AI 工具推薦現在是門顯學。
打開任何一個平台，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」。標題一個比一個誇張，列表一個比一個長。你點進去、收藏，然後，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 產品用一兩周就刪了。
界面太複雜，響應太慢，免費額度用完就吃灰，還有的純粹是「能做什麼」和「我會用它做什麼」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，它們是怎麼嵌進我們真實工作流的。
資訊太多的時代，先讓 AI 理清關係
Gemini 深度研究 + Kimi
在所有被 AI 改變的工作環節里，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 之間到底是什麼關係。傳統搜尋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，哪些結論已經比較確定，哪些方向還需要繼續挖掘。
Gemini 深度研究適合處理開放性問題。
比如研究一個海外 AI 產品、一條技術路線、一家新公司，它會先把問題拆成幾個方向，自動搜資料，最後吐出一份結構化報告。不是說它寫的結論都能直接用，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 的爆料資訊。它會先生成一份研究計劃，把任務分為研究網站、分析資訊、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。
日常中文語境裡搜資料，我們更多用 Kimi。
該圖片疑似使用了AI生成技術，請謹慎甄別
上下滑動查看更多內容
國內公司的公開資料、政策文件、訪談稿、財報、行業研報，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 畫地圖然後你挑路走」，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、開會的結論、讀文章的想法、做項目的經驗，這些東西放哪？
過去說知識管理，第一反應是建文件夾、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。讓它知道你的寫作風格、判斷標準、常用模板、在關注什麼方向。
知名 AI 大神 Andrej Karpathy 前段時間聊過怎麼構建個人知識系統，方案偏技術派，但思路值得借鑑：協作工具管動態資訊，筆記系統管長期沉澱，AI 參與整理、檢索和再加工。
上下滑動查看更多內容
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 負責更長期的沉澱：寫作風格、判斷標準、工作方法、案例庫、閱讀筆記、復盤記錄。
串起來的方式是這樣的：把個人資訊整理成分層的 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 統一接進來。之後不管調用哪個模型，它都可以先去知識庫里翻對應的規則文件，理解清楚背景再回答。
、Kimi 統一接進來。之後不管調用哪個模型，它都可以先去知識庫里翻對應的規則文件，理解清楚背景再回答。
比如讓它寫影片腳本，它先看你的腳本規則；讓它做選題判斷，它先看你的內容方向；問它職業規劃，它先看你的履歷和目標。用得越久，規則文件越完整，AI 對你的理解就越接近真實的你。
說白了，技術門檻其實沒那麼高，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，終於不只是錄音了
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。這後半段，往往比開會還磨人。
Plaud 是我們這兩年推薦次數最多的硬體，也是近幾年少有的硬體黑馬。它解決的就是會議結束後那 30 分鐘的無用功。
這個小錄音設備往桌上一放，會議結束，紀要已經結構化了。客戶訪談完立刻把紀要發回去確認，專業且留了書面憑證；重要會議結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，其實不是錄音轉文字本身，而是支持定製 prompt 模板。
這裡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，列出反對意見」，再加一句「額外梳理客戶在會議中表現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於，你不需要學任何新技能，只需要學會怎麼把問題問對。
先用 AI 做草稿，正在成為視覺表達的新習慣
GPT-Image-2 + TapNow
內容產出里，視覺一直是最容易卡住的環節。
文字可以自己寫，方案可以自己改。但一到配圖、海報、PPT 視覺、短影片素材，很多人還得等設計師排期。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 的出圖質量穩定、風格可控、提示詞體系成熟。科技感配圖、產品概念圖、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。
影片生成環節，我們更多用 TapNow。它支持調用 Seedance 2.0 和可靈 3.0，適合把已經確定的角色、產品、環境素材延展成短影片。日常視覺記錄、產品展示、社媒短內容，夠用了。
這套組合不只服務設計師和媒體人。
銷售可以出提案配圖，產品經理可以出 UI 草圖，品牌營銷可以生成海報，老師可以出課件配圖。它真正的價值在於正式投入設計資源之前，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、改一個網頁、做一個自動化腳本，得找程序員。現在把需求說清楚，AI 就能通過自然語言完成相當一部分開發。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體生產。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麼，並且持續把需求描述清楚。
配合阿里千問語音輸入法，口述需求，讓 AI 整理成任務說明，一個人就能跑通過去需要產品、設計、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，統計最近關注的主題，推薦下一批書，找認知盲區。
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，能驗證結果，能把重複工作交給 AI。
AI 幹活的間隙，我趁機回血
清閒 OC1 Pro
到這裡，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。它不是軟體，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、影片都扔給 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 重構一個模組，等 Gemini 生成報告，等影片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「發出任務、等待結果、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，可以繼續刷手機、盯進度條，也可以活動腰背、調整坐姿、閉眼歇半分鐘，再回到下一輪判斷。
我工位上這把清閒 OC1 Pro，是最近在科技圈、創業圈非常火的動態人機工學椅，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整，腰背支撐不是固定在一個位置上。後仰有 5 檔，從日常辦公到午休都能覆蓋，一鍵脊柱拉伸在連續工作幾小時後是實實在在的放鬆。
Pro 款多了座椅通風，夏天辦公室冷氣不穩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，聊的是螢幕尺寸、鍵盤手感、桌面收納、設備性能。但用了一年 AI 工具之後，我發現工位真正需要升級的，是人和工具的協作關係。
查資料、建知識庫、記會議、出畫面、寫工具，最後是坐得住。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 生產力工具的付費主體正在發生劇烈的變化。早期更多是個人用戶和技術愛好者自己付費，現在不少公司開始把會員訂閱、APl token、算力額度納入員工預算。原因並不複雜，只要一類工具能持續改善表達、判斷，創作和執行效率，公司就願意為它買單。
類似的邏輯也會延伸到辦公硬體上。當越來越多人進入AI-native的工作狀態，坐在電腦前的時間並沒有減少，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體體驗，還有員工長時間工作時的身體狀態、專注質量和辦公環境。
一個好的工位，應該讓你更快進入工作，也更容易從工作里恢復。它不只是生產力中心，也是一個人和 AI 協作時最基礎的身體接口。
我們的辦公桌上會有越來越多智能硬體、Agent、模型入口和自動化流程。但無論 AI 怎麼進化，坐在椅子上的人，才是所有工作的起點。
工具負責記錄、整理、生成和執行。人負責判斷、表達、溝通和創造。效率提升的意義，不是接更多任務、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 時代最實在的生產力。
