我再次深刻理解了 Context 的价值。

最近一个月，我们团队在深度使用一个 AI Native 的 Agent 产品，叫 Moxt。我已经把公司的招聘工作全部搬到上面了，今天会详细分享一下实操流程。

Moxt 是 More Context 的缩写。从名字就能看出来，他们极其看重 Context 这件事。

恰好上周我看了 Claude Code 产品经理 Cat Wu 的一个访谈，里面有句话特别戳我。她说，模型能力当然重要，但今天真正决定 AI 输出质量的，是它能看到多少真实的上下文。
Cat Wu 举了她自己用 Claude 做 PPT 的例子。一个大会演讲的 PPT，她从不会上来就丢一句提示词让 AI 跑结果，那样出来的东西大概率不能用。

她做的第一件事，是把公司的设计模板、Google Drive 里的相关资料、Slack 的沟通记录，先发给 Claude。

这其实是个很朴素的道理。

可惜除了 Coding，其他场景的 Context 问题都没有特别好的解法。

拿我们公司来说，绝大多数信息其实都沉在飞书和 Notion 里。即便他们已经开放了完整的 CLI，Codex、OpenClaw、Claude Code 这些新一代 Agent 也很难高效地把这些信息拿到手。

那我们到底要怎么把自己的 Context 喂给 AI？

这就是 Moxt 想解决的问题。用了一个月，我的体感是，它把 AI Workspace 这件事做到了一个我之前没见过的程度。

我甚至有个不太成熟的推断：照这个方向走下去，也许我们根本不再需要之前那些文档类的产品了。

因为之前的文档类产品，不管再加多少 AI 功能，骨子里仍然是一个以人为中心的文档产品。可现在的情况是，AI 会越来越多的参与到文档的创建和获取过程中。所以，我们需要的是一个 AI 原生的协作空间。http://t.cn/AXxkkR44