AI 工具推荐现在是门显学。
打开任何一个平台，都有人在告诉你「这 10 个 AI 工具必须收藏」「2026 年最强 AI 工具箱」。标题一个比一个夸张，列表一个比一个长。你点进去、收藏，然后，再也没有打开过。
我们自己也推过不少工具。但说实话，大部分 AI 产品用一两周就删了。界面太复杂，响应太慢，免费额度用完就吃灰，还有的纯粹是「能做什么」和「我会用它做什么」之间隔了一条河。
一年下来，真正留在工位上、每天都在用的，就这几个。
也顺便聊聊，它们是怎么嵌进我们真实工作流的。
信息太多的时代，先让 AI 理清关系
Gemini 深度研究 + Kimi
在所有被 AI 改变的工作环节里，搜索可能是最早被掀翻的。
过去做一个选题、一份竞品报告、一次行业判断，最耗时间的不是写，而是找。找资料、筛资料、判断资料 A 和资料 B 之间到底是什么关系。传统搜索引擎给你的是一堆链接，你得自己点开、自己读、自己拼图。
AI 搜索做的事不太一样。它更像在帮你画一张问题地图：这个话题有哪些分支，哪些结论已经比较确定，哪些方向还需要继续挖掘。
![]()
Gemini 深度研究适合处理开放性问题。
比如研究一个海外 AI 产品、一条技术路线、一家新公司，它会先把问题拆成几个方向，自动搜资料，最后吐出一份结构化报告。不是说它写的结论都能直接用，但它给的那张地图，能帮你省掉最前面的两三个小时。
![]()
例如，我让 Gemini 深度研究整理 WWDC 2026 的爆料信息。它会先生成一份研究计划，把任务分为研究网站、分析信息、生成报告几个阶段，这些报告的 AI 味比较重，不能指望拿来就能用，但它提供了一套清晰的资料路径，省掉了大量前期资料整理时间。
日常中文语境里搜资料，我们更多用 Kimi。
国内公司的公开资料、政策文件、访谈稿、财报、行业研报，扔进去提炼要点、对比差异、整理时间线，基本够用。不过说实话，非付费用户偶尔会遇到算力不足的提示，这是它目前一个绕不开的问题。
![]()
两个搭配着用，大问题找 Gemini，日常中文资料搜 Kimi。搜索这件事，从「自己翻链接」变成「AI 画地图然后你挑路走」，效率差的不是一点半点。
你的知识库，正在变成 AI 理解你的入口
飞书 + Obsidian
![]()
搜来的资料、开会的结论、读文章的想法、做项目的经验，这些东西放哪？
过去说知识管理，第一反应是建文件夹、做分类、写笔记。但 AI 时代这件事的逻辑变了。知识管理不只是把东西存起来，而是给 AI 建一套理解你的系统。让它知道你的写作风格、判断标准、常用模板、在关注什么方向。
知名 AI 大神 Andrej Karpathy 前段时间聊过怎么构建个人知识系统，方案偏技术派，但思路值得借鉴：协作工具管动态信息，笔记系统管长期沉淀，AI 参与整理、检索和再加工。
落到日常，我们用的是一个更轻的组合：飞书 + Obsidian。
飞书负责每天都在变的东西：会议纪要、项目进度、选题池、需求列表、团队 SOP。Obsidian 负责更长期的沉淀：写作风格、判断标准、工作方法、案例库、阅读笔记、复盘记录。
串起来的方式是这样的：把个人信息整理成分层的 markdown 文件，接着可以通过 OpenClaw 接入飞书机器人，也可以把 GPT、Claude、DeepSeek、Kimi 统一接进来。之后不管调用哪个模型，它都可以先去知识库里翻对应的规则文件，理解清楚背景再回答。
![]()
比如让它写视频脚本，它先看你的脚本规则；让它做选题判断，它先看你的内容方向；问它职业规划，它先看你的履历和目标。用得越久，规则文件越完整，AI 对你的理解就越接近真实的你。
说白了，技术门槛其实没那么高，难的是先花一个下午，把自己的工作方式整理成 AI 能读懂的格式。
打工人的会议外挂，终于不只是录音了
Plaud
对每周开 10 个会议以上的打工人来说，开会本身可能只占一半工作量。另一半是整理纪要、提炼重点、追踪待办、同步给没参会的同事。这后半段，往往比开会还磨人。
Plaud 是我们这两年推荐次数最多的硬件，也是近几年少有的硬件黑马。它解决的就是会议结束后那 30 分钟的无用功。
![]()
这个小录音设备往桌上一放，会议结束，纪要已经结构化了。客户访谈完立刻把纪要发回去确认，专业且留了书面凭证；重要会议结束把整理好的重点扔给没参会的同事，省掉所有人的同步时间。
但它最好用的地方，其实不是录音转文字本身，而是支持定制 prompt 模板。
![]()
这里有一个很多人没意识到的技巧：不要用默认的会议模板，而是换成贴合你岗位的提示词，产出价值通常差好几倍。比如销售可以用「按客户痛点排序总结，列出反对意见」，再加一句「额外梳理客户在会议中表现出犹豫或兴奋的三个瞬间，分析潜在顾虑」。同一段录音，换几套 prompt 重新生成，往往能挖出完全不同的观察角度。
免费得到一份「客户心理学报告」，这件事最妙的地方在于，你不需要学任何新技能，只需要学会怎么把问题问对。
先用 AI 做草稿，正在成为视觉表达的新习惯
GPT-Image-2 + TapNow
内容产出里，视觉一直是最容易卡住的环节。
文字可以自己写，方案可以自己改。但一到配图、海报、PPT 视觉、短视频素材，很多人还得等设计师排期。需求说不清楚，来回改几轮，灵感早就凉了。
今年用得最顺手的组合是 GPT-Image-2 + TapNow。GPT-Image-2 的出图质量稳定、风格可控、提示词体系成熟。科技感配图、产品概念图、社媒海报草稿，它都能快速给出一个能拿来讨论的版本。
![]()
注意，是「讨论」的版本，不是终稿。但这一步恰恰最管用，过去很多需求卡在「你说的感觉我不太理解」，现在可以先丢一张 AI 生成的图到群里，所有人对着同一张图说话。
视频生成环节，我们更多用 TapNow。它支持调用 Seedance 2.0 和可灵 3.0，适合把已经确定的角色、产品、环境素材延展成短视频。日常视觉记录、产品展示、社媒短内容，够用了。
![]()
这套组合不只服务设计师和媒体人。
销售可以出提案配图，产品经理可以出 UI 草图，品牌营销可以生成海报，老师可以出课件配图。它真正的价值在于正式投入设计资源之前，快速把模糊想法变成可见草稿。提前用 AI 确认方向，沟通成本低很多，返工也少很多。
Vibe Coding 火了，需求表达成了新技能
Claude Code、Codex
今年一个很有意思的变化：越来越多不写代码的人开始用 Claude Code、Codex 这类 AI coding agent。
过去想写一个小工具、改一个网页、做一个自动化脚本，得找程序员。现在把需求说清楚，AI 就能通过自然语言完成相当一部分开发。这也是 Vibe Coding 今年突然火起来的原因。
![]()
它让不会写代码的人也能参与软件生产。不需要先学完整的编程语言，甚至不需要理解每一行代码，只需要知道自己要什么，并且持续把需求描述清楚。
配合阿里千问语音输入法，口述需求，让 AI 整理成任务说明，一个人就能跑通过去需要产品、设计、工程一起配合的小工具原型。
![]()
生活中也可以用。比如给自己装一个「微信读书 skill」，让它定期分析阅读记录，统计最近关注的主题，推荐下一批书，找认知盲区。
![]()
未来很多人未必会成为程序员，但会越来越像一个小型工程团队：能描述需求，能指挥工具，能验证结果，能把重复工作交给 AI。
AI 干活的间隙，我趁机回血
清闲 OC1 Pro
到这里，五个工具聊完了。
但有一个东西，今年给我的回报感可能比上面任何一个都强。它不是软件，也没有 AI 功能。它是一把椅子。
AI 没有把人从工位前解放出去。相反，当我们越来越习惯把长文档、代码、研究、图片、视频都扔给 AI 处理，工作里反而多了很多新的间隙：等 DeepSeek 读完一份文档，等 ChatGPT 重构一个模块，等 Gemini 生成报告，等视频模型吐出第一版素材。
人的角色在变。不再只是埋头输出，而是在「发出任务、等待结果、判断修改」之间来回切换。这让工位上的短暂休息变得比以前重要得多。等 AI 的几十秒、几分钟，可以继续刷手机、盯进度条，也可以活动腰背、调整坐姿、闭眼歇半分钟，再回到下一轮判断。
我工位上这把清闲 OC1 Pro，是最近在科技圈、创业圈非常火的动态人机工学椅，定价 4299 元，不便宜。但比起我待在椅子上的时间，我和床待在一起的时间是比不过椅子的。
颈枕、椅背、坐垫、扶手都能随坐姿变化调整，腰背支撑不是固定在一个位置上。后仰有 5 档，从日常办公到午休都能覆盖，一键脊柱拉伸在连续工作几小时后是实实在在的放松。
![]()
Pro 款多了座椅通风，夏天办公室空调不稳的时候体感差距很明显。它不是那种会让你惊呼黑科技的产品。它就是让你坐到下午五点，腰不酸了。
![]()
我们过去聊工位升级，聊的是屏幕尺寸、键盘手感、桌面收纳、设备性能。但用了一年 AI 工具之后，我发现工位真正需要升级的，是人和工具的协作关系。
查资料、建知识库、记会议、出画面、写工具，最后是坐得住。
AI 时代最容易被高估的是工具，最容易被低估的是人。
![]()
过去两年，AI 生产力工具的付费主体正在发生剧烈的变化。早期更多是个人用户和技术爱好者自己付费，现在不少公司开始把会员订阅、APl token、算力额度纳入员工预算。原因并不复杂，只要一类工具能持续改善表达、判断，创作和执行效率，公司就愿意为它买单。
类似的逻辑也会延伸到办公硬件上。当越来越多人进入AI-native的工作状态，坐在电脑前的时间并没有减少，甚至在一些岗位上变得更长。真正影响效率的，也不只是模型能力和软件体验，还有员工长时间工作时的身体状态、专注质量和办公环境。
一个好的工位，应该让你更快进入工作，也更容易从工作里恢复。它不只是生产力中心，也是一个人和 AI 协作时最基础的身体接口。
我们的办公桌上会有越来越多智能硬件、Agent、模型入口和自动化流程。但无论 AI 怎么进化，坐在椅子上的人，才是所有工作的起点。
工具负责记录、整理、生成和执行。人负责判断、表达、沟通和创造。效率提升的意义，不是接更多任务、坐更久时间，而是少被琐碎消耗，把精力留给重要的事。
照顾好自己，就是 AI 时代最实在的生产力。
赞(23)
