手動(dòng)同步上下文。

完成一次任務(wù)后，比如按個(gè)人風(fēng)格生成稿件，我可以將整段工作流程一鍵保存為 Combo Skill。系統(tǒng)會(huì)自動(dòng)記錄操作步驟、表達(dá)偏好與執(zhí)行邏輯，形成可重復(fù)使用的技能模板。后續(xù)遇到相似任務(wù)時(shí)，AI 會(huì)根據(jù)當(dāng)前上下文主動(dòng)推薦匹配的 Skill，加載即用，不必手動(dòng)查找或輸入命令。

對(duì)話式產(chǎn)品的邏輯是「人找 AI」，你必須主動(dòng)把所有信息、指令喂到 AI 嘴里；而 Flowboat 的邏輯是「AI 跟著你的工作走」，它就在你的辦公環(huán)境里，你的工作流在哪，它的能力就延伸到哪。

02

Agent 行業(yè)的內(nèi)卷誤區(qū)：

我們到底需要什么樣的端側(cè)智能？

Openclaw 帶火了端側(cè) Agent 的同時(shí)，這個(gè)賽道也陷入了同質(zhì)化的內(nèi)卷：人人都在做端側(cè)產(chǎn)品，個(gè)個(gè)都在搭 skill 市場(chǎng)，仿佛誰的 skill 數(shù)量多、誰開放的權(quán)限高，誰就能贏得市場(chǎng)。但現(xiàn)在，全球 10 億知識(shí)工作者里，真正能把端側(cè) Agent 用起來的人，依然寥寥無幾。

在譚少卿看來，絕大多數(shù)產(chǎn)品都踩中了行業(yè)的三大核心誤區(qū)，而 Flowboat 本質(zhì)上是從底層就避開了這些內(nèi)卷陷阱。

誤區(qū)一是，要么只服務(wù)極客，要么想討好所有人，卻不懂用戶的核心需求是截然相反的?！肝覀兛梢苑浅４譁\地把用戶分成三級(jí)：極客用戶、專家用戶、大眾用戶，每一種用戶的需求，都是完全相反的?！?/p>

這是譚少卿做了十幾年億級(jí)用戶產(chǎn)品，核心的洞察之一，也體現(xiàn)了當(dāng)下 Agent 產(chǎn)品的普遍通病：

極客用戶追求的是極致的開放性，他們需要把產(chǎn)品的底層能力完全暴露出來，自己寫代碼、改腳本、自定義所有規(guī)則，這也是 Openclaw、Claude Code 能吸引極客群體的核心原因。但代價(jià)是極高的使用門檻，非技術(shù)用戶光是安裝部署就要花一個(gè)星期，對(duì)著終端命令行手足無措，更別說真正用起來；

專家用戶追求的是極致的可控性，他們需要 AI「指哪打哪」，需要它發(fā)揮的時(shí)候能精準(zhǔn)完成需求，不需要它發(fā)揮的時(shí)候絕對(duì)不能畫蛇添足。專業(yè)的內(nèi)容創(chuàng)作者、視頻設(shè)計(jì)師、分析師，根本無法接受 AI 隨意修改自己的作品，可絕大多數(shù) Agent 產(chǎn)品，都做不到這種精準(zhǔn)的可控；

大眾用戶追求的是極致的易用性與安全性，對(duì)他們來說，AI 工具的核心價(jià)值是「快點(diǎn)把活干完，早點(diǎn)下班」，他們沒有時(shí)間去學(xué)怎么寫 prompt、怎么裝 skill、怎么調(diào)試 Agent，復(fù)雜的知識(shí)管理、流程編排，對(duì)他們來說本質(zhì)上都是偽命題。

市面上的產(chǎn)品，要么倒向極客，做了一個(gè)只有少數(shù)人能玩明白的玩具；要么想討好所有用戶，結(jié)果做成了四不像，極客覺得不夠開放，大眾覺得太復(fù)雜，專家覺得不可控。

而 Flowboat 是先錨定了 OPC 這個(gè)核心群體——他們是最特殊的用戶，既是自己領(lǐng)域的專家，又要身兼數(shù)職，同時(shí)做法務(wù)、財(cái)務(wù)、運(yùn)營、創(chuàng)作、投放，工作流極其復(fù)雜，對(duì)效率提升的需求最為強(qiáng)烈。在此基礎(chǔ)上，產(chǎn)品實(shí)現(xiàn)了三層用戶的兼顧：

底層保留了極客用戶需要的開放性，支持自定義 combo skills 與 API 調(diào)用，能滿足深度定制的需求；

交互上做到了大眾用戶能接受的開箱即用，零代碼門檻，不用寫 prompt，用自然口語就能驅(qū)動(dòng) AI；

功能上滿足了專家用戶需要的可控性，內(nèi)置編輯器可以隨時(shí)手動(dòng)調(diào)整內(nèi)容，避免 AI 亂改，實(shí)現(xiàn)「人機(jī)協(xié)同」的精準(zhǔn)控制，不用再下載文件、切換軟件反復(fù)修改。

譚少卿提出了一個(gè)本質(zhì)的判斷：「我們每個(gè)人在不同的事情上，都處于不同的用戶分層。你可能是一個(gè)技術(shù)極客，但在法務(wù)這件事上，你就是個(gè)大眾用戶；你是一個(gè)內(nèi)容創(chuàng)作的專家，但在數(shù)據(jù)分析這件事上，你可能就是個(gè)普通用戶。一個(gè)真正有普適性的生產(chǎn)力工具，必須要能覆蓋這三層用戶的需求。這在產(chǎn)品技術(shù)的架構(gòu)上是非常大的挑戰(zhàn)，但 AI 的進(jìn)步讓這件事情有了一些可能性」

誤區(qū)二是把 skill 市場(chǎng)當(dāng)核心壁壘，卻忽略了它只是過渡形態(tài)。

當(dāng)下的 Agent 行業(yè)，幾乎所有玩家都在瘋狂內(nèi)卷 skill 市場(chǎng)，仿佛誰的 skill 數(shù)量多，誰就能建立下一代應(yīng)用生態(tài)。但譚少卿的判斷是：「絕大多數(shù) skill 市場(chǎng)，最終都會(huì)死掉?！?/p>

他給出了兩個(gè)理由：第一，第三方 skill 存在無法解決的安全與信任問題。普通用戶根本看不懂 skill 的代碼，無法判斷它有沒有安全風(fēng)險(xiǎn)，而平臺(tái)只做聚合，不承擔(dān)任何責(zé)任，用戶用了 skill 之后電腦出問題、數(shù)據(jù)泄露，只能自己承擔(dān)后果。就像 Openclaw 的開源邏輯：「我玩法都開放了，你電腦搞壞了跟我有什么關(guān)系？」但在譚少卿看來，作為一款面向大眾的商業(yè)產(chǎn)品，這種價(jià)值觀是完全行不通的。

第二，skill 本質(zhì)上只是一個(gè)過渡形態(tài)?！竤kill 是什么？其實(shí)就是我們?nèi)祟愒诎炎约旱?knowhow 蒸餾給模型，模型廠開心壞了，終于有人系統(tǒng)性地把各行各業(yè)的經(jīng)驗(yàn)扔給我。」譚少卿說，「而大模型的能力在飛速提升，現(xiàn)在需要 skill 才能實(shí)現(xiàn)的功能，未來模型會(huì)直接內(nèi)化掉，變成自己的通用能力?！?/p>

在他看來，skill 只會(huì)在需要高確定性的企業(yè)場(chǎng)景里長期留存，對(duì)于絕大多數(shù)普通用戶來說，它注定只是 AI 發(fā)展過程中的過渡產(chǎn)物。

也正因如此，F(xiàn)lowboat 沒有陷入 skill 數(shù)量的內(nèi)卷，而是打造了一套完全不同的 combo skills 體系。它用 Markdown 這種人和機(jī)器都能讀懂的介質(zhì)，把指令、模板、腳本、API 調(diào)用全部整合在一個(gè)文件包里，用戶不需要懂低代碼、不需要寫復(fù)雜的腳本，就能輕松自定義技能，同時(shí)技能和用戶的工作流、上下文深度綁定，不是一個(gè)孤立的功能插件?！窤I 能力的強(qiáng)大實(shí)際上會(huì)讓每個(gè)人變成 prosumer，這跟軟件和 SaaS 時(shí)代是完全不一樣的。」

更重要的是，官方出品的 skill 都做了嚴(yán)格的安全審核，給用戶兜底，從根源上解決了安全焦慮。

誤區(qū)三是只做工具層面的創(chuàng)新，卻不敢打破延續(xù)了幾十年的數(shù)據(jù)壟斷。

從 PC 時(shí)代的 Office 軟件，到互聯(lián)網(wǎng)時(shí)代的 SaaS 產(chǎn)品，辦公領(lǐng)域幾十年的發(fā)展史，本質(zhì)上是一部平臺(tái)壟斷用戶數(shù)據(jù)的歷史。

傳統(tǒng)的 Office 軟件，用私有協(xié)議把數(shù)據(jù)、交互、邏輯強(qiáng)行分離，你必須用 Word 才能打開 doc 文件，否則就是一堆亂碼，平臺(tái)壟斷了文件的唯一解釋權(quán)；后來的 SaaS 產(chǎn)品，更是把數(shù)據(jù)壟斷做到了極致，你存在飛書、Notion 里的文檔，絕大多數(shù)都不支持完整的原生格式導(dǎo)出，ChatGPT 的記憶功能，甚至只允許導(dǎo)出用戶自己發(fā)送的內(nèi)容，AI 回復(fù)的核心信息根本無法完整導(dǎo)出。

用戶用的工具越來越多，卻從來沒有真正擁有過自己的數(shù)字資產(chǎn)。更不用提跨產(chǎn)品、跨 Agent 的協(xié)同：你在 Flowboat 里的工作流，沒法同步到 Openclaw 里；你在 Claude 里的 AI 記憶，沒法用到 GPT 里；不同平臺(tái)之間，數(shù)據(jù)和上下文完全是割裂的。

這才是辦公領(lǐng)域最底層的頑疾，也是 Flowboat 真正想要打破的壁壘——它推出了開源的 selfware 協(xié)議，重新定義了 AI 時(shí)代的數(shù)字文件格式。譚少卿用了一個(gè)很形象的比喻：「Flowboat 相當(dāng)于是一艘承載用戶數(shù)字資產(chǎn)的船，船與船之間流轉(zhuǎn)的，就是 selfware 協(xié)議的文件包，它就是新時(shí)代 Agent 世界里的標(biāo)準(zhǔn)化集裝箱?！?/p>

這個(gè)協(xié)議從底層重構(gòu)了數(shù)字文件的邏輯：

它把數(shù)據(jù)、交互、邏輯重新整合到一個(gè)統(tǒng)一的文件包里，不止包含最終的交付結(jié)果，還完整保留了整個(gè)創(chuàng)作、協(xié)同過程中的所有想法、決策、修改記錄、用到的 skill 與 API，把 AI 需要的完整上下文，全部封裝在一個(gè)文件里；

它實(shí)現(xiàn)了真正的跨產(chǎn)品兼容，只要是支持 selfware 協(xié)議的 Agent 產(chǎn)品，都能打開、編輯、使用這個(gè)文件包，用戶再也不用被單一平臺(tái)綁定，實(shí)現(xiàn)了「我的數(shù)據(jù)我做主」；

它保障了用戶的數(shù)據(jù)所有權(quán)，所有的文件包、數(shù)據(jù)、AI 記憶都儲(chǔ)存在用戶本地，不存在平臺(tái)蒸餾用戶數(shù)據(jù)、泄露用戶隱私的可能，用戶帶著電腦，就帶走了自己所有的數(shù)字資產(chǎn)。

這是在嘗試對(duì)整個(gè)辦公行業(yè)底層規(guī)則進(jìn)行重構(gòu)，把生產(chǎn)資料的所有權(quán)，重新還給每一個(gè)個(gè)體用戶。

03

OPC 時(shí)代，Agent 的終局是重構(gòu)生產(chǎn)關(guān)系

「我們選的切入點(diǎn)，是 OPC。因?yàn)槲覀冋J(rèn)為，OPC 代表了先進(jìn)生產(chǎn)力?！?/p>

AI 大模型的爆發(fā)，正在徹底重構(gòu)社會(huì)的勞動(dòng)分工。原來需要專業(yè)團(tuán)隊(duì)才能完成的事，現(xiàn)在一個(gè)人就能做到：編程、做視頻、寫網(wǎng)頁、做設(shè)計(jì)，這些曾經(jīng)需要專門職業(yè)的技能，現(xiàn)在都被 AI 變成了人人都能掌握的基礎(chǔ)能力。越來越多的人選擇成為 OPC，用 10 人以內(nèi)的小團(tuán)隊(duì)，甚至一個(gè)人，去運(yùn)營一整攤生意。

但傳統(tǒng)的辦公軟件，并不是為這群人設(shè)計(jì)的。中大型企業(yè)的分工明確，法務(wù)、財(cái)務(wù)、運(yùn)營、創(chuàng)作各有專人負(fù)責(zé)，工作流是標(biāo)準(zhǔn)化、線性的；而 OPC 創(chuàng)業(yè)者，要一個(gè)人扛起所有角色，工作流是動(dòng)態(tài)的、交叉的、復(fù)雜的，信息散落在各個(gè)平臺(tái)、各個(gè)文件里，對(duì)上下文流轉(zhuǎn)、多角色協(xié)同的需求，遠(yuǎn)比中大型企業(yè)更強(qiáng)烈。

「如果你的工作越復(fù)雜，上下文流轉(zhuǎn)越頻繁，一個(gè)人扮演的角色越多，F(xiàn)lowboat 給你的效率提升就越大。」譚少卿說，「如果你的任務(wù)是相對(duì)單點(diǎn)縱深的或者分工特別明確，那你對(duì)它的能力感知可能不會(huì)那么強(qiáng)烈。」他笑著說，「比如很多投資人朋友」，「但未來，越來越多的人會(huì)成為 OPC，會(huì)需要一個(gè)人頂一個(gè)團(tuán)隊(duì)，這就是我們的核心用戶。」

工具只是 Flowboat 的第一步，它真正想做的，是搭建一套分布式的 Agent 協(xié)同網(wǎng)絡(luò)，讓個(gè)體生產(chǎn)力第一次具備網(wǎng)絡(luò)效應(yīng)，重構(gòu) AI 時(shí)代的生產(chǎn)關(guān)系。

傳統(tǒng)的協(xié)同辦公，本質(zhì)上是「人找人」。你要把自己的文件、文檔、工作記憶全部暴露給對(duì)方，才能完成協(xié)同，不僅效率低下，還有嚴(yán)重的隱私泄露風(fēng)險(xiǎn)。而在 Flowboat 的分布式網(wǎng)絡(luò)里，協(xié)同的主體變成了 Agent：你和同事的電腦，可以通過 Agent 實(shí)現(xiàn)安全、高效的協(xié)同，不用暴露自己的完整數(shù)字資產(chǎn)，只需要共享項(xiàng)目區(qū)間內(nèi)的上下文，雙方的 Agent 就能提前完成多輪信息同步與內(nèi)容處理，最終人只需要做核心決策。

更具想象空間的，是這個(gè)網(wǎng)絡(luò)對(duì)個(gè)體生產(chǎn)力的指數(shù)級(jí)放大。你的 Agent 可以在你休息的時(shí)候，和網(wǎng)絡(luò)里其他用戶的 Agent 完成對(duì)接、協(xié)作、甚至基礎(chǔ)的商業(yè)交易。原本你一個(gè)人只能服務(wù)四五個(gè)客戶，在 Agent 的加持下，你能服務(wù)的上限可以拓展到上百人。

譚少卿說，「當(dāng)每個(gè)個(gè)體的生產(chǎn)力都被 AI 放大 10 倍、100 倍，再通過開放的分布式網(wǎng)絡(luò)實(shí)現(xiàn)協(xié)同，整個(gè)社會(huì)的生產(chǎn)關(guān)系，都會(huì)發(fā)生根本性的改變?！?/p>

交流最后，他反復(fù)提到一個(gè)核心觀點(diǎn)：產(chǎn)品設(shè)計(jì)決定用戶需求。「你把產(chǎn)品叫做 AI Browser，那來的用戶 70% 都是來抓數(shù)據(jù)的；你把產(chǎn)品定義成面向 OPC 的 Agent 工作空間，用戶才會(huì)把剪視頻、做科研、寫播客、做戰(zhàn)略分析這些真實(shí)的、復(fù)雜的需求釋放出來。而這才是我們探索的起點(diǎn)?！?/p>

* 頭圖來源：Flowboat 官網(wǎng)

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請(qǐng)聯(lián)系極客君微信 geekparkGO

直播預(yù)告