AI 工具推薦現(xiàn)在是門(mén)顯學(xué)。

打開(kāi)任何一個(gè)平臺(tái)，都有人在告訴你「這 10 個(gè) AI 工具必須收藏」「2026 年最強(qiáng) AI 工具箱」。標(biāo)題一個(gè)比一個(gè)夸張，列表一個(gè)比一個(gè)長(zhǎng)。你點(diǎn)進(jìn)去、收藏，然后，再也沒(méi)有打開(kāi)過(guò)。

我們自己也推過(guò)不少工具。但說(shuō)實(shí)話(huà)，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(fèi)額度用完就吃灰，還有的純粹是「能做什么」和「我會(huì)用它做什么」之間隔了一條河。

一年下來(lái)，真正留在工位上、每天都在用的，就這幾個(gè)。也順便聊聊，它們是怎么嵌進(jìn)我們真實(shí)工作流的。

信息太多的時(shí)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(guò)去做一個(gè)選題、一份競(jìng)品報(bào)告、一次行業(yè)判斷，最耗時(shí)間的不是寫(xiě)，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(diǎn)開(kāi)、自己讀、自己拼圖。

AI 搜索做的事不太一樣。它更像在幫你畫(huà)一張問(wèn)題地圖：這個(gè)話(huà)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(kāi)放性問(wèn)題。

比如研究一個(gè)海外 AI 產(chǎn)品、一條技術(shù)路線、一家新公司，它會(huì)先把問(wèn)題拆成幾個(gè)方向，自動(dòng)搜資料，最后吐出一份結(jié)構(gòu)化報(bào)告。不是說(shuō)它寫(xiě)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(gè)小時(shí)。

例如，我讓 Gemini 深度研究整理 WWDC 2026 的爆料信息。它會(huì)先生成一份研究計(jì)劃，把任務(wù)分為研究網(wǎng)站、分析信息、生成報(bào)告幾個(gè)階段，這些報(bào)告的 AI 味比較重，不能指望拿來(lái)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(shí)間。

日常中文語(yǔ)境里搜資料，我們更多用 Kimi。

上下滑動(dòng)查看更多內(nèi)容

國(guó)內(nèi)公司的公開(kāi)資料、政策文件、訪談稿、財(cái)報(bào)、行業(yè)研報(bào)，扔進(jìn)去提煉要點(diǎn)、對(duì)比差異、整理時(shí)間線，基本夠用。不過(guò)說(shuō)實(shí)話(huà)，非付費(fèi)用戶(hù)偶爾會(huì)遇到算力不足的提示，這是它目前一個(gè)繞不開(kāi)的問(wèn)題。

兩個(gè)搭配著用，大問(wèn)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(huà)地圖然后你挑路走」，效率差的不是一點(diǎn)半點(diǎn)。

你的知識(shí)庫(kù)，正在變成 AI 理解你的入口

飛書(shū) + Obsidian

搜來(lái)的資料、開(kāi)會(huì)的結(jié)論、讀文章的想法、做項(xiàng)目的經(jīng)驗(yàn)，這些東西放哪？

過(guò)去說(shuō)知識(shí)管理，第一反應(yīng)是建文件夾、做分類(lèi)、寫(xiě)筆記。但 AI 時(shí)代這件事的邏輯變了。知識(shí)管理不只是把東西存起來(lái)，而是給 AI 建一套理解你的系統(tǒng)。讓它知道你的寫(xiě)作風(fēng)格、判斷標(biāo)準(zhǔn)、常用模板、在關(guān)注什么方向。

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

上下滑動(dòng)查看更多內(nèi)容

落到日常，我們用的是一個(gè)更輕的組合：飛書(shū) + Obsidian。

飛書(shū)負(fù)責(zé)每天都在變的東西：會(huì)議紀(jì)要、項(xiàng)目進(jìn)度、選題池、需求列表、團(tuán)隊(duì) SOP。Obsidian 負(fù)責(zé)更長(zhǎng)期的沉淀：寫(xiě)作風(fēng)格、判斷標(biāo)準(zhǔn)、工作方法、案例庫(kù)、閱讀筆記、復(fù)盤(pán)記錄。

串起來(lái)的方式是這樣的：把個(gè)人信息整理成分層的 markdown 文件，接著可以通過(guò) OpenClaw 接入飛書(shū)機(jī)器人，也可以把 GPT、Claude、DeepSeek、Kimi 統(tǒng)一接進(jìn)來(lái)。之后不管調(diào)用哪個(gè)模型，它都可以先去知識(shí)庫(kù)里翻對(duì)應(yīng)的規(guī)則文件，理解清楚背景再回答。

比如讓它寫(xiě)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(wèn)它職業(yè)規(guī)劃，它先看你的履歷和目標(biāo)。用得越久，規(guī)則文件越完整，AI 對(duì)你的理解就越接近真實(shí)的你。

說(shuō)白了，技術(shù)門(mén)檻其實(shí)沒(méi)那么高，難的是先花一個(gè)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(huì)議外掛，終于不只是錄音了

Plaud

對(duì)每周開(kāi) 10 個(gè)會(huì)議以上的打工人來(lái)說(shuō)，開(kāi)會(huì)本身可能只占一半工作量。另一半是整理紀(jì)要、提煉重點(diǎn)、追蹤待辦、同步給沒(méi)參會(huì)的同事。這后半段，往往比開(kāi)會(huì)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(huì)議結(jié)束后那 30 分鐘的無(wú)用功。

這個(gè)小錄音設(shè)備往桌上一放，會(huì)議結(jié)束，紀(jì)要已經(jīng)結(jié)構(gòu)化了。客戶(hù)訪談完立刻把紀(jì)要發(fā)回去確認(rèn)，專(zhuān)業(yè)且留了書(shū)面憑證；重要會(huì)議結(jié)束把整理好的重點(diǎn)扔給沒(méi)參會(huì)的同事，省掉所有人的同步時(shí)間。

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

這里有一個(gè)很多人沒(méi)意識(shí)到的技巧：不要用默認(rèn)的會(huì)議模板，而是換成貼合你崗位的提示詞，產(chǎn)出價(jià)值通常差好幾倍。比如銷(xiāo)售可以用「按客戶(hù)痛點(diǎn)排序總結(jié)，列出反對(duì)意見(jiàn)」，再加一句「額外梳理客戶(hù)在會(huì)議中表現(xiàn)出猶豫或興奮的三個(gè)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(fèi)得到一份「客戶(hù)心理學(xué)報(bào)告」，這件事最妙的地方在于，你不需要學(xué)任何新技能，只需要學(xué)會(huì)怎么把問(wèn)題問(wèn)對(duì)。

先用 AI 做草稿，正在成為視覺(jué)表達(dá)的新習(xí)慣

GPT-Image-2 + TapNow

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

文字可以自己寫(xiě)，方案可以自己改。但一到配圖、海報(bào)、PPT 視覺(jué)、短視頻素材，很多人還得等設(shè)計(jì)師排期。需求說(shuō)不清楚，來(lái)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(fēng)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(bào)草稿，它都能快速給出一個(gè)能拿來(lái)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(guò)去很多需求卡在「你說(shuō)的感覺(jué)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(duì)著同一張圖說(shuō)話(huà)。

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(jué)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(jì)師和媒體人。

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

Vibe Coding 火了，需求表達(dá)成了新技能

Claude Code、Codex

今年一個(gè)很有意思的變化：越來(lái)越多不寫(xiě)代碼的人開(kāi)始用 Claude Code、Codex 這類(lèi) AI coding agent。

過(guò)去想寫(xiě)一個(gè)小工具、改一個(gè)網(wǎng)頁(yè)、做一個(gè)自動(dòng)化腳本，得找程序員。現(xiàn)在把需求說(shuō)清楚，AI 就能通過(guò)自然語(yǔ)言完成相當(dāng)一部分開(kāi)發(fā)。這也是 Vibe Coding 今年突然火起來(lái)的原因。

它讓不會(huì)寫(xiě)代碼的人也能參與軟件生產(chǎn)。不需要先學(xué)完整的編程語(yǔ)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(wèn)語(yǔ)音輸入法，口述需求，讓 AI 整理成任務(wù)說(shuō)明，一個(gè)人就能跑通過(guò)去需要產(chǎn)品、設(shè)計(jì)、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(gè)「微信讀書(shū) skill」，讓它定期分析閱讀記錄，統(tǒng)計(jì)最近關(guān)注的主題，推薦下一批書(shū)，找認(rèn)知盲區(qū)。

未來(lái)很多人未必會(huì)成為程序員，但會(huì)越來(lái)越像一個(gè)小型工程團(tuán)隊(duì)：能描述需求，能指揮工具，能驗(yàn)證結(jié)果，能把重復(fù)工作交給 AI。

AI 干活的間隙，我趁機(jī)回血

清閑 OC1 Pro

到這里，五個(gè)工具聊完了。

但有一個(gè)東西，今年給我的回報(bào)感可能比上面任何一個(gè)都強(qiáng)。它不是軟件，也沒(méi)有 AI 功能。它是一把椅子。

AI 沒(méi)有把人從工位前解放出去。相反，當(dāng)我們?cè)絹?lái)越習(xí)慣把長(zhǎng)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(gè)模塊，等 Gemini 生成報(bào)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(lái)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(jī)、盯進(jìn)度條，也可以活動(dòng)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)圈非常火的動(dòng)態(tài)人機(jī)工學(xué)椅，定價(jià) 4299 元，不便宜。但比起我待在椅子上的時(shí)間，我和床待在一起的時(shí)間是比不過(guò)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(gè)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(shí)后是實(shí)實(shí)在在的放松。

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

我們過(guò)去聊工位升級(jí)，聊的是屏幕尺寸、鍵盤(pán)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(jí)的，是人和工具的協(xié)作關(guān)系。

查資料、建知識(shí)庫(kù)、記會(huì)議、出畫(huà)面、寫(xiě)工具，最后是坐得住。AI 時(shí)代最容易被高估的是工具，最容易被低估的是人。

過(guò)去兩年，AI 生產(chǎn)力工具的付費(fèi)主體正在發(fā)生劇烈的變化。早期更多是個(gè)人用戶(hù)和技術(shù)愛(ài)好者自己付費(fèi)，現(xiàn)在不少公司開(kāi)始把會(huì)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(lèi)工具能持續(xù)改善表達(dá)、判斷，創(chuàng)作和執(zhí)行效率，公司就愿意為它買(mǎi)單。

類(lèi)似的邏輯也會(huì)延伸到辦公硬件上。當(dāng)越來(lái)越多人進(jìn)入AI-native的工作狀態(tài)，坐在電腦前的時(shí)間并沒(méi)有減少，甚至在一些崗位上變得更長(zhǎng)。真正影響效率的，也不只是模型能力和軟件體驗(yàn)，還有員工長(zhǎng)時(shí)間工作時(shí)的身體狀態(tài)、專(zhuān)注質(zhì)量和辦公環(huán)境。

一個(gè)好的工位，應(yīng)該讓你更快進(jìn)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(gè)人和 AI 協(xié)作時(shí)最基礎(chǔ)的身體接口。

我們的辦公桌上會(huì)有越來(lái)越多智能硬件、Agent、模型入口和自動(dòng)化流程。但無(wú)論 AI 怎么進(jìn)化，坐在椅子上的人，才是所有工作的起點(diǎn)。

工具負(fù)責(zé)記錄、整理、生成和執(zhí)行。人負(fù)責(zé)判斷、表達(dá)、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(shí)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(shí)代最實(shí)在的生產(chǎn)力。