Moxt 實測：把你的組織，摺疊進一堆文件夾
整理版優先睇
Moxt 用文件系統同原生格式，將 AI 嘅 Context 從一次性輸入變成可以累積嘅資產，仲可以自訂 AI 分身、定時任務同 Webhook，將 AI 從對話升級成組織級協作者。
作者藏師傅成日遇到 Context 散落飛書、Notion、本地文件、微信聊天記錄等地方，而且格式又亂（block、toggle、排版），搞到 AI 好難讀。佢覺得當今 AI 產品嘅上下文問題係「散+髒」，而 Agent 嘅能力取決於工具 × 上下文 × (人格+Memory+Skill)。近排佢試咗 Moxt，發現呢個產品喺解決呢兩個問題上做得幾好。
Moxt 嘅核心係畀 AI 係佢嘅母語環境（md、csv、html）入面做嘢，透過 Workspace 將 Context 變成累積嘅資產。佢會自動將 Word/PDF 轉做 md、Excel 轉 csv，仲可以創建私人 AI 同事（例如佢自己嘅分身「AI 藏師傅」），用 AGENTS.md、MEMORY.md、Skills/ 呢啲純文字檔案嚟定義人格、記憶同技能。Moxt 重有個「熵減官」嚟定期清理過期文件，強調「做少係能力」。
另外，Moxt 支援 Skills 組合（例如公眾號寫作流水線）、定時任務（自動產出熱點日報）、Webhook（自動處理 Issue）、MCP 協議連接外部服務，仲可以輸出互動數據看板、PPT、原型頁面等可視化成品。作者認為 Moxt 好好咁實現咗 Agent 能力公式，特別適合組織級嘅上下文管理同 AI 協作，最終目標係放大個人判斷力同品味，唔係取代人。
- Moxt 透過文件系統將 AI 嘅 Context 由一次性輸入變為累積資產，有效解決「散+髒」問題。
- 佢嘅做法係所有內容自動轉為 AI 原生格式（md/csv/html），Workspace 做共享文件庫，Agent 能力由工具 × 上下文 × (人格+Memory+Skill) 決定。
- 同其他 AI 產品唔同，Moxt 唔係每次新對話重新嚟，Context 係持續累積嘅；你可以建立可自訂嘅 AI 同事，規則寫係純文字檔案，完全透明可編輯。
- Context 嘅價值在質唔在量，要定期清理（熵減官）；AI 嘅「記憶」應該係可讀嘅文件，唔係黑盒。
- 你可以直接匯入現有 Skills（例如 md 格式嘅 Skill 檔案），用 Webhook 自動處理 Issue，用定時任務獲取每日熱點，仲可以生成可視化看板或 PPT 用嚟交付。
AI 都需要一個屬於自己嘅工作空間
作者成日將 Context 散落喺飛書、Notion、本地文件夾、微信聊天記錄同自己個腦，搞到切任務時一半時間用嚟搬運。佢話呢啲叫「散」，重有「髒」——飛書嘅 block、Notion 嘅 toggle、PDF 嘅視覺排版，每種格式都要剝一層殼先畀到 AI 讀。
散加髒，係大多數 AI 產品喺上下文上嘅主要問題
- 導入 Word/PDF/Notion，後台自動轉 md
- 導入 Excel，自動轉 csv
- 生成嘅可視化報告，一律係 html
文件系統係 AI 嘅圖書館，可以 grep、可以樹狀瀏覽，正好係佢訓練時熟悉嘅結構。作者發現呢個設計帶嚟一個搬家爽點：佢喺 Claude Code 攢咗十幾個 Skill（humanizer-zh、writing-rewriter 等），搬到 Moxt 嘅 Skills 目錄一個唔使改就全部用得。
Workspace 將 Context 從一次性輸入變成可以累積嘅資產
以前寫 AIGC Weekly 要重新貼前幾期選題、重新解釋寫作偏好；而家背景默認已知，Context 係往上攢嘅，唔係次次重新餵。
將「你是誰」寫入一份 md，創建 AI 分身
每個 Moxt 用戶都有一個專屬 AI 叫 momo，行為規則寫喺 AGENTS.md。作者第一件事係創建一個自己嘅AI分身「AI 藏師傅」，將所有歷史語錄同上傳嘅內容畀佢，佢自己總結出文檔同規則。
AI 分身涵蓋 agents.md、時間線、語氣內容等資料
- 1 網名同平台矩陣
- 2 口頭禪（「朋友們」「呢個太頂了」等）
- 3 感嘆號用法
- 4 對話模式同寫稿模式嘅切換規則
- 5 其他要求
作者嘅分身重從內容總結咗6個核心信條，例如「冇親手用過就冇發言權」「鬆弛係生產力，唔好用數據審判自己」「AI 係賦能工具，唔係替代品」「朋友關係高於流量關係」。
做減法先係能力：熵減官幫你清理廢墟
Moxt 有一個引導案例叫「熵減官」，一個唔負責寫作分析嘅 AI 同事，淨係做三件事：掃過時文檔、發現內容矛盾、將死內容歸檔。作者感嘆自己手上有300幾篇剪藏、幾十份筆記，真正用得嘅唔多。
廢墟會污染 AI，佢可以將你三年前已經推翻嘅觀點翻出嚟
讀得明仲要識得鬱：Skills、定時任務、Webhook、MCP
AI 讀得明 Context 只係第一步，仲要識得自己做嘢、記低發生過嘅事、有一個人格去承載。作者嘅公眾號寫作流水線（humanizer-zh → writing-rewriter → wechat-formatter）以前喺 Claude Code 要手動三步，而家丟一份初稿入去，十幾分鐘就出到終稿。
定時任務：作者設咗個「熱點監控員」，每日 Cron 掃 Twitter、Newsletter、Hacker News，輸出「科技熱點日報」
Webhook：CodePilot 嘅 GitHub Issue 會自動推畀 AI 同事歸類：bug 歸待修復、建議排路線圖、唔識用就生成 FAQ
Moxt 重支援 MCP 協議，可以連接 Sentry、Figma、Linear 等外部系統。對於組織嚟講，呢啲流轉過程好重要。
AI 唔只會寫字，仲會畫嘢：可視化輸出
Moxt 最令作者驚豔嘅係將 AI 輸出從文字擴展到完整視覺形態。同一份數據，momo 可以出三種嘢：可互動數據看板（ECharts，下拉篩選、懸浮提示）、結構完整嘅 PPT（封面目錄圖表結尾，html 格式鍵盤翻頁）、一啲產品原型用 Tailwind CSS，一個文件就可以當 demo 演示。
三種產出都係 html，雙擊 Workspace 就睇得
對於靠視覺內容揾食嘅人來講，AI 嘅交付物從一段文字升格成一份可以直接發出去嘅成品。而且對組織來講，呢啲可視化內容比純文字清晰直觀好多。
Agent 同頻：真正稀缺嘅係判斷同品味
Agent 能力 = 工具 × 上下文 × (人格 + Memory + Skill)
任何一個因子為 0，輸出就係 0，模型再強都救唔返。Moxt 將呢幾個因素結合得好，而且易理解，仲回答咗組織層面嘅使用方式。
如果你成日喺五件事之間切換、Context 散喺七八個地方、有一堆想沉澱嘅寫作方法論可以放，不妨試下 Moxt。
上星期四晏晝，我同時做緊五件事。
週刊揀題揀到一半、CodePilot 新出咗兩個 Issue、Twitter 收藏夾入面有三條想存嘅推文、微信有幾條未覆嘅訊息、一篇長文嘅草稿卡咗喺開頭。
一直以嚟我成日遇到嘅問題就係：我嘅 Context 散咗喺五個地方。
飛書、Notion、電腦檔案、微信對話紀錄、我自己個腦。
切換任務嘅時候，一半時間用嚟搬嘢。
呢個只係散。仲麻煩嘅係污糟。
就算將啲嘢集中返一齊，AI 讀起上嚟都好麻煩：
飛書嘅 block、Notion 嘅 toggle、PDF 嘅排版、Slack 嘅截圖，每種格式都要先拆一層包裝。
散加污糟，就係而家大部份 AI 產品喺上下文上面嘅主要問題。
Agent 可以做到咩程度，唔靠模型，而係靠你畀佢嘅工具同上下文。
啱啱前排 Moxt 推出咗，我就試咗下，發現佢喺呢兩個問題上面做得非常好。
一、畀 AI 一個自己嘅竇
Moxt 一嚟就答咗一件事：AI 需要一個自己嘅工作空間。
佢嘅答案幾「蠢」下。叫 AI 喺 md、csv、html 呢啲佢嘅母語入面做嘢，叫佢喺檔案系統入面導航。聽落唔性感，但係好啱。
Markdown 係 AI 嘅母語。
你畀佢一份 md，佢即刻明；畀佢一份 Word，就要轉一轉先。
Word 本質上就係 Markdown 嘅 GUI，嗰層 GUI 係為人眼而設，對 AI 嚟講全部係雜音。
Moxt 會將呢啲對 AI 嚟講污糟嘅資訊，轉成 AI 原生嘅格式：
匯入 Word/PDF/Notion，後台自動轉 md
匯入 Excel，自動轉 csv
生成嘅可視化報告，一律係 html
檔案系統係 AI 嘅圖書館。可以 grep、可以樹狀瀏覽嘅結構，正正係佢訓練時熟嗰種，讀起上嚟自然順。
呢種設計帶嚟一個搬竇嘅爽點。
我喺 Claude Code 入面儲咗十幾個 Skill：
humanizer-zh 走去 AI 味、writing-rewriter 做小綠書同 Twitter 風格改寫、wechat-formatter 做公眾號排版、document-illustrator 做配圖。每個就係一個 md 檔加幾個資源。
搬去 Moxt 嘅 Skills 目錄，一個唔使改，全部行得通。
佢哋本來就係 md，Moxt 嘅 Skill 都係 md。話就話整合，其實就係複製貼上。
Workspace 仲有一個好處：將 Context 由一次性輸入變成可以累積嘅資產。
而家我寫 AIGC Weekly，唔使再貼前幾期嘅選題、唔使再解釋寫作偏好、唔使再講我留意邊啲方向。
背景預設已知。
第啲 AI 產品，每次都要重新開一個對話，Context 要一次過餵；Moxt 裏面嘅 Context 係逐次累積上去嘅。
二、將「你係邊個」寫入一份 md
每個 Moxt 用戶都有一個專屬嘅個人 AI，叫 momo。
momo 嘅行為規則寫喺一份 AGENTS.md 入面，放喺你嘅個人空間。
用過 Claude Code 嘅朋友一睇就明。就係 CLAUDE.md 嗰套諗法，產品化咗。
而且除咗 Momo 之外，你仲可以創建自己嘅 AI 同事。
我做嘅第一件事，創建咗一個我自己嘅 AI 分身「AI 藏師傅」。
具體方法就係將我所有嘅歷史語錄同寫嘅內容都傳咗上去，然後佢幫我創建咗一個總結文件同規則。
涵蓋咗由 agents.md 到時間線等各種資料，以及語氣內容等各個方面。
畀佢寫咗完整嘅身份書：
網名同平台矩陣
口頭禪（「朋友們」「呢個太勁啦」等）
感嘆號用法
對話模式同寫稿模式嘅切換規則
仲有第啲要求
甚至由我嘅內容入面歸納咗 6 個我嘅核心信條：
冇親手用過就冇發言權
放鬆係生產力，唔好用數據審判自己
AI 係賦能工具，唔係替代品
開放生態 > 平台封閉
只要敢使錢、敢放權，AI 就係許願機
朋友關係高於流量關係
例如，我而家如果寫稿或者寫內容，就可以直接叫呢個 AI 同事幫我寫。
因為佢已經幾乎蒸餾咗我所有嘅內容同資訊，某程度上，佢就係我嘅分身。
AI 藏師傅喺我嘅個人空間入面有完整嘅工作文件：
drafts/：佢幫我起草嘅內容
MEMORY.md：佢累積嘅關於我嘅偏好
Skills/：佢可以調用嘅所有技能
我隨時可以打開睇、可以改、可以刪。
成個記憶庫可以隨時打開改，冇黑盒。
AI 嘅「記憶」唔應該係玄學，就係幾個你睇得明嘅 md 文件咋。
到呢個時候我先反應過嚟。Rules 都係 Context，而且係密度最高嗰種。一份 AGENTS.md 入面裝住你嘅人格、價值觀、寫作品味，係你畀 AI 最濃縮嘅 Context。
三、做加法之前，先做減法
Moxt 有一個引導案例令我特別有感受。佢嘅第一個 AI 同事模板叫「熵減官」。
呢間公司特登整咗咁一個角色，佢手上冇寫作、分析、生成呢類產出任務。佢淨係做三件事：
掃 Workspace 入面過時嘅文件
發現內容之間嘅矛盾
將死內容歸檔
佢哋嗰句 slogan 我好鍾意：做得少係能力，做得多係本能。
我手上有 300 幾篇剪存、幾十份項目筆記、上百條 Twitter 收藏，真正用得着嘅遠冇咁多。
仲衰嘅係，廢墟會污染 AI。
你問佢「我之前對某個問題點睇」，佢可以將三年前我已經推翻咗嘅觀點揾返出嚟，一本正經咁話你知。
Context 嘅價值，唔單止喺量，仲在於質。
Moxt 想做嘅係一個會自己精簡嘅地方。無限塞嘢嘅倉庫，市面上已經夠多喇。
四、讀得明，仲要識鬱、會記、有人格
AI 讀明你嘅 Context 只係第一步。下一步佢仲要識自己鬱、會記住發生過嘅事、有一個承載呢一切嘅人格。
將 Skill 組合成複雜任務
少不了嘅係而家 Agent 入面嘅 Skills 能力。
大家知道我整咗好多 Skills（例如最近好紅嘅 PPT 生成）。
例如我嘅公眾號寫作流水線：
humanizer-zh（去除 AI 味）→ writing-rewriter（風格重寫）→ wechat-formatter（公眾號排版）
以前喺 Claude Code 入面要人手行三步，每步複製貼上；
而家擺一份初稿入去，十幾分鐘就拎到可以直接貼公眾號嘅終稿。
所有中間版本都喺 Workspace 入面，回看改動一目瞭然。
定時任務：叫資訊嚟揾我
同樣，Moxt 都支援定時任務。
我整咗個「熱點監控員」，每日朝早行一個 Cron，掃過去 24 小時嘅 Twitter、Newsletter、Hacker News，按主題聚類，輸出當日嘅「科技熱點日報」。
呢個對於我哋嘅內容生產其實好有幫助，我唔建議大家完全睇 AI 總結嘅內容，但 AI 可以令我哋唔漏咗一啲重要資訊。
Webhook：叫事件嚟揾佢
比 Cron 更勁嘅係 Webhook。
我自己有一個 vibe coding 嘅項目，叫 Codepilot。
呢類項目用戶多咗之後，管理同上下文嘅處理都好麻煩。
因為你嘅本地環境同線上嘅 GitHub 係兩個完全唔同嘅環境。
CodePilot 嘅 GitHub 倉庫一旦有新 Issue，Webhook 推畀 AI 同事，佢先分類：
係 bug？歸入待修復
係功能建議？排入路線圖候選
係用戶唔識用？生成一條 FAQ 草稿
做完再決定使唔使叫我。一個人冇可能 7×24 在線，AI 同事可以。
自主性係一把刻度尺
由於係畀組織用，所以安全性好重要。
而且大家唔同嘅文件夾都有唔同嘅權限，所以 Moxt 都做咗好多安全上嘅處理。
Moxt 自己講得幾到位：唔同場景需要唔同嘅放手程度。
連接外部系統：用 MCP
除咗 Slack、GitHub 原生整合，Moxt 都支援 MCP：
Sentry MCP：直接問「最近線上邊度有報錯」
Figma MCP：問設計稿入面某個掣嘅顏色
Linear MCP：「創建一個 bug ticket，優先級 high」
對組織嚟講，呢個功能更加需要。
因為我個人用嘅 MCP 好少有需要喺唔同地方流轉嘅需求。
但對組織嚟講，成日要從原來嘅 Notion 度查嘢，或者由 Slack 同步一啲資訊，呢啲流轉過程都好重要。
五、AI 唔止識寫字，仲識畫圖
Moxt 最令我驚喜嘅一點，係佢將 AI 嘅輸出由文字拓展到完整嘅視覺形態。
同一份數據，momo 可以輸出三種嘢：
可互動數據看板
基於 ECharts。下拉可以篩選、懸浮有提示、多圖聯動。一個獨立 html，打開就係完整嘅可視化。
例如我喺連接咗 GitHub 之後，就叫佢基於我 GitHub 呢個項目，做一個可互動嘅數據看板。
結構完整嘅 PPT
Moxt 都可以即時生成結構完整嘅 PPT。
你都可以安裝第啲 PPT Skills 嚟生成，全部可以正常生成預覽。
我呢度係用我自己嘅 PPT Skills，都支援嘅。
封面、目錄、內容頁、圖表、結尾。風格可以揀。html 格式，鍵盤翻頁。
產品頁都得
由於佢有好多上下文，所以佢生成嘅效果肯定比一啲冇上下文、或者上下文唔係 AI 原生嘅產品強好多。
表單、列表、後台 dashboard 常見嘅頁面結構。Tailwind CSS，一個文件，可以直接當 demo 展示。
三種產出都係 html，放喺 Workspace 入面雙擊就睇到。
對靠視覺內容揾食嘅人嚟講，AI 嘅交付物由「一段文字」升級成「一份可以直接出街嘅製成品」。
而且對組織嚟講，呢種可視化嘅內容更適合理解同交付，比睇純文字清晰、直觀好多。
六、Agent 公式
我其實以前提過一個公式。Agent 到底由咩決定佢有幾勁？
Agent 能力 = 工具 × 上下文 × (人格 + Memory + Skill)
工具決定佢做到啲咩。Moxt 畀嘅係 sandbox、瀏覽器、Cron、Webhook、MCP、外部整合
上下文決定佢知啲咩。Moxt 畀嘅係 Workspace 入面一路累積嘅 md 檔加外部數據通道
人格 + Memory + Skill 決定佢似唔似你。Moxt 畀嘅係 AGENTS.md、MEMORY.md、Skills/，三樣都係你可以直接讀同改嘅純文字
呢個係乘法。任何一個因子係 0，輸出就係 0。模型再勁都救唔返。
Moxt 將呢幾個因素結合、實現得非常好，而且容易理解。
重要嘅係，回答咗喺組織層面應該點樣用呢啲元素。
最後
Moxt 喺 AI 藏師傅嘅身份書入面寫咗六條信條，第三條係「AI 係賦能工具，唔係替代品」。
Moxt 呢個產品想做嘅事，講到尾都係一句：放大人的能力。
呢個同步嚟得好自然。我認呢個產品，係因為我本來就係咁諗。
「一人公司」入面嘅「一人」，重點落喺「決策同品味唔會被沖淡」呢幾個字，同「一個人死頂」冇乜關係。
真正稀缺嘅係判斷、審美、執著。呢啲 AI 學唔嚟，亦唔應該由 AI 做。
AI 應該做嘅，係將你由搬 Context、切任務、重複咁睇一眼呢啲瑣碎嘢入面解放出嚟，令嗰份稀缺嘅判斷被放大。
一個人嘅品味 × AI 同事嘅執行頻寬，先係 OPC 真正嘅意思。
如果你或者你嘅組織同我一樣：
每日喺五件事之間切換
Context 散喺七八個地方
有一堆想沉澱嘅寫作方法論揾唔到地方裝
可以嚟試下 Moxt（moxt.ai），今日嘅內容就到呢度。
你覺得對你有幫助嘅話，可以幫我點個讚，或者轉發畀你需要嘅朋友。
✦
上週四下午，我同時在做五件事。
週刊選題整理到一半、CodePilot 新冒了兩個 Issue、Twitter 收藏夾裏躺着三條想存的推、微信裏有好幾條待回的信息、一篇長文的草稿卡在開頭。
一直以來我常工作見的問題就是：我的 Context 散在五個地方。
飛書、Notion、本地文件夾、微信聊天記錄、我自己的腦子。
切任務的時候，一半時間花在搬運。
這只是散。更麻煩的是髒。
就算把東西匯到一起，AI 讀起來也費勁：
飛書的 block、Notion 的 toggle、PDF 的視覺排版、Slack 截圖，每種格式都要先剝一層殼。
散加髒，就是現在大多數 AI 產品在上下文上的主要問題。
Agent 能做到什麼程度，不靠模型，靠你給它的工具和上下文。
正好前段時間 Moxt 發佈了，我就試了一下，發現它在這兩個問題的解決上做得非常好。
一、給 AI 一個自己的家
Moxt 上來就回答了一件事：AI 需要一個自己的工作空間。
它的答案挺"笨"的。讓 AI 在 md、csv、html 這些母語裏工作，讓它在文件系統裏導航。聽着不性感，但特別對。
Markdown 是 AI 的母語。
你給它一份 md，它秒懂；給它一份 Word，要先轉一道。
Word 本質上就是 Markdown 的 GUI，那層 GUI 為人眼而設，對 AI 來說全是噪音。
Moxt 會把這些對於 AI 來說的髒信息，轉成 AI 原生的格式：
導入 Word/PDF/Notion，後台自動轉 md
導入 Excel，自動轉 csv
生成的可視化報告，一律是 html
文件系統是 AI 的圖書館。能 grep、能樹狀瀏覽的結構，正好是它訓練時熟悉的那種，讀起來天生就順。
這種設計帶來一個搬家爽點。
我在 Claude Code 裏攢了十幾個 Skill：
humanizer-zh 去 AI 味、writing-rewriter 做小綠書和推特風格改寫、wechat-formatter 做公眾號排版、document-illustrator 做配圖。每一個就是一個 md 文件加幾個資源。
搬到 Moxt 的 Skills 目錄，一個不用改，全都跑得通。
它們本來就是 md，Moxt 的 Skill 也是 md。說是集成，其實就是複製粘貼。
Workspace 還有一個好處：把 Context 從一次性輸入變成可以累積的資產。
現在我寫 AIGC Weekly，不用重新貼前幾期選題、不用重新解釋寫作偏好、不用重新說我關注哪些方向。
背景默認已知。
別的 AI 產品，每次都是新一輪對話，Context 得一次性喂；Moxt 裏的 Context 是往上攢的。
二、把"你是誰"寫進一份 md
每個 Moxt 用戶都有一個專屬個人 AI，叫 momo。
momo 的行為規則寫在一份 AGENTS.md 裏，放在你的個人空間。
用過 Claude Code 的朋友一看就懂。就是 CLAUDE.md 那套思路，產品化了。
而且除了 Momo 以外，你還能創建自己的 AI 同事。
我做的第一件事，創建了一個我自己的 AI 分身"AI 藏師傅"。
具體方式就是把我所有的歷史語錄和寫的內容都傳了上去，然後它幫我創建了一個總結文檔和規則。
涵蓋了從 agents.md 到時間線等各種資料，以及語氣內容等各個方面。
給它寫了完整的身份書：
網名和平台矩陣
口頭禪(「朋友們」「這太頂了」等)
感嘆號用法
對話模式和寫稿模式的切換規則
還有其他的要求
甚至從我的內容裏總結出了 6 個我的核心信條：
沒親手用過就沒有發言權
鬆弛是生產力，不用數據審判自己
AI 是賦能工具，不是替代品
開放生態 > 平台封閉
只要敢花錢、敢放權，AI 就是許願機
朋友關係高於流量關係
比方說，我現在如果寫稿子或者寫內容，就完全可以直接讓這個 AI 同事幫我寫。
因為它已經幾乎蒸餾了我所有的內容和信息，某種程度上，它就是我的分身。
AI 藏師傅在我的個人空間裏有完整的工作文件：
drafts/：它幫我起草的內容
MEMORY.md：它積累的關於我的偏好
Skills/：它能調用的所有技能
我隨時能打開看、能改、能刪。
整個記憶庫可以隨時打開改，沒有黑盒。
AI 的"記憶"不該是玄學，就是幾個你能讀懂的 md 文件而已。
這時候我才反應過來。Rules 也是 Context，而且是密度最高的那種。一份 AGENTS.md 裏裝着你的人格、價值觀、寫作品味，是你給 AI 最濃縮的 Context。
三、做加法之前，先做減法
Moxt 有一個引導案例讓我特別有感觸。它的第一個 AI 同事模板叫"熵減官"。
這家公司專門造了這麼一個角色，它手裏沒有寫作、分析、生成這類產出任務。它只做三件事：
掃 Workspace 裏過時的文檔
發現內容之間的矛盾
把死內容歸檔
他們那句 slogan 我很喜歡：做少是能力，做多是本能。
我手裏有 300 多篇剪藏、幾十份項目筆記、上百條 Twitter 收藏，真正能用上的遠沒這麼多。
更糟的是，廢墟會污染 AI。
你問它"我之前對某個問題怎麼看"，它能把三年前已經被我推翻的觀點翻出來，一本正經地告訴你。
Context 的價值，不只在量，更在質。
Moxt 想做的是會自己精簡的地方。無限塞東西的倉庫，市面上已經夠多了。
四、讀得懂，還得會動、會記、有人格
AI 讀懂你的 Context 只是第一步。接下來它還得會自己動、會記住發生過的事、有一個承載這一切的人格。
將 Skill 組合完成複雜任務
必不可少的是現在 Agent 裏的 Skills 能力。
大家知道我做了很多 Skills（比如最近很火的 PPT 生成）。
比如我的公眾號寫作流水線：
humanizer-zh(去 AI 味) → writing-rewriter(風格重寫) → wechat-formatter(公眾號排版)
以前在 Claude Code 裏手動走三步，每步複製粘貼；
現在丟一份初稿進去，十幾分鍾拿到可以直接貼公眾號的終稿。
所有中間版本都在 Workspace 裏，回看改動一目瞭然。
定時任務：讓信息來找我
同樣，Moxt 還支持定時任務。
我建了個"熱點監控員"，每天早上跑一個 Cron，掃過去 24 小時的 Twitter、Newsletter、Hacker News，按主題聚類，輸出當天的"科技熱點日報"。
這個對於我們的內容生產其實非常有幫助，我不建議大家全看 AI 總結的內容，但是 AI 能讓我們不漏掉一些比較重要的信息。
Webhook：讓事件來找它
比 Cron 更猛的是 Webhook。
我自己有一個 vibe coding 的項目，叫做 Codepilot 。
這種項目其實用戶多了以後，管理和上下文的處理都非常麻煩。
因為你的本地環境和線上的 GitHub 是兩個完全不同的環境。
CodePilot 的 GitHub 倉庫一旦有新 Issue，Webhook 推給 AI 同事，它先歸類：
是 bug?歸到待修復
是功能建議?排進路線圖候選
是用戶不會用?生成一條 FAQ 草稿
做完再決定要不要叫我。一個人沒法 7×24 在線，AI 同事可以。
自主性是一把刻度尺
由於是給組織用，所以安全性很重要。
而且大家不同的文件夾也有不同的權限，所以 Moxt 也做了很多安全上的處理。
Moxt 自己講得很到位：不同場景需要不同的放手程度。
連外部系統：用好 MCP
除了 Slack、GitHub 原生集成，Moxt 也支持 MCP：
Sentry MCP：直接問"最近線上有什麼報錯"
Figma MCP：問設計稿裏某個按鈕的顏色
Linear MCP：「創建一個 bug ticket，優先級 high」
對於組織來說，這個功能還是更需要的。
因為我個人用的 MCP 很少有需要在不同地方流轉的需求。
但對於組織而言，經常需要從原來的 Notion 裏查東西，或者從 Slack 去同步一些信息，這些流轉過程都很重要。
五、AI 不只會寫字，還會畫圖
Moxt 最驚豔我的一點，是它把 AI 的輸出從文字拓展到了完整的視覺形態。
同樣一份數據，momo 能輸出三種東西：
可交互數據看板
基於 ECharts。下拉能篩選、懸浮有提示、多圖聯動。一個獨立 html，打開就是完整的可視化。
比如我這裏在連接了 GitHub 以後，我就讓它基於我 GitHub 這個項目，做一個可交互的數據看板。
結構完整的 PPT
Moxt 也能實時生成結構完整的 PPT。
你也可以安裝其他的一些 PPT Skills 來生成，都能正常生成預覽。
我這裏使用的是我自己的 PPT Skills，也是支持的。
封面、目錄、內容頁、圖表、結尾。風格可選。html 格式，鍵盤翻頁。
產品也是可以的
由於它有很多的上下文，所以它生成的效果肯定是比一些沒有上下文、或者上下文非 AI 原生的產品要強很多的。
表單、列表、後台 dashboard 常見頁面結構。Tailwind CSS，一個文件，可以直接當 demo 演示。
三種產出都是 html，落在 Workspace 裏雙擊就看。
對靠視覺內容吃飯的人來說，AI 的交付物從"一段文字"升級成了"一份可以直接發出去的成品"。
而且對於組織來說，這種可視化的內容更適合理解和交付，比看純文字要清晰、直觀非常多。
六、Agent 公式
我其實以前提過一個公式。Agent 到底什麼決定它有多強?
Agent 能力 = 工具 × 上下文 × (人格 + Memory + Skill)
工具決定它能做什麼。Moxt 給的是 sandbox、瀏覽器、Cron、Webhook、MCP、外部集成
上下文決定它知道什麼。Moxt 給的是 Workspace 裏一路累積的 md 文件加外部數據通道
人格 + Memory + Skill 決定它像不像你。Moxt 給的是 AGENTS.md、MEMORY.md、Skills/，三件都是你能直接讀和改的純文本
這是個乘法。任何一個因子為 0，輸出就是 0。模型再強也救不回來。
Moxt 把這幾個因素結合、實現的非常好，而且易於理解。
重要的是，回答了在組織層面應該怎麼去使用這些元素。
最後
Moxt 在 AI 藏師傅的身份書裏寫了六條信條，第三條是「AI 是賦能工具，不是替代品」。
Moxt 這個產品想做的事，說到底也是一句話：放大人的能力。
這個同頻來得很自然。我認這個產品，是因為我本來就這麼想。
"一人公司"裏的"一人"，重點落在"決策和品味不被稀釋"這幾個字上，跟"一個人硬扛"沒什麼關係。
真正稀缺的是判斷、審美、執念。這些 AI 學不來，也不該由 AI 來做。
AI 該做的，是把你從搬運 Context、切換任務、重複性看一眼這些瑣碎裏解放出來，讓那份稀缺的判斷被放大。
一個人的品味 × AI 同事的執行帶寬，才是 OPC 真正的意思。
如果你或者是你的組織跟我一樣：
每天在五件事之間切換
Context 散在七八個地方
有一堆想沉澱的寫作方法論找不到地方裝
可以來試一下 Moxt（moxt.ai），今天的內容就到這裏。
我覺得對你有幫助的話，可以幫我點個贊，或者轉發給你需要的朋友。
✦