“AGI 来了”？Moxt 与 AI 原生工作空间

概览

本期围绕 Moxt 展开：张昊然把它定义为一个 AI 原生工作空间，用户可以在其中创建、培养自己的 AI 团队。对他来说，“AGI 已经来了”不是修辞，而是来自日常工作流被 AI 同事大幅改写后的真实感受。

讨论的核心不是单个 AI 工具多聪明，而是当组织的上下文、文档、数据、会议、项目进度都进入一个 AI 更易读写的空间后，工作方式会发生结构性变化。Moxt 的关键主张是“more context”：让 AI 住在组织上下文里，而不是只在一次性对话框中响应任务。

节目后半段进一步讨论了 AI 原生工作空间对飞书、Notion、Jira、Slack 等旧工作系统的冲击，也谈到人类在执行减少后的角色：更多做目标设定、判断、审美、反馈和价值选择。张昊然反复强调，Moxt 希望放大人，而不是把 AI 包装成替代人的低成本员工。

分段落总结

[00:00] 开场与 Moxt 定义

[事实] 主持人 Koji 介绍嘉宾张昊然，并引出张昊然此前说过的判断：“AGI 已经来了，只是我们打开它的方式还不对。”

[事实] Moxt 被介绍为一个 AI 原生工作空间，用户可以在其中创建和培养 AI 团队，也就是一群 AI 同事。

[事实] 张昊然说 Moxt 刚发布三周，团队目前大约四五十人在做这件事。

[事实] 张昊然此前在猿辅导集团，做过斑马业务，也经历过 UI 设计产品加 AI、vibe coding 工具等方向。

[02:14] “AGI 已经来了”的判断

[事实] 张昊然引用一种数字世界 AGI 的定义：90% 行业中，90% 人的 90% 工作可以由 AI 胜任。

[事实] 他认为如果按这个标准，至少在自己的日常工作中，AGI 到来的感受已经很真切。

[事实] 让他“头皮发麻”的原因之一，是这种变化不只发生在 coding 领域，而是进入更广泛的工作场景。

[推测] 他所谓的 AGI 更偏向“组织生产方式已被 AI 重塑”的体验判断，而不是严格技术定义上的通用智能宣告。

[04:09] 文档、会议与沟通方式变化

[事实] 张昊然举例说，团队成员原来会写文档、发给他、再通过评论和沟通修改；现在文档往往先由 AI 起草。

[事实] 两个人面对面聊文档时会录音，聊完把录音交给 Moxt 里的 AI，AI 会基于对话重新刷新或定义文档。

[事实] 他表示自己现在已经很难认为，在产品、运营、策略类文档上，自己手写的框架和初稿能超过 AI 出稿。

[事实] 他和 AI 对话时不再反复交代背景，例如只用语音说要和 Koji 做播客，让 AI 自己找人、理解 Moxt、起草 brief。

[07:35] Momo 与 AI 同事

[事实] Moxt 里每个人都有一个默认 AI 助理 Momo，它被定义为贴身助理，可以按用户偏好设定。

[事实] 除了 Momo，空间里还可以由不同人创建其他 AI 同事，它们有目标，也可以出现在 Slack 群聊或私聊中。

[事实] 张昊然建议新用户先挑选希望 AI 代劳的场景，配置一个 AI 同事，并接入日常沟通环境。

[推测] Moxt 试图把 AI 从“工具按钮”变成“组织成员”，让它参与持续协作而不是只完成孤立任务。

[09:31] AI 原生工作空间的设计原则

[事实] 张昊然认为，办公室、IM、Notion、飞书等传统工作环境主要是为人设计的，不一定适合 AI 工作。

[事实] Moxt 的人类界面看起来类似 Notion，有目录树、文件结构、文档和可视化内容。

[事实] Moxt 的不同之处在于坚持 AI 更易读写的格式：文档用 Markdown，表格用 CSV，结构化数据可用 JSON，可视化表达用 HTML。

[事实] 张昊然提出，Markdown、CSV 和 HTML 可以被看作新时代的 Doc、Excel 和 PPT。

[13:01] 文件系统与上下文质量

[事实] Moxt 的第二个“原教旨主义”是采用类似文件系统的结构，因为文件系统更接近 AI 熟悉和可操作的方式。

[事实] 张昊然认为，有些 AI 任务效果不好，不一定是模型智能不足，也可能是上下文没有以 AI 能读懂的方式提供。

[事实] 当上下文以 AI 更易读的方式进入空间后，现有 agent 结构和模型智能会表现出更大的能力差异。

[推测] Moxt 的核心竞争点不只是调用模型，而是降低 AI 理解组织上下文时的信息损耗。

[16:00] 团队内部的“魔法时刻”

[事实] 张昊然说团队已经基本不开组会，因为 Moxt 知道每个人每天在做什么，团队动态可以随时查看。

[事实] 团队把数仓接入 Moxt 后，可以让 AI 做业务数据分析，甚至让 AI 先思考数据口径。

[事实] 他举例说，AI 对活跃用户的定义有时比团队原先主观定义更好，并能继续做详尽分析和可视化。

[事实] 团队还用 Moxt 替代了一些 UI 层面的 SaaS。

[16:55] 从 Jira 到动态看板

[事实] 张昊然说团队是 Jira 十年老用户，但后来用 Moxt 做出了类似 Jira 的项目管理看板。

[事实] 原因是 Moxt 已经知道 PRD、产品计划、代码提交和每个人对内容的修改，因此项目管理需要的上下文本来就在空间里。

[事实] 他进一步提出，甚至可以追问为什么还需要看板，因为 AI 可以用 HTML 生成任何想要的信息呈现形式。

[推测] 在 Moxt 的设想里，传统 SaaS 的固定界面会被“基于上下文实时生成的界面”削弱。

[20:01] 对飞书、Notion 等旧工作空间的判断

[事实] 张昊然不否认飞书、Notion 等工具在 AI 增值、收入和增长上仍会有很好的表现。

[事实] 但他认为它们是在旧时代工作流上加 agent，能提效，却不等于 AI 原生工作空间的终局形态。

[事实] 他设想未来每个人可能有十个、一百个甚至更多 AI agents，组织中 80% 到 90% 的代码、文档和其他生产内容都可能由 AI 产生。

[推测] 如果大部分内容由 AI 生产，为人类编辑和操作设计的工作空间会逐渐显得不匹配。

[23:36] Moxt 的机会窗口

[事实] 张昊然认为，Moxt 的机会来自一个时间窗口：旧工具要推翻自己需要很大决心，也会面对创新者窘境。

[事实] 他表示，团队现在的工作方式已经接近他们想象中的未来 AI native 组织形态。

[事实] 他相信一旦采纳这种工作模式、没那么在意旧世界观念，就很难回去。

[推测] Moxt 当前最重要的任务，是找到愿意尝试并能感受到新体验的早期用户。

[25:03] 一个分身还是多个 AI 同事

[事实] 主持人提出疑问：如果 AI 足够智能，为什么一个人不只配一个 AI 分身，而要分成许多 AI 同事。

[事实] 张昊然说自己对此保持开放，但现在认为分多个 agent 很多时候是服务于人类管理，而不是服务于 AI 本身。

[事实] 他提到更细的分工能让目标更单一，也让 context、skill 和 memory 不容易混乱。

[事实] 他引用 YC 的 Gary Tan 和 Anthropic 增长负责人相关实践，指出已有实践者也倾向于更细的 agent 分工。

[28:11] 张昊然自己的 AI 同事

[事实] 张昊然说除了 Momo，他当时大约有五个 AI 同事。

[事实] Ryan manager 负责管理信息同步，会定期检查项目进展、提醒他看方案，甚至成为同事与他之间的信息中介。

[事实] Golden Sales 的目标是为 Moxt 找到 1000 个付费用户，张昊然只给目标，不给具体动作，让它自己出计划并迭代。

[事实] 其他 AI 同事包括做深度思考的角色、做创意的角色，以及一个批评家，用来审视团队状态和他本人是否关注最重要的事情。

[32:21] AI 同事与普通 GPT 的区别

[事实] 张昊然认为 Moxt 里的 AI 同事不同于普通 GPT，第一点是它住在空间里，动态知道空间中的上下文。

[事实] 第二点是它更像人一样工作，具备目标驱动的主动性，而不是只在用户提问时回应。

[事实] Memory 和 skill 机制让 AI 同事具备成长性，用户可以像对人反馈一样直接告诉它哪里做得不好。

[事实] 他也承认当前 memory 和 skill 的主动沉淀机制还有进步空间。

[35:37] 用户实践与 token 成本

[事实] 张昊然提到集团里做咖啡业务的同事，用 AI 同事做爆款分析和预测，并主动分享案例。

[事实] 他认为最好的 practice 需要由用户构建，因为产品团队无法预设所有行业场景。

[事实] 当主持人提到多个 AI 同事可能无限烧 token 时，张昊然说也可以把 token 花费上限设为 AI 同事的目标之一。

[推测] Moxt 的使用成本控制也可能被纳入“给 AI 设目标”的管理范式中。

[37:07] Moxt 的起源：从 MD 共享网盘开始

[事实] Moxt 的起点来自团队观察到一个反常现象：大家开始在群里互发 AI 生成的 Markdown 文件。

[事实] 团队最初只是想做一个基于 Markdown 的共享网盘，让大家不用互传 MD 文件，而是发链接协作。

[事实] 这个想法在春节前三天出现，最初由大约一个半研发同学启动。

[事实] 张昊然强调，协同办公的价值不只是多人同时编辑，更重要的是把团队同步变成异步。

[40:10] 从内部工具到独立产品

[事实] 做到第二天，团队就觉得 Moxt 像是一种新的工作空间，而不只是内部工具。

[事实] 当文档越来越多后，团队发现可以派生出新的需求；HTML 又让空间里的数据可以被随时可视化。

[事实] 张昊然认为，内部工具可能不再需要单独开发，而是需要时直接让 AI 在工作空间里生成。

[事实] 春节后第一天，团队投入更多人；到第五天，大家坐下来讨论后，几乎没有人再眷恋此前的 Paraflow 方向。

[45:33] MVP 选择：AI 读写优先

[事实] Moxt 第一版最重要的是 AI 原生格式和结构，让 AI 更容易读写。

[事实] 团队把手工编辑文档视为第二等需求，因此早期文档编辑体验被一些用户批评不如 Notion 顺手。

[事实] 张昊然解释，随着上下文都在空间里，AI 创作效率变高，手工编辑会变成更低频的操作。

[事实] 用户可以划词评论并让 AI 同事参与修改，甚至让不同人的 Momo 在评论区相互讨论。

[47:39] More Context 与后续方向

[事实] Moxt 的名字来自 more context 的前两个字母和最后两个字母。

[事实] 团队会优先做围绕“更多上下文”的功能，例如让用户更快导入已有环境里的内容。

[事实] 张昊然提到语音输入可能是重点方向，因为他们日常工作中语音记录已经渗透很深。

[事实] 他还设想过硬件：说完话拍一下就把内容交给 AI，或者放在会议室里记录会议并参与说话。

[49:19] IM 与执行工作的变化

[事实] Moxt 团队仍在使用 Slack，但张昊然认为当前 IM 工具主要为人和人交流设计，不一定适合大量 AI agents 参与。

[事实] 他举例说，在 Slack 私聊里无法直接唤起个人助手，只能复制转发内容，这带来摩擦。

[事实] 他认为人和人相关的一切执行事务都在急剧减弱，包括拖动看板、手写代码等。

[事实] 他让 Momo 思考过“如果人类几乎不执行，还剩什么”，答案包括高信息密度汇报、审批、圈画和语音反馈等交互。

[53:11] 未来白领团队的一天

[事实] 张昊然设想两三年后的白领团队可能更需要日会，但日会更多是仪式感和情绪价值，而不是同步项目进展。

[事实] 因为在日会前，项目进展和需要关注的内容可能已经提前发送给每个人，甚至已经开始处理。

[事实] 他认为闲聊、散步、宽松环境中的灵光一现、审美和品味会变得更重要。

[事实] 他还认为非隐私工作环境中的录入会更自然，因为组织里不仅有十个人，也可能有一千个 AI 同事需要听到上下文。

[55:37] 从讨论过程转向讨论结果

[事实] 张昊然认为，未来人们会更少围绕执行过程讨论，更多讨论结果、实验反馈和价值判断。

[事实] 过去必须从多个思路中选一个，是因为执行成本和时间精力有限；未来可能可以同时做多个方向并看效果。

[推测] 当试错成本下降，团队讨论的重点会从“要不要做”转向“做出来之后说明了什么”。

[56:21] 为什么仍然手写文章

[事实] 主持人问张昊然，既然工作如此自动化，为什么介绍 Moxt 的文章仍是自己手写。

[事实] 张昊然说那篇文章是纯手搓，因为他想记录当时的状态，是为自己而写。

[事实] 他甚至没有让 AI 帮忙检查错别字，希望未来回看时知道那一刻的感受是一字一字敲出来的。

[推测] 这里把写作从效率工具重新拉回到自我表达，与前面“AI 负责执行、人保留意义感”的讨论形成呼应。

[58:44] 迁移成本与早期用户

[事实] 面对用户已经在使用飞书、钉钉、Notion 等工具的问题，张昊然说与其说服所有人，不如先找到创新者和早期采纳者。

[事实] 他认为对这些人来说，新体验减旧体验再减迁移成本后，仍然有巨大吸引力。

[事实] 他提到 Moxt 已经遇到一些狂热用户，包括集团内有人半夜找他要积分。

[推测] Moxt 的增长初期更依赖强体验带来的口碑，而不是立刻说服大众市场迁移。

[60:55] 最大的敌人是时间

[事实] 张昊然承认这件事很容易被优秀创业者和大公司看到，因此时间让他焦虑。

[事实] 他希望 Moxt 更早被更多人知道，获得先发品牌优势。

[事实] 但他也希望用户习惯不要变化得太快，因为变化越快，大玩家越容易显性意识到机会巨大。

[事实] 他理想中的节奏是先获得一部分认可，再稳扎稳打扩大影响力和社区。

[63:31] 与大厂竞争的底气

[事实] 张昊然认为 Moxt 可能面对飞书、Notion、Manus 等生产效率方向玩家的竞争。

[事实] 他认为“唯快不破”重要，但前提是方向准确。

[事实] 他认为大厂竞争最终涉及投入问题，也取决于大厂是否拿最好的人才和资源来做。

[事实] 他提到团队过去做教育时也与大厂激烈竞争过，因此并不觉得大厂竞争不可怕。

[64:40] AI 做更多事后，人如何自处

[事实] 张昊然说，做 Moxt 后他常被“人类如何自处”这个问题困扰，程度超过此前做 Motive、Paraflow 或重度使用代码类 AI 工具时。

[事实] 他认为 coding agent 本质上是通用 agent，coding 领域发生的事扩展到通用领域后，对社会影响面会很大。

[事实] 他希望 Moxt 的方向是不断放大人，而不是反向削弱人。

[推测] 这也是本期从产品讨论转入价值观讨论的关键转折点。

[66:00] Moxt 的价值观底线

[事实] 张昊然在 Moxt 空间的 Agents MD 文档里补充过一句话：无论何时，都不该创作“AI 可以取代人”这类内容。

[事实] 他把 Agents MD 视为权限极高的文档，空间中的 agents 会把它当作价值观来 follow，类似空间宪法。

[事实] 他看到过一些 AI agents 产品用表格直接对比 AI 员工和人类员工的成本与能力，这让他感到难受。

[事实] 他提到 Moxt 当前最大的底线是“放大人”，第二条底线是隐私安全。

[68:58] 编程像捏陶：生产变消费

[事实] 主持人用捏陶做类比：过去捏陶是生产力，现在更多变成消费和体验。

[事实] 他认为编程也可能经历类似变化，从程序员写代码赚钱，变成未来人们花钱学习和体验手写程序的创造快乐。

[事实] 张昊然表示最近对这个事情稍微乐观了一点，并提到工业革命时代的人也无法想象今天的分工形态。

[推测] 这段把“职业被重组”的焦虑转化为“新消费、新身份、新分工可能出现”的想象。

[70:55] 年底愿望与收尾

[事实] 被问到年底愿望时，张昊然没有提出具体数据目标，而是希望听到更多人反馈：组织里人和人的工作方式真的完全不一样了。

[事实] 他希望看到变革正在发生，而 Moxt 是其中的一个助推力。

[事实] 他认为只要这件事在发生，趋势就更确定，数据层面的事情相对没那么重要。

播客点评/总结

这期的价值在于，它没有把 Moxt 只讲成一个“AI 文档工具”或“AI 助理工具”，而是把讨论推进到组织上下文、AI 同事、工作空间、协作关系和人类角色的重组。张昊然大量使用自己团队的实际工作流举例，使抽象的 AI native workspace 变得可感。

节目亮点是对“context”的反复拆解：为什么 Markdown、CSV、HTML、文件系统、会议录音、代码仓库、数仓和 IM 记录会共同构成新的组织基础设施。相比泛泛谈模型能力，这种视角更接近 AI 产品真正落地时遇到的关键问题。

[推测] 节目的局限是，很多判断来自 Moxt 团队自身的高强度使用场景，是否能迁移到普通公司、低 AI 密度团队、强合规行业，还需要更多外部用户案例验证。关于隐私、安全、权限、成本控制和组织管理风险，节目有提到但没有深入展开。

[推测] 这期适合对 AI 工具、组织协作、SaaS 变革、agent 产品形态感兴趣的人，尤其适合正在思考“AI 不只是帮我写东西，而是如何重构团队工作方式”的创业者、产品经理、管理者和知识工作者。