AI 工具推薦現(xiàn)在是門顯學。

打開任何一個平臺，都有人在告訴你「這 10 個 AI 工具必須收藏」「2026 年最強 AI 工具箱」。標題一個比一個夸張，列表一個比一個長。你點進去、收藏，然后，再也沒有打開過。

我們自己也推過不少工具。但說實話，大部分 AI 產(chǎn)品用一兩周就刪了。界面太復(fù)雜，響應(yīng)太慢，免費額度用完就吃灰，還有的純粹是「能做什么」和「我會用它做什么」之間隔了一條河。

一年下來，真正留在工位上、每天都在用的，就這幾個。

也順便聊聊，它們是怎么嵌進我們真實工作流的。

信息太多的時代，先讓 AI 理清關(guān)系

Gemini 深度研究 + Kimi

在所有被 AI 改變的工作環(huán)節(jié)里，搜索可能是最早被掀翻的。

過去做一個選題、一份競品報告、一次行業(yè)判斷，最耗時間的不是寫，而是找。找資料、篩資料、判斷資料 A 和資料 B 之間到底是什么關(guān)系。傳統(tǒng)搜索引擎給你的是一堆鏈接，你得自己點開、自己讀、自己拼圖。

AI 搜索做的事不太一樣。它更像在幫你畫一張問題地圖：這個話題有哪些分支，哪些結(jié)論已經(jīng)比較確定，哪些方向還需要繼續(xù)挖掘。

Gemini 深度研究適合處理開放性問題。

比如研究一個海外 AI 產(chǎn)品、一條技術(shù)路線、一家新公司，它會先把問題拆成幾個方向，自動搜資料，最后吐出一份結(jié)構(gòu)化報告。不是說它寫的結(jié)論都能直接用，但它給的那張地圖，能幫你省掉最前面的兩三個小時。

例如，我讓 Gemini 深度研究整理 WWDC 2026 的爆料信息。它會先生成一份研究計劃，把任務(wù)分為研究網(wǎng)站、分析信息、生成報告幾個階段，這些報告的 AI 味比較重，不能指望拿來就能用，但它提供了一套清晰的資料路徑，省掉了大量前期資料整理時間。

日常中文語境里搜資料，我們更多用 Kimi。

國內(nèi)公司的公開資料、政策文件、訪談稿、財報、行業(yè)研報，扔進去提煉要點、對比差異、整理時間線，基本夠用。不過說實話，非付費用戶偶爾會遇到算力不足的提示，這是它目前一個繞不開的問題。

兩個搭配著用，大問題找 Gemini，日常中文資料搜 Kimi。搜索這件事，從「自己翻鏈接」變成「AI 畫地圖然后你挑路走」，效率差的不是一點半點。

你的知識庫，正在變成 AI 理解你的入口

飛書 + Obsidian

搜來的資料、開會的結(jié)論、讀文章的想法、做項目的經(jīng)驗，這些東西放哪？

過去說知識管理，第一反應(yīng)是建文件夾、做分類、寫筆記。但 AI 時代這件事的邏輯變了。知識管理不只是把東西存起來，而是給 AI 建一套理解你的系統(tǒng)。讓它知道你的寫作風格、判斷標準、常用模板、在關(guān)注什么方向。

知名 AI 大神 Andrej Karpathy 前段時間聊過怎么構(gòu)建個人知識系統(tǒng)，方案偏技術(shù)派，但思路值得借鑒：協(xié)作工具管動態(tài)信息，筆記系統(tǒng)管長期沉淀，AI 參與整理、檢索和再加工。

落到日常，我們用的是一個更輕的組合：飛書 + Obsidian。

飛書負責每天都在變的東西：會議紀要、項目進度、選題池、需求列表、團隊 SOP。Obsidian 負責更長期的沉淀：寫作風格、判斷標準、工作方法、案例庫、閱讀筆記、復(fù)盤記錄。

串起來的方式是這樣的：把個人信息整理成分層的 markdown 文件，接著可以通過 OpenClaw 接入飛書機器人，也可以把 GPT、Claude、DeepSeek、Kimi 統(tǒng)一接進來。之后不管調(diào)用哪個模型，它都可以先去知識庫里翻對應(yīng)的規(guī)則文件，理解清楚背景再回答。

比如讓它寫視頻腳本，它先看你的腳本規(guī)則；讓它做選題判斷，它先看你的內(nèi)容方向；問它職業(yè)規(guī)劃，它先看你的履歷和目標。用得越久，規(guī)則文件越完整，AI 對你的理解就越接近真實的你。

說白了，技術(shù)門檻其實沒那么高，難的是先花一個下午，把自己的工作方式整理成 AI 能讀懂的格式。

打工人的會議外掛，終于不只是錄音了

Plaud

對每周開 10 個會議以上的打工人來說，開會本身可能只占一半工作量。另一半是整理紀要、提煉重點、追蹤待辦、同步給沒參會的同事。這后半段，往往比開會還磨人。

Plaud 是我們這兩年推薦次數(shù)最多的硬件，也是近幾年少有的硬件黑馬。它解決的就是會議結(jié)束后那 30 分鐘的無用功。

這個小錄音設(shè)備往桌上一放，會議結(jié)束，紀要已經(jīng)結(jié)構(gòu)化了。客戶訪談完立刻把紀要發(fā)回去確認，專業(yè)且留了書面憑證；重要會議結(jié)束把整理好的重點扔給沒參會的同事，省掉所有人的同步時間。

但它最好用的地方，其實不是錄音轉(zhuǎn)文字本身，而是支持定制 prompt 模板。

這里有一個很多人沒意識到的技巧：不要用默認的會議模板，而是換成貼合你崗位的提示詞，產(chǎn)出價值通常差好幾倍。比如銷售可以用「按客戶痛點排序總結(jié)，列出反對意見」，再加一句「額外梳理客戶在會議中表現(xiàn)出猶豫或興奮的三個瞬間，分析潛在顧慮」。同一段錄音，換幾套 prompt 重新生成，往往能挖出完全不同的觀察角度。

免費得到一份「客戶心理學報告」，這件事最妙的地方在于，你不需要學任何新技能，只需要學會怎么把問題問對。

先用 AI 做草稿，正在成為視覺表達的新習慣

GPT-Image-2 + TapNow

內(nèi)容產(chǎn)出里，視覺一直是最容易卡住的環(huán)節(jié)。

文字可以自己寫，方案可以自己改。但一到配圖、海報、PPT 視覺、短視頻素材，很多人還得等設(shè)計師排期。需求說不清楚，來回改幾輪，靈感早就涼了。

今年用得最順手的組合是 GPT-Image-2 + TapNow。GPT-Image-2 的出圖質(zhì)量穩(wěn)定、風格可控、提示詞體系成熟。科技感配圖、產(chǎn)品概念圖、社媒海報草稿，它都能快速給出一個能拿來討論的版本。

注意，是「討論」的版本，不是終稿。但這一步恰恰最管用，過去很多需求卡在「你說的感覺我不太理解」，現(xiàn)在可以先丟一張 AI 生成的圖到群里，所有人對著同一張圖說話。

視頻生成環(huán)節(jié)，我們更多用 TapNow。它支持調(diào)用 Seedance 2.0 和可靈 3.0，適合把已經(jīng)確定的角色、產(chǎn)品、環(huán)境素材延展成短視頻。日常視覺記錄、產(chǎn)品展示、社媒短內(nèi)容，夠用了。

這套組合不只服務(wù)設(shè)計師和媒體人。

銷售可以出提案配圖，產(chǎn)品經(jīng)理可以出 UI 草圖，品牌營銷可以生成海報，老師可以出課件配圖。它真正的價值在于正式投入設(shè)計資源之前，快速把模糊想法變成可見草稿。提前用 AI 確認方向，溝通成本低很多，返工也少很多。

Vibe Coding 火了，需求表達成了新技能

Claude Code、Codex

今年一個很有意思的變化：越來越多不寫代碼的人開始用 Claude Code、Codex 這類 AI coding agent。

過去想寫一個小工具、改一個網(wǎng)頁、做一個自動化腳本，得找程序員。現(xiàn)在把需求說清楚，AI 就能通過自然語言完成相當一部分開發(fā)。這也是 Vibe Coding 今年突然火起來的原因。

它讓不會寫代碼的人也能參與軟件生產(chǎn)。不需要先學完整的編程語言，甚至不需要理解每一行代碼，只需要知道自己要什么，并且持續(xù)把需求描述清楚。

配合阿里千問語音輸入法，口述需求，讓 AI 整理成任務(wù)說明，一個人就能跑通過去需要產(chǎn)品、設(shè)計、工程一起配合的小工具原型。

生活中也可以用。比如給自己裝一個「微信讀書 skill」，讓它定期分析閱讀記錄，統(tǒng)計最近關(guān)注的主題，推薦下一批書，找認知盲區(qū)。

未來很多人未必會成為程序員，但會越來越像一個小型工程團隊：能描述需求，能指揮工具，能驗證結(jié)果，能把重復(fù)工作交給 AI。

AI 干活的間隙，我趁機回血

清閑 OC1 Pro

到這里，五個工具聊完了。

但有一個東西，今年給我的回報感可能比上面任何一個都強。它不是軟件，也沒有 AI 功能。它是一把椅子。

AI 沒有把人從工位前解放出去。相反，當我們越來越習慣把長文檔、代碼、研究、圖片、視頻都扔給 AI 處理，工作里反而多了很多新的間隙：等 DeepSeek 讀完一份文檔，等 ChatGPT 重構(gòu)一個模塊，等 Gemini 生成報告，等視頻模型吐出第一版素材。

人的角色在變。不再只是埋頭輸出，而是在「發(fā)出任務(wù)、等待結(jié)果、判斷修改」之間來回切換。這讓工位上的短暫休息變得比以前重要得多。等 AI 的幾十秒、幾分鐘，可以繼續(xù)刷手機、盯進度條，也可以活動腰背、調(diào)整坐姿、閉眼歇半分鐘，再回到下一輪判斷。

我工位上這把清閑 OC1 Pro，是最近在科技圈、創(chuàng)業(yè)圈非?；鸬膭討B(tài)人機工學椅，定價 4299 元，不便宜。但比起我待在椅子上的時間，我和床待在一起的時間是比不過椅子的。

頸枕、椅背、坐墊、扶手都能隨坐姿變化調(diào)整，腰背支撐不是固定在一個位置上。后仰有 5 檔，從日常辦公到午休都能覆蓋，一鍵脊柱拉伸在連續(xù)工作幾小時后是實實在在的放松。

Pro 款多了座椅通風，夏天辦公室空調(diào)不穩(wěn)的時候體感差距很明顯。它不是那種會讓你驚呼黑科技的產(chǎn)品。它就是讓你坐到下午五點，腰不酸了。

我們過去聊工位升級，聊的是屏幕尺寸、鍵盤手感、桌面收納、設(shè)備性能。但用了一年 AI 工具之后，我發(fā)現(xiàn)工位真正需要升級的，是人和工具的協(xié)作關(guān)系。

查資料、建知識庫、記會議、出畫面、寫工具，最后是坐得住。

AI 時代最容易被高估的是工具，最容易被低估的是人。

過去兩年，AI 生產(chǎn)力工具的付費主體正在發(fā)生劇烈的變化。早期更多是個人用戶和技術(shù)愛好者自己付費，現(xiàn)在不少公司開始把會員訂閱、APl token、算力額度納入員工預(yù)算。原因并不復(fù)雜，只要一類工具能持續(xù)改善表達、判斷，創(chuàng)作和執(zhí)行效率，公司就愿意為它買單。

類似的邏輯也會延伸到辦公硬件上。當越來越多人進入 AI-native 的工作狀態(tài)，坐在電腦前的時間并沒有減少，甚至在一些崗位上變得更長。真正影響效率的，也不只是模型能力和軟件體驗，還有員工長時間工作時的身體狀態(tài)、專注質(zhì)量和辦公環(huán)境。

一個好的工位，應(yīng)該讓你更快進入工作，也更容易從工作里恢復(fù)。它不只是生產(chǎn)力中心，也是一個人和 AI 協(xié)作時最基礎(chǔ)的身體接口。

我們的辦公桌上會有越來越多智能硬件、Agent、模型入口和自動化流程。但無論 AI 怎么進化，坐在椅子上的人，才是所有工作的起點。

工具負責記錄、整理、生成和執(zhí)行。人負責判斷、表達、溝通和創(chuàng)造。效率提升的意義，不是接更多任務(wù)、坐更久時間，而是少被瑣碎消耗，把精力留給重要的事。

照顧好自己，就是 AI 時代最實在的生產(chǎn)力。

作者：莫崇宇、李超凡