對話 Flowboat 譚少卿：Agent 辦公最大的痛點，不在模型能力

面向 OPC 的 Agent 工作空間。

作者｜連冉

編輯｜鄭玄

今年以來，端側 AI Agent 已成為 AI 辦公賽道的核心賽道，從 Openclaw 掀起的端側智能熱潮，到各類新 Agent 產品密集亮相，行業在技術迭代與產品落地的過程中，也呈現出一種割裂狀態：一方面大模型的通用能力持續提升，Agent 的工具調用、指令遵循能力不斷優化；另一方面，全球超 10 億規模的知識工作者群體中，多數人的日常辦公仍未擺脫「多窗口切換、上下文反復投喂、工作流與 AI 能力割裂」的普遍痛點。

圖片來源：Flowboat 官網

最近，一款桌面客戶端產品 Floatboat 開啟了內測，它集成了文件管理器、瀏覽器和 AI 對話界面，主要面向 OPC 群體。

這款產品究竟針對 AI 辦公的哪些核心問題給出了新的解決方案？其產品設計與行業主流方向有何差異？我們與 Flowboat 創始人譚少卿進行了對話，還原這款產品的核心邏輯與行業思考。

01

AI 辦公的最大痛點，不是模型不夠強

「我們測過，即使用戶完全不調用 Flowboat 的 Agent 功能，純工具層面的辦公效率也能提升 2-5 倍。」對應譚少卿這句話的，是當下 AI 辦公賽道存在的一種情況——大多產品都在卷模型能力、卷多模態效果、卷工具調用的豐富度，但 AI 和用戶的原生工作流，仍然是有些割裂的。

這可能是每個知識工作者的日常：寫一篇深度稿件，你要先在瀏覽器里查行業資料、扒數據，再打開文檔整理素材，接著切到 GPT、Claude 等的窗口里，把素材一段段粘貼進去，寫 prompt 告訴 AI 要寫成什么風格，等 AI 生成后，再復制回文檔里手動修改，過程中發現缺了數據，又要重復一遍「瀏覽-復制-粘貼-投喂」的循環。

更不用提身兼數職的 OPC 創業者，寫 BP 要同步產品設計文檔、用戶反饋、市場數據，寫 JD 要同步公司愿景、產品特性、團隊情況，做投放要管素材制作、賬號運營、數據復盤，所有的信息散落在本地文件夾、微信聊天框、瀏覽器網頁、各類 SaaS 工具里，AI 根本無法觸達完整的工作流，只能做單點的、碎片化的任務處理。

Flowboat 的解法，跳出了「對話框即 Agent」的行業慣性，它沒有在傳統辦公流程里加一個 AI 對話入口，而是直接打造了一套瀏覽器+文件管理器+AI Agent 三位一體的 AI 原生辦公環境——這也是產品最早的代號 AoE 的由來，既是游戲里「范圍傷害」的術語，也是 AI Office Environment（AI 辦公環境）的縮寫。

這個設計的核心，是讓 Agent 融入用戶的工作流，而非讓用戶圍著對話框轉。在 Flowboat 里，AI 是一個能主動感知你工作狀態的協同者：你打開的產品設計文檔、瀏覽的行業網站、操作的本地文件夾，都會成為 AI 可感知的上下文，不需要你手動上傳、復制粘貼、寫長長的 prompt，它天然就知道你正在做什么、需要什么。

比如寫融資 BP 時，你只需要在左側打開產品設計文檔、市場調研材料，對著 AI 說一句「寫一版種子輪融資 BP」，它就能自動讀取所有上下文，生成完整的 BP 內容，甚至能根據需求迭代 20 多個版本，全程沒有任何文件傳輸的操作；招聘寫 JD 時，你不用再大段給 AI 解釋公司情況，只需要說一句「幫我寫一個測試崗位的招聘 JD」，AI 就能自動讀取左側的公司資料，生成精準匹配需求的文案，你只需要微調細節就能使用；內容創作時，你可以直接用內置瀏覽器瀏覽博主的社交媒體內容，一句話讓 AI 把博主三天的帖子整理、轉錄、配音，生成一期完整的播客，全程不用切換窗口、不用下載轉錄工具。

圖片來源：極客公園

在試用過程中，能感受到確實便利不少，在工作空間里，我可以同時開啟多個文件夾并自由切換，文件瀏覽和查找的效率很高；也能直接將多份文檔拖入對話區域，讓 AI 分析它們之間的關聯與邏輯。在處理網頁信息時，內容可以隨手拖拽保存到本地文件夾，無需復制粘貼；內置編輯器支持直接修改文檔，每一處改動都會被 AI 同步感知，不需要重新上傳或手動同步上下文。

完成一次任務后，比如按個人風格生成稿件，我可以將整段工作流程一鍵保存為 Combo Skill。系統會自動記錄操作步驟、表達偏好與執行邏輯，形成可重復使用的技能模板。后續遇到相似任務時，AI 會根據當前上下文主動推薦匹配的 Skill，加載即用，不必手動查找或輸入命令。

對話式產品的邏輯是「人找 AI」，你必須主動把所有信息、指令喂到 AI 嘴里；而 Flowboat 的邏輯是「AI 跟著你的工作走」，它就在你的辦公環境里，你的工作流在哪，它的能力就延伸到哪。

02

Agent 行業的內卷誤區：

我們到底需要什么樣的端側智能？

Openclaw 帶火了端側 Agent 的同時，這個賽道也陷入了同質化的內卷：人人都在做端側產品，個個都在搭 skill 市場，仿佛誰的 skill 數量多、誰開放的權限高，誰就能贏得市場。但現在，全球 10 億知識工作者里，真正能把端側 Agent 用起來的人，依然寥寥無幾。

在譚少卿看來，絕大多數產品都踩中了行業的三大核心誤區，而 Flowboat 本質上是從底層就避開了這些內卷陷阱。

Floatboat Founder 譚少卿 | 圖片來源:受訪者

誤區一是，要么只服務極客，要么想討好所有人，卻不懂用戶的核心需求是截然相反的。「我們可以非常粗淺地把用戶分成三級：極客用戶、專家用戶、大眾用戶，每一種用戶的需求，都是完全相反的。」

這是譚少卿做了十幾年億級用戶產品，核心的洞察之一，也體現了當下 Agent 產品的普遍通病：

極客用戶追求的是極致的開放性，他們需要把產品的底層能力完全暴露出來，自己寫代碼、改腳本、自定義所有規則，這也是 Openclaw、Claude Code 能吸引極客群體的核心原因。但代價是極高的使用門檻，非技術用戶光是安裝部署就要花一個星期，對著終端命令行手足無措，更別說真正用起來；

專家用戶追求的是極致的可控性，他們需要 AI「指哪打哪」，需要它發揮的時候能精準完成需求，不需要它發揮的時候絕對不能畫蛇添足。專業的內容創作者、視頻設計師、分析師，根本無法接受 AI 隨意修改自己的作品，可絕大多數 Agent 產品，都做不到這種精準的可控；

大眾用戶追求的是極致的易用性與安全性，對他們來說，AI 工具的核心價值是「快點把活干完，早點下班」，他們沒有時間去學怎么寫 prompt、怎么裝 skill、怎么調試 Agent，復雜的知識管理、流程編排，對他們來說本質上都是偽命題。

市面上的產品，要么倒向極客，做了一個只有少數人能玩明白的玩具；要么想討好所有用戶，結果做成了四不像，極客覺得不夠開放，大眾覺得太復雜，專家覺得不可控。

而 Flowboat 是先錨定了 OPC 這個核心群體——他們是最特殊的用戶，既是自己領域的專家，又要身兼數職，同時做法務、財務、運營、創作、投放，工作流極其復雜，對效率提升的需求最為強烈。在此基礎上，產品實現了三層用戶的兼顧：

• 底層保留了極客用戶需要的開放性，支持自定義 combo skills 與 API 調用，能滿足深度定制的需求；

• 交互上做到了大眾用戶能接受的開箱即用，零代碼門檻，不用寫 prompt，用自然口語就能驅動 AI；

• 功能上滿足了專家用戶需要的可控性，內置編輯器可以隨時手動調整內容，避免 AI 亂改，實現「人機協同」的精準控制，不用再下載文件、切換軟件反復修改。

譚少卿提出了一個本質的判斷：「我們每個人在不同的事情上，都處于不同的用戶分層。你可能是一個技術極客，但在法務這件事上，你就是個大眾用戶；你是一個內容創作的專家，但在數據分析這件事上，你可能就是個普通用戶。一個真正有普適性的生產力工具，必須要能覆蓋這三層用戶的需求。這在產品技術的架構上是非常大的挑戰，但 AI 的進步讓這件事情有了一些可能性」

誤區二是把 skill 市場當核心壁壘，卻忽略了它只是過渡形態。

當下的 Agent 行業，幾乎所有玩家都在瘋狂內卷 skill 市場，仿佛誰的 skill 數量多，誰就能建立下一代應用生態。但譚少卿的判斷是：「絕大多數 skill 市場，最終都會死掉。」

他給出了兩個理由：第一，第三方 skill 存在無法解決的安全與信任問題。普通用戶根本看不懂 skill 的代碼，無法判斷它有沒有安全風險，而平臺只做聚合，不承擔任何責任，用戶用了 skill 之后電腦出問題、數據泄露，只能自己承擔后果。就像 Openclaw 的開源邏輯：「我玩法都開放了，你電腦搞壞了跟我有什么關系？」但在譚少卿看來，作為一款面向大眾的商業產品，這種價值觀是完全行不通的。

第二，skill 本質上只是一個過渡形態。「skill 是什么？其實就是我們人類在把自己的 knowhow 蒸餾給模型，模型廠開心壞了，終于有人系統性地把各行各業的經驗扔給我。」譚少卿說，「而大模型的能力在飛速提升，現在需要 skill 才能實現的功能，未來模型會直接內化掉，變成自己的通用能力。」

在他看來，skill 只會在需要高確定性的企業場景里長期留存，對于絕大多數普通用戶來說，它注定只是 AI 發展過程中的過渡產物。

也正因如此，Flowboat 沒有陷入 skill 數量的內卷，而是打造了一套完全不同的 combo skills 體系。它用 Markdown 這種人和機器都能讀懂的介質，把指令、模板、腳本、API 調用全部整合在一個文件包里，用戶不需要懂低代碼、不需要寫復雜的腳本，就能輕松自定義技能，同時技能和用戶的工作流、上下文深度綁定，不是一個孤立的功能插件。「AI 能力的強大實際上會讓每個人變成 prosumer，這跟軟件和 SaaS 時代是完全不一樣的。」

更重要的是，官方出品的 skill 都做了嚴格的安全審核，給用戶兜底，從根源上解決了安全焦慮。

誤區三是只做工具層面的創新，卻不敢打破延續了幾十年的數據壟斷。

從 PC 時代的 Office 軟件，到互聯網時代的 SaaS 產品，辦公領域幾十年的發展史，本質上是一部平臺壟斷用戶數據的歷史。

傳統的 Office 軟件，用私有協議把數據、交互、邏輯強行分離，你必須用 Word 才能打開 doc 文件，否則就是一堆亂碼，平臺壟斷了文件的唯一解釋權；后來的 SaaS 產品，更是把數據壟斷做到了極致，你存在飛書、Notion 里的文檔，絕大多數都不支持完整的原生格式導出，ChatGPT 的記憶功能，甚至只允許導出用戶自己發送的內容，AI 回復的核心信息根本無法完整導出。

用戶用的工具越來越多，卻從來沒有真正擁有過自己的數字資產。更不用提跨產品、跨 Agent 的協同：你在 Flowboat 里的工作流，沒法同步到 Openclaw 里；你在 Claude 里的 AI 記憶，沒法用到 GPT 里；不同平臺之間，數據和上下文完全是割裂的。

這才是辦公領域最底層的頑疾，也是 Flowboat 真正想要打破的壁壘——它推出了開源的 selfware 協議，重新定義了 AI 時代的數字文件格式。譚少卿用了一個很形象的比喻：「Flowboat 相當于是一艘承載用戶數字資產的船，船與船之間流轉的，就是 selfware 協議的文件包，它就是新時代 Agent 世界里的標準化集裝箱。」

這個協議從底層重構了數字文件的邏輯：

• 它把數據、交互、邏輯重新整合到一個統一的文件包里，不止包含最終的交付結果，還完整保留了整個創作、協同過程中的所有想法、決策、修改記錄、用到的 skill 與 API，把 AI 需要的完整上下文，全部封裝在一個文件里；

• 它實現了真正的跨產品兼容，只要是支持 selfware 協議的 Agent 產品，都能打開、編輯、使用這個文件包，用戶再也不用被單一平臺綁定，實現了「我的數據我做主」；

• 它保障了用戶的數據所有權，所有的文件包、數據、AI 記憶都儲存在用戶本地，不存在平臺蒸餾用戶數據、泄露用戶隱私的可能，用戶帶著電腦，就帶走了自己所有的數字資產。

這是在嘗試對整個辦公行業底層規則進行重構，把生產資料的所有權，重新還給每一個個體用戶。

03

OPC 時代，Agent 的終局是重構生產關系

「我們選的切入點，是 OPC。因為我們認為，OPC 代表了先進生產力。」

AI 大模型的爆發，正在徹底重構社會的勞動分工。原來需要專業團隊才能完成的事，現在一個人就能做到：編程、做視頻、寫網頁、做設計，這些曾經需要專門職業的技能，現在都被 AI 變成了人人都能掌握的基礎能力。越來越多的人選擇成為 OPC，用 10 人以內的小團隊，甚至一個人，去運營一整攤生意。

但傳統的辦公軟件，并不是為這群人設計的。中大型企業的分工明確，法務、財務、運營、創作各有專人負責，工作流是標準化、線性的；而 OPC 創業者，要一個人扛起所有角色，工作流是動態的、交叉的、復雜的，信息散落在各個平臺、各個文件里，對上下文流轉、多角色協同的需求，遠比中大型企業更強烈。

「如果你的工作越復雜，上下文流轉越頻繁，一個人扮演的角色越多，Flowboat 給你的效率提升就越大。」譚少卿說，「如果你的任務是相對單點縱深的或者分工特別明確，那你對它的能力感知可能不會那么強烈。」他笑著說，「比如很多投資人朋友」，「但未來，越來越多的人會成為 OPC，會需要一個人頂一個團隊，這就是我們的核心用戶。」

工具只是 Flowboat 的第一步，它真正想做的，是搭建一套分布式的 Agent 協同網絡，讓個體生產力第一次具備網絡效應，重構 AI 時代的生產關系。

傳統的協同辦公，本質上是「人找人」。你要把自己的文件、文檔、工作記憶全部暴露給對方，才能完成協同，不僅效率低下，還有嚴重的隱私泄露風險。而在 Flowboat 的分布式網絡里，協同的主體變成了 Agent：你和同事的電腦，可以通過 Agent 實現安全、高效的協同，不用暴露自己的完整數字資產，只需要共享項目區間內的上下文，雙方的 Agent 就能提前完成多輪信息同步與內容處理，最終人只需要做核心決策。

更具想象空間的，是這個網絡對個體生產力的指數級放大。你的 Agent 可以在你休息的時候，和網絡里其他用戶的 Agent 完成對接、協作、甚至基礎的商業交易。原本你一個人只能服務四五個客戶，在 Agent 的加持下，你能服務的上限可以拓展到上百人。

譚少卿說，「當每個個體的生產力都被 AI 放大 10 倍、100 倍，再通過開放的分布式網絡實現協同，整個社會的生產關系，都會發生根本性的改變。」

交流最后，他反復提到一個核心觀點：產品設計決定用戶需求。「你把產品叫做 AI Browser，那來的用戶 70% 都是來抓數據的；你把產品定義成面向 OPC 的 Agent 工作空間，用戶才會把剪視頻、做科研、寫播客、做戰略分析這些真實的、復雜的需求釋放出來。而這才是我們探索的起點。」

*頭圖來源：Flowboat 官網

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

大疆神秘影像新品，今晚 20:30，極客公園視頻號直播間，第一時間帶你上手。