当我告诉 AI 把这事做完再下班，结果它真的通宵了
AI 深度解读
背景
过去，个人很难独立产出规模化的价值，必须挂靠公司或依靠团队，生产力是「组织」，个人只是其中的螺丝钉。Agent 时代真正改变的，是生产力这个词的所有权——它正从组织回到个人手中。杨植麟的观点或许可以理解为，Agent 让个人成为了生产力本身。
作为追求生产力的用户，最关心三件事：杠杆（能被放大多少）、主权和身份（产出是否与自己的判断和诉求相关）、确定性（结果是否可信、过程是否可控、出错能否审计）。一个好用的 Agent 工具，无非是在回答这三个问题。“让 AI 替我加班”“布置任务，第二天收菜”这些半玩笑的感慨背后，是同一个期盼已久的未来：个人产出不再被时间和精力卡死。如今，这个念想第一次有了落地的可能。模型越来越聪明，工程上的打磨（Harness）让结果越来越稳，一个真正围绕生产力的整合方案正呼之欲出。这既是普通人的期待，也正成为 AGI 公司越来越明确的选择。Kimi Work，就是最新的例子。
核心内容
01 Kimi Work：从 Vibe Coding 到 Vibe Working
在所有走向执行层的模型公司里，Kimi 是一个特别的样本。对一家两年来只谈模型、只谈 AGI 的公司来说，这是第一次把自己的愿景做成了能摆在工位上的东西。
Kimi Work 是 Kimi 电脑客户端里新增的本地通用 Agent 模式。它的内核来自 Kimi Code（面向程序员的命令行编程 Agent），将命令行界面换成知识工作者熟悉的图形界面，把帮程序员写代码扩展成帮所有知识工作者干活。也就是从 Vibe Coding 到 Vibe Working。
杨植麟在 2024 年初曾描述过一个画面：当模型足够强、上下文足够长，“你可以直接把硬盘上所有的东西都输给它，它会变成你真正的新计算机，根据这些 context 采取行动。”他还判断，AGI 的入口应该直接帮用户完成任务，而不是帮他们获取信息。2025 年 8 月，他把 Agent 的定义讲得更具体：“一个只会思考、不与外界交互的推理模型，像‘缸中之脑’。Agent 则是让这个脑子长出手脚，能多轮使用工具、与外部世界交互。”他还描述过一个场景：“把一个代码仓库克隆下来，翻译成另一种语言，调试、测试、修掉所有 bug，让它正常运行，这样的工作可以端到端完成，过程中不需要人工参与，可能要花几个小时。”
这些表达在今天的 Kimi Work 上开始兑现：一款本地的、能操作硬盘文件的、帮人直接完成任务而非仅仅获取信息的、能长时间无人值守推进的 Agent。
02 泛化办公：围绕目标把事情做成
现在很多 AI 公司都瞄准 Coding 场景疯狂迭代，因为代码有 compile、有 test，对错客观，Agent 就能自己跑、自己查、自己改。但 Coding 并不是泛化办公的对立面。Agent 最先在 Coding 场景成熟，只是因为后者恰好同时满足“可验证 + 封闭世界 + 结构化”的特征。
日常生产力场景中，真正吃掉打工人时间和精力的是人和人、项目和项目之间的协作。工具是否能打通，不同平台