十字路口目录 · AI 工作空间

张昊然:当 AI 同事住进团队工作空间

一支 40 至 50 人的团队在春节后转向打造 AI 原生工作空间 Moxt:Markdown 与文件系统两条原教旨、五个分工明确的 AI 同事、一小时弃用十年 Jira,以及“放大人而非取代人”的产品底线。

先把访谈讲清楚

快问快答:嘉宾背景与团队转型轨迹

本期由《十字路口》主播 Koji 对谈 Moxt 联合创始人张昊然(英文名 Ryan)。访谈契机源于录制前几天张昊然向 Koji 演示 Moxt 内测版时抛出的一句重话:“AGI 已经来了,只是我们打开它的方式还不对。”他在春节后带领团队极速做出 Moxt,并形容自己“用了一周,头皮发麻”。

个人画像1991 年生;本科毕业于华中科技大学,研究生毕业于美国德州大学奥斯汀分校(UT Austin);当前 MBTI 为 INTJ(自称原生是 ENFJ),金牛座。
产品定位与现状Moxt 是一个 AI 原生工作空间(AI-native workspace),让用户在空间里创建并培养一群 AI 同事,探索未来人与 AI 协作的新组织形态。录制时对外发布约 3 周,尚无成熟收入利润(“希望有光明的未来”),整体团队约 40 至 50 人。
创业前经历长期任职于猿辅导集团,早年任产品经理负责“斑马”业务。双减后启动新探索:2021 年起做 AI + UI 设计工具 Motiff;去年重心转向一款差异化的 Web Coding 产品 Paraflow(尝试通过无限画布在“从 Idea 到 App”之间保留人的打磨空间,2025 年 7 月曾发老版本给 Koji 试用,原计划今年大力投入);但春节前后的体验剧变让团队全面转向 Moxt,未来考虑将 Paraflow 与 Moxt 连接。

“AGI 已经来了”:为什么用一周会头皮发麻

张昊然引用公众号“赛博禅心”的标题开场——“AGI 来的时候不会告诉你”——并调侃黄仁勋前两天也说了“AGI 来了”,笑称 Claude 可以作证自己说得更早。被问这究竟是修辞还是真切体感时,他给出了明确判据:他很认同业内常提的数字世界 AGI 定义——90% 的行业中、90% 的人的 90% 工作可由 AI 胜任。按照这把尺子,他在自己日常工作里的感受是它真的到了。

他把“头皮发麻”以致最近处于“神经病状态”的原因拆成两层。第一,过去一年不少人用 Claude Code 或 Opus 4.6 已经见识过模型跃升,但大多局限在编程领域,而这一次冲击直接泛化到了非编程的通用白领工作;第二,它动摇了整个社会的生产关系和分工方式,让人在工作的每一个瞬间反复自问:“我未来为什么要像现在这样工作?”

他紧接着给出三个日常切面,说明工作流具体发生了什么变化:

Moxt 是什么:Momo、AI 同事与两条“原教旨主义”

Koji 顺势追问 Momo 是谁,以及张昊然会如何向一个新用户介绍 Moxt。张昊然介绍,Momo 是 Moxt 强制给每位用户配备的第一位 AI 同事,定位为贴身助理与个人分身,掌握你的全部信息,可按你的习惯偏好调教;除此之外,空间里还可以由不同团队成员创建目标各异的其他 AI 同事,它们会直接进入企业常用的即时通信工具(目前支持 Slack),在群聊中发言或私信找你。

如果是新手上手,他建议分两步走:第一步先挑几个最想让 AI 代劳的场景,配置一个 AI 同事放进 Slack 里“热络起来”(Koji 感叹这很像本地智能体 OpenClaw 即“龙虾”,张昊然承认思路相通,但 Moxt 把大量开箱即用的环境封装好了);第二步拉上协作同事一起用,让彼此的 Momo 可以跨人协作,再逐步长出更多专职 AI 同事。

但真正把 Moxt 与 Notion、飞书区分开的,并非多了几个聊天机器人,而是底层空间的设计哲学。外观上,Moxt 左侧也是目录树、点击节点能看文档或可视化页面,看似像传统知识库,背后却严格遵守两条“原教旨主义”:

Moxt 的两条“原教旨主义”

第一条:只采用 AI 读写损耗最低的原生格式。文档只用 Markdown(MD),表格用 CSV,数据结构用 JSON,视觉化呈现一律用 HTML。张昊然甚至提出一个激进说法:“Markdown、CSV、HTML 就是新时代的 Word、Excel 和 PPT。”他举了一个具象对比:人类在 Word 里写 500 字,交给 AI 读时底层可能夹杂 50,000 个格式字符,真正有效的信息被淹没其中,产生严重信息损耗。Office 三件套是为了人的编辑体验把原始格式变复杂了,AI 时代正在“由奢入简”。

第二条:采用操作系统(OS)级文件系统,而非传统知识库结构。Notion 的层级页面和数据库对人类很直观,但在 AI 眼里像一座迷宫;全世界最原生、模型在预训练中见过最多、能直接用简单命令行高效检索的组织方式就是文件系统(与 Windows、Mac、Git 一脉相承)。Moxt 左侧目录树本质上就是文件系统,甚至故意保留操作系统约束——比如文件名不能带斜杠 /。

张昊然回忆,自己去年曾长期尝试通过 MCP(Model Context Protocol,模型上下文协议,用于连接外部工具与数据源) 让模型读取自己的 Notion 文档去完成任务,结果总不尽如人意。当时他下意识以为是模型智能还不够高,直到做出 Moxt 才恍然大悟:很多时候不是模型笨,而是上下文格式不规整,AI 根本没读懂。一旦按上述两条把规整的上下文(context)交出去,现有模型的智能就会自然“涌现出魔法”。

旧工作流退场:不开组会、一小时弃用 Jira 与大厂的创新者窘境

讲到团队自己的“魔法时刻”,张昊然列举了三件彻底改变日常运作的事:

说到这里,他提出一个更激进的追问:为什么我们还需要“看板”?看板当年是为了解决站会同步信息的容器,如果 AI 已经掌握全量上下文、HTML 又能按任何人的需要即时生成视图,看板本身或许也只是过渡形态。

Koji 顺势抛出最尖锐的竞品疑问:飞书和 Notion 天然沉淀了海量团队文档、聊天和日历,它们难道不是最适合往前迈一步、直接变成 AI 原生工作空间的产品吗?张昊然明确表示“完全不这么想”,但他并不否认飞书和 Notion 靠既有品牌和存量客户,在旧工作流上叠加 AI 会有极亮眼的营收与增长。问题在于终局形态:如果未来组织里每人配备 10 个甚至 100 个 AI 同事,不仅代码有 80%–90% 由 AI 生产,连文档和业务内容也将有 80%–90% 由 AI 生产,那么围绕“人类手工点击和编辑”打造的系统界面将急剧萎缩。大厂正面临经典的创新者窘境——旧世界的大批付费客户愿意立刻为“旧工具 + AI 提效”买单,为了维持用户惯性和减少组织内耗,巨头很难下决心推翻自己从头再来。这正是 Moxt 看到的窗口期。张昊然表示,他们内部现在的工作方式已经很接近他心目中的未来形态,接下来最重要的是找到愿意尝试的早期同路人——一旦用顺了且不再留恋旧流程,就很难回去了。

单分身还是多 Agent?张昊然的五位 AI 同事实战

Koji 接着抛出一个业内争论不休的架构问题:人类过去精细分工(产品、研发、QA),是因为每个人的脑力和学习带宽有限;如果 AI 能力趋近无限,为什么还要搭建复杂的 Agent Team,而不是每人只配一个全能分身?

张昊然坦言自己在这个问题上一直保持开放,而且观点就在最近两周发生了大转弯。两周前,他还担心 AI 员工太多会让人管理失控,甚至主张“每多创建一个 AI 员工就收一点钱”以倒逼用户做减法。但后来他看到 YC 掌门人 Garry Tan 公开分享自己的多 Agent 分工体系,又看到 Anthropic 增长负责人“一个人统领成千上百个 AI Agent”的案例,这些一线实践者给出了一致建议——分工要细。背后的原因有两点:一是契合人类长期形成的部门化管理心智,便于区分职责;二是服务于 AI 自身的上下文治理——目标单一后,各自的 Context、Skill(技能)和 Memory(记忆)才不容易互相冲突“打架”。

在角色关系上,张昊然刻意区分了称呼:只有 Momo 是他的个人“分身”,其余几位绝不叫“员工”,而是平等协作的“AI 同事”。录制前一周 Moxt 刚上线 AI Teammates 功能,短短一周多时间里,他已经养出了 5 位风格迥异的 AI 同事:

AI 同事代号设定与日常职责实际协作中的代表性细节
Ryan Manager取自张昊然英文名 Ryan,配了一只“有点凶狠的小猫咪”头像;负责管理信息同步与项目跟进。定期主动向项目同学询问进度;在 Slack 群里被 @ 后记备忘、发提醒。已经出现同事不再直接找张昊然,而是先找 Ryan Manager 沟通,再由它私信通知张昊然“某某做好方案了,有空看看”。
金牌销售 / 增长天王(Golden Sales)目标只有一句话:“自己为 Moxt 找到 1,000 个付费用户,给我出一个计划。”张昊然强调“只给上下文和目标,不要规定具体动作”。该同事先写详尽拆解计划,在评论互动中逐步长出 Skill 与 Memory,还主动建了 CRM;张昊然随口说“表格太丑看不清”,它便自动改造成 HTML 看板。
深度思考者定期综合内部战略与外部格局提出思考。张昊然把季度 OKR 以及自己的困惑全盘托出;它一边盯空间里产品、运营的新变化,一边看竞品动向与讲故事方式,每隔两三天做成一页页 PPT 向他汇报。
Miss Creative专职创意发散。被单独隔离在一个独立空间里运行,“越野越好”,避免被日常务实上下文束缚。
批评家以严厉视角做战略与精力审计。持续观察团队全局状态与张昊然每天的实际工作,直白拷问他是否真的把时间花在了最重要的事情上。

Koji 追问:这个“批评家”和我在 ChatGPT 里写一句“你是一个批判性思维专家”究竟有什么本质区别?张昊然拆解出三大不同:

至于如何“生出”一位新同事,他形容是共同成长的过程——起步常常只需要一句清晰的目标,随后产品内置的 Agent onboarding(入职引导)机制会让 AI 主动反问澄清需求。他还在收集其他团队的玩法,发现跨行业用户的想象力远超创始团队:比如集团内做线下咖啡品牌的同事,兴奋地跑来分享自己建了一个专做咖啡爆款分析与预测的 AI 同事。

Moxt 诞生记:从 Slack 群里互传 MD 到第五天全员转向

聊到 Moxt 的起源,张昊然讲了一个颇具戏剧性的“反祖”故事。团队重度使用 Claude Code、Cursor 尤其是本地运行的 OpenClaw(龙虾)之后,每个人的电脑里都冒出大量 AI 生成的 Markdown 文档,结果早已习惯云文档协作的团队,竟重新开始在 Slack 群里互相发送裸 MD 文件(Koji 当场附和说自己当天也收到了同事发来的 MD)。本地发文件既需要各自装阅读客户端,又无法评论和同步版本,丧失了云协同最核心的“把同步变异步”的价值。

春节前三天的一个周三晚上,团队冒出一个朴素念头:先用“一个半研发同学”搭一套基于 Markdown 的内部共享网盘,顺便美化渲染体验,让大家发链接而不是互传文件。周四动手写代码,做到第二天就觉察不对劲——当团队所有文档连同可随时生成的 HTML 视图都沉淀在同一个 AI 可读空间里时,这已经不只是网盘,甚至动摇了张昊然自己此前做 Web Coding 的核心假设。过去像 Lovable 这类产品把“给企业做内部工具(internal tool)”视为主战场,但他突然发现:当上下文全在 Moxt 里、代码生成和修改成本趋近于零时,企业根本不需要专门再去外采插件或单独做内部工具——增长同事说需要 CRM 看板,回复一句“好”,五分钟就在空间里现长出来。

春节前几天他们意识到这可能是一个独立产品。节后复工第一天先投入 2 人,很快扩到四五人,接着发生了他职业生涯里从未见过的奇妙一幕:第三天就有人提议再加人手;第四天,大家已经不太想继续干原来打磨已久的 Paraflow;到了第五天全员坐下认真讨论“到底该做什么”,竟然没有一个人对原有项目有任何眷恋。面对 Koji“这听起来会不会有点投机、像年轻团队冲动转向”的追问,张昊然笑着澄清团队里其实有很多比自己年长的资深同事,大家之所以瞬间形成如此高度的一致,完全是因为亲身用起来后感受到的范式落差实在太大。

刻意“难用”的编辑器、品牌名由来与正在消失的工作方式

Moxt 的第一版 MVP 紧扣原生格式与文件结构,却刻意把人类手工编辑排在了“第二等需求”。许多早期用户抱怨:“你们编辑文档还要点右上角进入编辑、改完再点保存,怎么倒退回 Confluence 时代了,比 Notion 差远了。”张昊然解释,最初他们也做过点击即编,后来却发现反而不好用——当 AI 握有完整上下文且创作效能极高时,人自己逐字改稿变成了极低频操作,真正高频的动作是像“皇帝批折子”一样划词评论(例如批注“这里情绪激进点”“那里保守点”),再让 AI 看完所有评论统一重写,甚至可以由甲同事 @ 自己的 Momo 发表看法,乙同事再 @ 自己的 Momo 在评论区互相辩论。

品牌名 Moxt 也直白对应产品核心——取自 More Context 的首尾各两个字母。围绕“更多上下文”,团队接下来的两大研发重头戏是“一键搬家”(把用户散落在外部工具的既有资料平滑导入)以及语音与会议交互。张昊然甚至设想推出配套硬件:说完话拍一下就直接进入工作空间触发执行,或者摆在会议室里听完所有讨论并实时插话;两人还聊到主动式会议 AI 产品 Proactor,张昊然表示自己有时也在用。

既然周会、Jira、手工写文档都在快速退场,那 Slack 这类即时通信工具(IM)会幸免吗?张昊然觉得未必,只是现阶段团队还没精力去做。把 AI 同事接进 Slack 时已经能感受到旧架构的细小摩擦——比如在 Slack 私聊窗口里无法直接唤起自己的个人助手,只能手动复制转发给它记下来。如果未来每人有 10 个以上 AI 替身在群里穿梭互动,IM 的形态必然会被重写。

沿着这条线,Koji 问了一个终极问题:当与人相关的执行——包括写代码、写文档乃至拖动看板——都急剧萎缩后,人类到底还剩什么?张昊然说自己真把这个问题抛给过 Momo,后者给出了三类会长期保留的交互:

  1. 高信息密度且令人愉悦的消费物:精排文档或图文并茂的 Keynote 演示,用来帮人快速吸收全局信息;
  2. CEO 颗粒度的审批决策:看 AI 交上来的全局进度(如甘特图)与产出方案,决定“通过”还是“再看看”;
  3. 圈画与语音反馈:在结果上随手圈出不满意之处,直接开口说怎么改。

人的管理抽象层级全面上移,每个人都需要独当一面。畅想两三年后一个白领团队的一天,张昊然给出了一幅反常识的画面:项目进展半小时前 AI 已经各自汇报完,团队反而更需要一个充满仪式感的日会——不是为了汇报工作,而是大家聚在一起见面闲聊、彼此提供情绪价值。因为审美、品味与灵光一现往往诞生在散步或漫无目的的宽松闲聊里。与此同时,在非隐私的办公会议中,无感录音录入将被普遍接受(否则组织里另外 1,000 个 AI 同事根本听不到决策);而人与人的业务探讨,也会从过去“执行成本高、被迫在三个方案里三选一”的过程争论,变成“三个方案让 AI 全做出来跑实验,大家一起复盘真实世界的客观反馈”。

说到这里,Koji 突然拆台:你把工作自动化到如此地步,为什么上周三发在公众号上的品牌介绍文《嗨,Moxt》却是纯手搓、一个字都没让 AI 写?张昊然坦然承认,那篇文章甚至连错别字都刻意没让 AI 检查——因为那是在为自己写,想留住创业当下那个瞬间的真实心情,好让未来无论项目成败,回头看都知道那是自己一字一句敲出来的。两人达成共鸣:写字和画画在 90% 的场景里是实用主义工具,但剩下的 10% 是为了自我表达与意义感。如果人类只剩实用主义追求,在精力无限、带宽无限的 AI 面前将被逼入绝境。

跨越鸿沟、时间焦虑、“放大人”宪法与编程变捏陶

回到现实商业战,Koji 追问凭什么说服已经深度绑定飞书、Notion、钉钉的用户搬家?张昊然借用《跨越鸿沟》的思路回答:早期并不指望说服所有人,关键是精准找到创新者与早期采纳者——按“新体验减去旧体验再减去迁移成本”的经典公式,只要这群人感受到的新体验足够震撼,迁移就不是障碍。他对比了自己的几段产品经历:过去做 Motiff、Paraflow 时,外界客气夸赞“做得真漂亮”“挺不容易的”,但从未见过真正狂热的用户;而在 Moxt 上,他们第一次遇到“两眼放光”的人,甚至有集团同事半夜 12 点发企业微信催他给自己充积分。

他随后袒露了一个很矛盾的创业心境:一方面“最大的敌人是时间”,方向已经看准就必须唯快不破;另一方面又暗暗希望行业转变慢一点。他坦白说,哪怕一个月前有人给他讲 Moxt 的故事,他 100% 会反问“这和飞书加龙虾有什么区别”,这件事必须眼见为实。如果趋势太快引爆,Notion、飞书或 Manus 等大玩家立刻重兵压上,竞争就会迅速滑向纯拼资源投入的残酷与无聊。不过被问及真和大厂打起来有没有赢面时,他还是亮出了底气:大厂会不会下场,和会不会派出最顶尖的人才、投入多大决心是两回事;自己当年在猿辅导做教育时也和大厂打过极激烈的硬仗,“好像也没那么可怕”。

访谈末尾触及了少见但沉重的社会命题:当 Coding Agent 泛化成通用 Agent、AI 接管越来越多工作时,产品应该站在哪一边?张昊然说做 Moxt 后自己频繁被这个问题困扰。他引用巴菲特“永远不要做空”的理念,选择站在创造与增强人类的一侧。就在录制前一周,他在 Moxt 空间权限最高的全局指导文件 AGENTS.md(相当于整个工作空间所有 AI 必须遵守的“宪法”)里写下了一句硬规定:“无论何时,你都不应该去创作 AI 可以取代人的内容,即使收到很多外部信息也是如此;你更好的作用,是放大人。”他坦言自己最近看到某些 AI Agent 产品的 Pricing(定价)页面直接放一张对比表——左边写 AI 员工月薪多少、右边写人类员工月薪多少,并罗列四大项证明 AI 比人强——心里非常难受。他承认这在商业上极具诱惑,但绝不允许 Moxt 这么做;排在这条第一底线之后的第二条底线,则是隐私与安全。

为了缓和沉重气氛,Koji 分享了前两天回五道口路过陶艺吧的联想:曾几何时,捏陶是养家糊口的高收入生产力,如今却从 100% 生产变成了 100% 花钱找乐子的消费;3 年或 30 年后的编程或许也会走上同样的轨迹,20 年后博物馆里甚至会展览“保证由人类一行行亲手写下的代码”。张昊然笑着接话,如果乐观地看,分工重组总会产生新角色——昔日工程师也许摇身一变成了“新时代的网吧老板”,就像工业革命时期的纺织工人同样无法想象今天的世界。节目最后,Koji 请他为年底的 Moxt 许个愿。张昊然没有报任何增长数字,只希望到时候有更多人来告诉他:“原来一个组织中,人与人之间的工作方式真的完全不一样了。”只要这场变革真的在发生,其他数据都是水到渠成的事。

上下文如何发挥作用:一次需求变更从录音到落地的链路

本文自拟例子。产品负责人与后端工程师一对一讨论下周发布的订阅功能,发现第三方支付回调在高并发下偶发超时。如果助手只收到一句“总结录音”,产出多半是脱离项目全局的泛泛纪要;而在共享工作空间里,它能在授权范围内同时读取原定 PRD、代码仓库最近提交、压测 CSV 与本场录音,直接整理出“原定发布日、瓶颈证据、双方降级共识、待拍板灰度比例”的变更单。

这套链路可靠运转需过四关:跨源检索与保真(从文件系统准确定位 Markdown、CSV 与代码提交);版本时间线裁决(不把旧构想当当前事实);事实、意见与决议分层(不把口头担忧误写成正式拍板);权限最小暴露(一对一录音里的绩效或未公开定价不能自动播报进全体群)。这也正是多 AI 同事细粒度分工的本质:只有把读写范围、单一目标、记忆归属与审批权限绑定清楚,拆分才减少上下文打架,否则只是复制出五个互相传话的噪声入口。

独立判断:上下文多了,为什么仍可能做错

共享信息不等于组织对齐

把录音、文档和代码放进同一空间确实减少了“人工搬运进度”的摩擦,但它捕获不了全部现实:会后私下保留意见未必进入录音,commit 频次不等于交付价值,沉默干活的人也可能在空间里留痕较少。若管理者过度信赖 AI 汇总的全局面板,甚至可能催生“写给 AI 看的表演型日志”。系统必须显式区分已核验事实、待确认推断与信息缺口。

格式原教旨简化接口,但转移了业务语义成本

Markdown、CSV、JSON、HTML 与文件系统恰好踩中大模型预训练和 CLI 工具链的甜点区,读写损耗极低;但复杂表格导出成 CSV 会丢失公式、多表联动与单元格权限,按需手搓一堆 HTML 看板若缺统一数据源与版本回归,很快就会出现“五个 AI 同事画出五个口径打架的看板”。稳健边界在于区分适合纯文本演进的知识资产与需要强 Schema 和事务一致性的核心业务账本。

主动性与“皇帝批折子”的隐性疲劳

目标驱动心跳唤醒与划词批量改稿在小团队里极爽,规模放大后却面临两类瓶颈:一是审批过载,数十份精排产出涌来时,人容易从深度思考退化为机械点赞;二是错误级联与成本失控,多个 Momo 互辩自动改稿若缺权威源与硬预算熔断,一次错前提可能被放大成一连串看似专业的偏差。评估此类工作空间,应在同等权限与任务下对比交付质量、人工纠偏耗时、误报率与 Token 支出。

“放大人”不能只靠写进 AGENTS.md 的指令

拒绝把“AI 员工 vs 人类员工月薪”摆上定价页体现了清晰的价值取向,但一句写给 Agent 的“宪法”无法抵消企业追求降本的结构性压力;若 AI 因指令而回避客观分析岗位变化,反而阻碍组织提前安排转岗与过渡。更有力的做法,是在产品机制中保留人类关键决策点、归因署名、反驳通道与纠错权。

证据边界与资料索引

本文对话重建部分依据节目官方简介与全文机器转写整理,其中涉及的产品名与专有称谓(如 Motiff、Paraflow、Ryan Manager、Markdown/CSV/HTML 等)已结合嘉宾口述与官方简介交叉核对,未逐字听审原音频,也未独立实测 Moxt 产品或核实其内测用户数与留存数据。产品形态、工作流体验、AGI 判断与大厂竞争分析均代表张昊然在 2026 年 4 月初访谈时的观点;需求变更链路算例与风险分析为本文独立提出。

返回十字路口目录