Moxt 实测：一人公司怎么用 AI 把组织“折叠”进文件夹

上周四下午，我同时在做五件事。

周刊选题整理到一半、CodePilot 新冒了两个 Issue、Twitter 收藏夹里躺着三条想存的推、微信里有好几条待回的信息、一篇长文的草稿卡在开头。

一直以来，我最常遇到的工作痛点就是：我的 Context 散在五个地方。

飞书、Notion、本地文件夹、微信聊天记录、我自己的脑子。

切任务的时候，一半时间花在搬运。

这只是散，更麻烦的是脏。

就算把东西汇到一起，AI 读起来也费劲：飞书的 block、Notion 的 toggle、PDF 的视觉排版、Slack 截图，每种格式都要先剥一层壳。

散加脏，就是现在大多数 AI 产品在上下文上的主要问题。

Agent 能做到什么程度，不靠模型，靠你给它的工具和上下文。正好前段时间 Moxt 发布了，我就上手试了试，发现它在这两个问题的解法上做得相当到位。

一、给 AI 一个自己的家

Moxt 上来就回答了一件事：AI 需要一个自己的工作空间。

这个答案其实挺“笨”的。让 AI 在 md、csv、html 这些自己的“母语”里工作，让它在文件系统里导航。听着不性感，但特别对。

Markdown 是 AI 的母语。
你给它一份 md，它秒懂；给它一份 Word，要先转一道。Word 本质上就是 Markdown 的 GUI，那层 GUI 为人眼而设，对 AI 来说全是噪音。

Moxt 会把这些对 AI 来说的脏信息，转成 AI 原生的格式：

• 导入 Word/PDF/Notion，后台自动转 md
• 导入 Excel，自动转 csv
• 生成的可视化报告，一律是 html

文件系统是 AI 的图书馆。 能 grep、能树状浏览的结构，正好是它训练时熟悉的那种，读起来天生就顺。

这种设计带来一个搬家爽点。

我在 Claude Code 里攒了十几个 Skill：humanizer-zh 去 AI 味、writing-rewriter 做小绿书和推特风格改写、wechat-formatter 做公众号排版、document-illustrator 做配图。每一个就是一个 md 文件加几个资源。搬到 Moxt 的 Skills 目录，一个不用改，全都跑得通。它们本来就是 md，Moxt 的 Skill 也是 md。说“集成”，其实就是复制粘贴。

Workspace 还有一个好处：把 Context 从一次性输入变成可以累积的资产。 现在我写 AIGC Weekly，不用重新贴前几期选题、不用重新解释写作偏好、不用重新说我关注哪些方向。背景默认已知。很多 AI 产品，每次打开都是新对话，Context 得一次性喂进去；Moxt 里的 Context 是往上攒的。

二、把“你是谁”写进一份 md

每个 Moxt 用户都有一个专属的个人 AI，叫 momo。momo 的行为规则写在一份 AGENTS.md 里，放在你的个人空间。用过 Claude Code 的朋友一看就懂——就是 CLAUDE.md 那套思路，产品化了。

而且除了 momo 以外，你还能创建自己的 AI 同事。我做的最顺手的操作，是创建了一个我自己的 AI 分身“AI 藏师傅”。具体方式就是把我所有的历史语录和写的东西都传了上去，然后它帮我创建了一个总结文档和规则，涵盖了从 agents.md 到时间线等各种资料，以及语气和内容等各个方面。

给它写了完整的身份书：

• 网名和平台矩阵
• 口头禅（「朋友们」「这太顶了」等）
• 感叹号用法
• 对话模式和写稿模式的切换规则
• 还有其他的要求

甚至从我的内容里总结出了 6 个我的核心信条：

1. 没亲手用过就没有发言权
2. 松弛是生产力，不用数据审判自己
3. AI 是赋能工具，不是替代品
4. 开放生态 > 平台封闭
5. 只要敢花钱、敢放权，AI 就是许愿机
6. 朋友关系高于流量关系

比方说我现在写稿子或者做内容，完全可以直接让这个 AI 同事帮我写。因为它已经几乎蒸馏了我所有的内容和信息，某种程度上，它就是我的分身。

AI 藏师傅在我的个人空间里有完整的工作文件：

• drafts/：它帮我起草的内容
• MEMORY.md：它积累的关于我的偏好
• Skills/：它能调用的所有技能

我随时能打开看、能改、能删。整个记忆库可以随时打开改，没有黑盒。 AI 的“记忆”不该是玄学，就是几个你能读懂的 md 文件而已。

这时候我才反应过来。Rules 也是 Context，而且是密度最高的那种。一份 AGENTS.md 里装着你的人格、价值观、写作品味，是你给 AI 最浓缩的 Context。

三、做加法之前，先做减法

Moxt 有一个引导案例让我特别有感触。它的第一个 AI 同事模板叫“熵减官”。这家公司专门造了这么一个角色，它手里没有写作、分析、生成这类常规产出任务。它只做三件事：

• 扫 Workspace 里过时的文档
• 发现内容之间的矛盾
• 把死内容归档

他们那句 slogan 我很喜欢：“做少是能力，做多是本能”。

我手里有 300 多篇剪藏、几十份项目笔记、上百条 Twitter 收藏，真正能用上的远没这么多。更糟的是，废墟会污染 AI。你问它“我之前对某个问题怎么看”，它能把三年前已经被我推翻的观点翻出来，一本正经地告诉你。

Context 的价值，不只在量，更在质。Moxt 想做的是会自己精简的地方。市面上无限塞东西的仓库已经够多了。

如果想深入了解这类工具的底层逻辑与架构设计，不妨看看云栈社区上的技术文档，里面有不少关于个人知识库与自动化工作流的干货和避坑指南。

四、读得懂，还得会动、会记、有人格

AI 读懂你的 Context 只是第一步。接下来它还得会自己动、会记住发生过的事、有一个承载这一切的人格。

将 Skill 组合完成复杂任务

现在 Agent 里的 Skills 能力已经不可或缺。大家知道我做了很多 Skills（比如最近很火的 PPT 生成）。拿我的公众号写作流水线来说：

humanizer-zh(去 AI 味) → writing-rewriter(风格重写) → wechat-formatter(公众号排版)

以前在 Claude Code 里手动走三步，每步复制粘贴；现在丢一份初稿进去，十几分钟拿到可以直接贴公众号的终稿。所有中间版本都在 Workspace 里，回看改动一目了然。

定时任务：让信息来找我

Moxt 也支持定时任务。我建了个“热点监控员”，每天早上跑一个 Cron，扫过去 24 小时的 Twitter、Newsletter、Hacker News，按主题聚类，输出当天的“科技热点日报”。这对内容生产非常有帮助。我不建议大家全看 AI 总结的内容，但 AI 确实能让我们不漏掉一些比较重要的信息。

Webhook：让事件来找它

比 Cron 更猛的是 Webhook。我自己有一个 vibe coding 的项目叫 CodePilot。这种项目用户多了以后，管理和上下文处理都非常麻烦，因为你的本地环境和线上 GitHub 是完全不同的两个环境。

CodePilot 的 GitHub 仓库一旦有新 Issue，Webhook 推给 AI 同事，它先归类：

• 是 bug？归到待修复
• 是功能建议？排进路线图候选
• 是用户不会用？生成一条 FAQ 草稿

做完再决定要不要叫我。一个人没法 7×24 在线，AI 同事可以。

自主性是一把刻度尺

既然是给组织用，安全性自然很重要。加上不同文件夹有不同权限，Moxt 在安全上也做了很多处理。它自己讲得很到位：不同场景需要不同的放手程度。

场景	自主性
内部信息整理	放手
对外发邮件	发送前必须确认
数据分析	结论标“待人类确认”
删除归档	卡审批

连外部系统：用好 MCP

除了 Slack、GitHub 原生集成，Moxt 也支持 MCP：

• Sentry MCP：直接问“最近线上有什么报错”
• Figma MCP：问设计稿里某个按钮的颜色
• Linear MCP：“创建一个 bug ticket，优先级 high”

对组织来说，这个功能需求更刚。个人用的 MCP 很少有不同地方流转的需要，但组织经常要从原本的 Notion 里查东西，或者从 Slack 去同步一些信息，这些流转过程都很重要。

五、AI 不只会写字，还会画图

Moxt 最惊艳我的一点，是它把 AI 的输出从文字拓展到了完整的视觉形态。同样一份数据，momo 能输出三种东西。

可交互数据看板

基于 ECharts。 下拉能筛选、悬浮有提示、多图联动。一个独立 html，打开就是完整的可视化。比如连接了 GitHub 之后，我就让它基于我 GitHub 的项目，做了一个可交互的数据看板。

结构完整的 PPT

Moxt 也能实时生成结构完整的 PPT。你也可以装其他 PPT Skills 来生成，都能正常预览。我这里用的是自己的 PPT Skills，同样支持。封面、目录、内容页、图表、结尾，风格可选。html 格式，键盘翻页。

产品原型也是可以的

由于它积累了丰富的上下文，生成效果显然比那些没有上下文、或者上下文非 AI 原生的产品强很多。表单、列表、后台 dashboard 常见页面结构。Tailwind CSS，一个文件，可以直接当 demo 演示。

三种产出都是 html，落在 Workspace 里双击就看。对靠视觉内容吃饭的人来说，AI 的交付物从“一段文字”升级成了“一份可以直接发出去的成品”。 而且对组织来讲，这种可视化的内容更适合理解和交付，比看纯文字清晰、直观非常多。

六、Agent 公式

我以前提出过一个公式。Agent 到底什么决定了它有多强？

Agent 能力 = 工具 × 上下文 × (人格 + Memory + Skill)

工具决定它能做什么。Moxt 给的是 sandbox、浏览器、Cron、Webhook、MCP、外部集成。上下文决定它知道什么。Moxt 给的是 Workspace 里一路累积的 md 文件加外部数据通道。人格 + Memory + Skill 决定它像不像你。Moxt 给的是 AGENTS.md、MEMORY.md、Skills/，三件都是你能直接读和改的纯文本。

这是个乘法。任何一个因子为 0，输出就是 0。模型再强也救不回来。Moxt 把这几个因素结合、实现得非常好，而且易于理解。更重要的是，它回答了组织层面应该怎么去运用这些元素。

最后

Moxt 在“AI 藏师傅”的身份书里写了六条信条，第三条是「AI 是赋能工具，不是替代品」。这个产品想做的事，说到底是同一句话：放大人的能力。这个同频来得很自然，我认这个产品，是因为我本来就这么想。

“一人公司”里的“一人”，重点落在“决策和品味不被稀释”这几个字上，跟“一个人硬扛”没什么关系。真正稀缺的是判断、审美、执念。这些 AI 学不来，也不该由 AI 来做。AI 该做的，是把你从搬运 Context、切换任务、重复性劳动这些琐碎里解放出来，让那份稀缺的判断被放大。

一个人的品味 × AI 同事的执行带宽，才是 OPC 真正的意思。

如果你，或者你的组织跟我一样：

• 每天在五件事之间切换
• Context 散在七八个地方
• 有一堆想沉淀的写作方法论找不到地方装

可以来试一下 Moxt（moxt.ai），今天的分享就到这。对这类工具、方法感兴趣的，也欢迎常来云栈社区转转，很多朋友都在交流自己搭建 AI 工作流的经验。