Kimi Work:AI开发的办公利器,92%代码自主生成,或带来工作范式变革!

Kimi Work Beta:跨平台GUI办公AI如何真正接管一半机械工作 AI办公助手正从概念走向实操,其核心在于能否深度融入日常操作系统与软件生态。本质是智能代理(Agent)技术在终端侧的落地,依托模型上下文协议(MCP)与GUI层协同,实现跨应用意图理解与动作执行。相比传统聊天式AI,它强调OS级集成、多平台一致性与工作流闭环,技术价值体现在降低认知摩擦、压缩重复操作耗时、提升上下文感知精度。典型应用场景覆盖技术文档处理、代码任务自动化、会议纪要结构化、跨平台开发协同等职场高频痛点。Kimi Work正是这一演进路径下的代表性实践,深度融合Mac与Windows双端GUI体 阅读详情

【Vibe Working或成新趋势】

Vibe Working有可能是接下来比Vibe Coding更火的词。就在上周,Kimi发布了新的Windows和Mac客户端,增加了Kimi Work模式。

Kimi对这款产品的定位很明确,是一款面向知识工作者的通用型本地Agent。它的主要产品特点包括:内核是Kimi Code,继承了本地Agent、Skill技能包以及Kimi Agent的建站、PPT等能力;接入了同花顺、天眼查等金融、科研、法律等领域的专业数据库;内置了可以操控浏览器的WebBridge产品方案;内置了Kimi K2.5开始推出的Agent集群。

把Kimi Work从Coding里分拆出来,明确面向知识人群,定位为通用Agent,很大一部分原因是Kimi想把Agent能力从编程泛化到更多场景。早期,编程类Agent产品的环境对于非编程类用户未必能适应,所以Kimi Work做成了用户最熟悉通用软件的样子,用户可以在Chatbot模式和新加入的Work模式中间切换。外观上,Kimi Work和Codex有点像,但从内核看,不能把它当做一款中国化的Codex。

【氛围办公新体验】

卡帕西去年提出了Vibe Coding(氛围编程)的概念,当时很火。但人人都需要做编程开发吗?不好说。目前Mac OS的使用场景排行中,67.2%的日活设备在处理文档、表格与工作沟通。

Kimi Work针对上述办公场景极其友好,用户只需用自然语言描述目标,它就会在电脑上完成拆解任务、并行执行子任务等工作。除了不能代替用户使用社交、办公IM与人沟通外,其他办公任务基本都可以用Kimi Work这个通用Agent来执行。

特别强调的是,Kimi里面内置了专业的数据源,金融类用户安装Kimi Work之后就能“开箱即用”。正是因为这样的差异,所以不能把它理解为中国版的Codex。插上各种插件、数据源的Kimi Work,不排除带来一场工作范式的变化,接下来更多人将进入Vibe Working(氛围办公)。当然,它也有可能增加工作时长。

【WebBridge和Agent集群“两只手”】

5月中旬,Kimi上线了WebBridge产品,让AI来操作浏览器,节奏略慢,但不到半个月时间,Kimi就把这个能力集成在Kimi Work新产品当中。可以说,WebBridge是Kimi Work一只非常“关键的手”。

过去,传统Agent调用网络工具存在诸多障碍,而Kimi WebBridge的方案是让Agent真正操作电脑上的浏览器。用户可以用自然语言指示它用WebBridge来操作浏览器,完成点赞、取关等任务,还可以做更有创意的任务延展。

Kimi Work的另一个超酷功能是集成了Kimi K2.5时代就有的Agent集群,类似GPU并行计算的概念,把一个人类只能串行操作的任务,变成了一个多Agent并行执行的范式。Agent集群最多可以同时调用300个Agent。

测试显示,使用长鑫招股书PDF,单Agent制作耗时在43分钟,而Agent集群耗时在21分钟左右。显然,Agent集群直接把效率拉满了。哦对了,月之暗面寻求300亿美元估值融资20多亿美元,300个Agent对应300亿美元,这意思是1个Agent估值1个亿?

【Skill是真有说法】

Kimi Work设置了一个“技能”广场,分为已安装和推荐技能两个板块。已安装里面包括了一些常见跟知识用户场景相关的Skill,经过用户和平台筛选。如果广场上的技能都满足不了要求,用户也可以直接从本地安装自己开发或者收集的Skill。

日常应用时,广场里面可以直接点击使用,更高频的应用是在对话框选择Skill,添加特定Skill会默认给一段提示词来触发技能,也可以不勾选,直接用提示词来触发Agent去调用相关Skill。

归藏PPT Skill之前线上没有,后来推荐技能里面已经预置了。不过,广场还没有做计数、分类、搜索这些能力,也没有热度排行,希望能在接下来的版本中很快迭代。另外,目前已安装的Skill里面,很多都是英文名称和描述,也期待之后能做更多的中文标记。

【92%的代码由AI生成】

这是Kimi产品历史上开发到上线最快的产品,整个过程只用了一个星期。更重要的是,它是一款AI开发的产品,开发过程中,Kimi工程师使用Kimi Code等Coding Agent工具,一周内完成了Beta版的Mac和Windows客户端。开发过程中,累计产出超过5万行有效代码,其中92%由AI自主生成。

用一套Agent产品,打造了另一个Agent产品,相当于“AI再造AI”概念具象化了。关键在于,背后的K2.6模型对长程任务、Agent集群等能力项的支持。

之前用过的Agent产品功能不太稳定,而Kimi Work给的答案是第一方模型公司,Kimi 2.5、K2.6的长程任务、Agent集群、丰富且经过验证的技能以及预装的专业数据库,都出现在了Kimi Work里。

最后谈谈安全话题,Kimi Work在这个问题上,解法是将任务固定在指定的文件夹当中。这就像一个围栏,Agent所操作的一切都限制在这个围栏里。任务的执行过程中,用户可以选择让Agent请求权限,也可以给予它全部权限。也是因为这个原因,Kimi Work算是第一个安装在日常办公设备上的第三方通用Agent产品。那么,如果AI Agent不再只是“助手”,而是一个可以自主拆解任务、并行工作的“团队”,工作方式会变成什么样呢?

2026年AI办公工具选型指南:WorkBuddy、豆包工作、Kimi Work深度对比与自动化工作流实战 AI办公工具正从单点对话助手向自动化工作流平台演进,其核心原理是通过自然语言指令解析与任务编排,将重复性操作转化为可自动执行的数字流程。这类工具的技术价值在于显著降低人工干预成本,尤其适用于数据抓取、跨平台同步、批量文件处理等高频场景。在跨境电商运营、数据分析、行政管理等岗位中,自动化工作流能有效替代机械性劳动。当前主流方案中,WorkBuddy以自定义指令和Skill体系见长,豆包工作与Kimi Work则分别在轻量对话和长文本处理上具备优势。选型关键在于匹配自身工作流特征,从简单任务试跑逐步扩展,最终实 阅读详情

相关推荐

法律AI工具深度测评:Kimi Work与WorkBuddy如何赋能法律工作流

在人工智能技术浪潮中,AI Agent(智能体)与RAG(检索增强生成)正成为提升行业效率的关键技术。AI Agent通过模拟人类决策与执行能力,能自主完成复杂任务序列;RAG则通过结合信息检索与大型语言模型,确保生成内容的准确性与时效性。这些技术的核心价值在于将通用AI能力转化为可嵌入具体业务流程的、可靠的自动化解决方案。在法律、金融等对准确性与安全性要求极高的专业领域,其应用场景尤为突出。本文聚焦于法律行业,深入测评了基于长文本分析与联网搜索的Kimi Work,以及强调技能与工作流自动化的AI Age

weixin_33694172的博客 500

不用写代码!Kimi Work 桌面 Agent 保姆级入门:8 大办公场景让 AI 自动帮你干活

《国产桌面智能体KimiWork实操指南:零代码解放重复劳动》 文章摘要: 本文详细介绍了国产桌面智能体KimiWork的安装使用方法和8大高频办公场景应用。该工具无需编程基础,通过自然语言指令即可实现本地文件批量处理、浏览器自动化操作、Excel数据处理等重复性工作自动化。核心优势包括零代码操作、本土化适配和数据隐私保护。文章提供了从权限配置到具体场景(如文档信息提取、跨网站数据采集、定时任务等)的完整操作指引,并给出可直接复用的指令模板。特别强调复杂任务拆分、敏感数据权限管理等使用技巧,帮助职场人快速上

爱人爱己,风生水起 1621

AI办公工具选型指南:豆包工作、WorkBuddy、Kimi Work深度对比与实操

AI办公工具的核心价值在于自动化重复性任务和提升信息处理效率。通过自定义指令和工作流引擎,用户可以将跨平台数据抓取、文档解析、内容生成等环节交由AI执行,从而降低人工成本。这类工具广泛应用于跨境电商订单处理、研究报告整理、团队协作等场景。豆包工作、WorkBuddy、Kimi Work各有侧重:豆包工作擅长信息处理与创作辅助,WorkBuddy以流程自动化和自定义指令见长,Kimi Work则专精于长文本处理与知识管理。本文基于实际使用经验,拆解三款工具的核心能力、安装配置、自定义指令编写及常见问题排查,帮

weixin_33708633的博客 351

对比 4 款 国产AI 工作台,WorkBuddy 、QoderWork 、Kimi Work 、TRAE 怎么选

WorkBuddy、QoderWork、Kimi Work、TRAE Work 怎么选?本文不比模型跑分,只比较目标、规划、执行、交付与验收闭环,并用 5 张架构图和一套 100 分任务验收表给出一人公司的选型方法。

上市互联网CTO用AI原生构建产品,分享AI重构产研效率实践,探索AI新时代下的技术架构演变趋势 4569

法律AI工具对比:Kimi Work与WorkBuddy如何提升律师工作效率

人工智能技术正深刻改变法律行业的工作模式,其核心原理在于通过自然语言处理和机器学习模型,实现对海量法律文本的智能解析与生成。这项技术的价值在于能够大幅提升法律文档处理、案例研究和文书起草的效率,将律师从重复性劳动中解放出来。在实际应用场景中,AI工具可辅助完成合同审查、法律检索、案情分析等专业任务。本文聚焦于两款代表性工具——Kimi Work和WorkBuddy,它们分别代表了通用长文本处理与垂直法律场景应用的不同技术路径。其中,Kimi Work凭借其超长上下文处理能力,擅长处理复杂的并购协议等单一大型

weixin_33743880的博客 482

2026年AI办公工具选型指南:豆包工作、WorkBuddy、Kimi Work深度对比与实操避坑

AI办公工具正从对话助手向自动化工作流平台演进,核心在于通过自定义指令与插件系统实现跨应用数据抓取与任务编排。其技术价值在于将重复性操作自动化,显著提升运营与数据处理效率。典型应用场景包括跨境电商订单汇总、知识库联动及长文档分析。面对豆包工作、WorkBuddy、Kimi Work等主流工具,选型需综合考量自动化能力、系统兼容性与学习成本。本文基于真实使用经验,拆解各工具定位与实操要点,助你避开安装配置中的常见陷阱,找到最适合自身工作流的AI提效方案。

weixin_29047545的博客 473

办公AI助手选型指南:TRAE Work与Kimi Work多维度深度对比

摘要: TRAE Work与Kimi Work作为两款主流AI办公工具,定位与功能差异显著。TRAE Work以多模式工作空间为核心,支持Work/Code/Design模式切换,适合混合任务(如数据分析、PPT制作)和项目制管理,强调可视化协作与多端同步。而Kimi Work专注长文本处理与深度检索,擅长百万字级文献总结、全网调研及对话式创作。 选型建议: 需跨格式协作、结构化任务管理选TRAE Work; 侧重海量文本研读或信息调研选Kimi Work。两者可互补,根据场景搭配使用以提升效率。

2600_96647686的博客 258

法律AI工具横评:Kimi Work与WorkBuddy,谁更适合法律人?

在人工智能技术日益普及的今天,自然语言处理(NLP)和大语言模型(LLM)正深刻改变着专业领域的工作范式。其核心原理在于通过海量数据训练,使模型能够理解、生成和推理人类语言。这一技术价值在于将从业者从繁琐、重复的信息处理工作中解放出来,极大提升工作效率与知识获取的便捷性。在法律、金融、咨询等对文本处理要求极高的行业,AI助手已展现出在文档分析、信息检索和内容生成方面的巨大潜力。具体到法律应用场景,AI工具能够辅助完成合同审查、法律检索和文书起草等核心任务,成为专业人士的得力助手。本文聚焦于近期备受关注的两款

weixin_30279671的博客 571

Kimi Work发布:92%代码AI生成,从Coding到Working开启AI办公新范式!

开发中,Kimi工程师用Kimi Code等工具,累计产出超5万行有效代码,92%由AI自主生成,实现“AI再造AI”。在安全方面,Kimi Work将任务固定在指定文件夹,用户可选择让Agent请求权限或给予全部权限,它是第一个安装在日常办公设备上的第三方通用Agent产品。Kimi Work还集成了Kimi K2.5时代的Agent集群,将任务拆分给不同Agent并行执行,最多可调用300个Agent。测试显示,使用长鑫招股书PDF,Agent集群制作PPT耗时比单Agent快,效率显著提升。

IT界那些事儿 141

AI工作台深度实测:WorkBuddy、Qoder、Kimi Work、TRAE如何选?

AI编程工具正从建议型助手进化为能独立执行任务的AI工作台。其核心原理在于将对话式上下文管理升级为任务闭环:AI自主读写文件、执行命令、验证结果并修复问题。这种形态突破了传统IDE的辅助边界,显著提升从代码生成到项目交付的工程效率。在具体应用中,不同产品分化出鲜明路径——WorkBuddy以双脑模式嵌入现有IDE,Qoder作为独立代理跑通小任务,Kimi Work聚焦办公自动化,TRAE则通过Builder模式和MCP生态构建AI原生IDE。选择的关键并非对比参数,而是匹配自身工作流。本文基于四款产品的实

weixin_29051245的博客 258

5 分钟上手 Kimi Work:安装、配置、跑通第一个任务

这篇文章提供了Kimi Work的快速入门指南,帮助用户在5分钟内完成从安装到运行第一个任务的全过程。主要内容包括: 安装步骤: macOS用户下载.dmg文件并拖入Applications Windows用户下载.exe安装包,需注意中文路径问题 初始设置: 使用现有Kimi账号登录 检查任务配额和文件访问权限 首个任务推荐: 建议从简单的本地文件整理开始(如按类型分类桌面文件) 详细说明了任务执行流程和审批机制 常见问题: 计划生成卡顿的解决方法 文件无变化的排查步骤 进阶建议: 提供难度递增的后续任务

sg_knight的专栏 2809

TRAE Work 与 Kimi Work 深度对比:如何按岗位与任务选择合适的办公 AI 助手?

综上所述,两款产品都能覆盖 PPT、调研、内容生成、数据分析和开发等任务。TRAE Work 更值得在办公、内容、数据与偶发工程任务交织的场景中优先验证,重点观察 Work/Code/Design 模式、统一 Workspace、多格式文件、多端协同与多任务并行能否减少切换和重复管理;Kimi Work 则可从多模型协同、长上下文和探索式检索角度进行评估。个人和团队都可以使用两者,选择依据应是工作流和任务特点而非用户规模。

Ashu0907的博客 129

Kimi Work 来了:月之暗面发布桌面 Agent,知识工作者的“Vibe Working“时代开启

AI行业迈入"实干"时代:月之暗面发布桌面级AI助手Kimi Work 2026年6月,国内AI公司月之暗面推出桌面端AI助手Kimi Work,标志AI应用从对话转向执行阶段。该产品具备三大核心能力:支持300个子Agent并行处理复杂任务,直接操作用户现有浏览器及本地文件系统,内置金融/法律/科研等专业技能库。与同类产品Claude Cowork相比,Kimi Work在中文场景支持、多任务并发方面更具优势,但处于Beta阶段存在稳定性问题,且暂不支持Linux系统。 典型应用场景显示,原本需要团队数周

sg_knight的专栏 998

从 Kimi Work 迁移办公工作流:哪些任务可以直接切换,哪些仍需保留

寻找 Kimi Work 的替代方案,通常不是因为 Kimi Work 本身出了严重问题,而是工作流中出现了它尚未覆盖的环节。Kimi Work 作为月之暗面 2026 年 6 月推出的桌面端通用型本地 Agent,在长文档处理和本地文件操作上有明确优势,但当任务从"读完一份超长报告"扩展到"搜集资料—生成文档—处理数据—交付协作"的完整链路时,部分用户开始评估是否需要补充或切换工具。本文梳理常见的替代动机,明确 Kimi Work 当前仍可胜任的环节,并给出候选工具的验证路径。截至 2026 年 8 月

2603_96554504的博客 250

C/C++ 计算程序运行的时间

C/C++计算程序执行时间的方法,精度依次增加,推荐度也依次增加 1.#include <time.h> clock_t start, finish; double process_interval ; start=clock(); process(); //要计时的程序 finish=clock(); process_interval =(double)(finish-star...

stu_shanghui的博客 1021

别再翻手册了!用Materials Studio的Forcite模块,5步搞定复杂溶剂的溶解度参数计算

本文详细介绍了如何使用Materials Studio的Forcite模块,通过5个步骤快速计算复杂溶剂的溶解度参数。从分子建模、结构优化到分子动力学采样,再到最终的内聚能密度计算,该方法大幅提升了石油化工和高分子材料研发中的效率,避免了传统手册查阅和实验的繁琐过程。

weixin_28707739的博客 281

TRAE Work 与 Kimi Work 深度选型指南:场景、工作流与任务边界选择建议

随着 2026 年桌面级 AI Agent 的快速发展,AI 助手已从简单的「对话框」演变为深度融入日常工作的「提效工作台」。在当前的国内市场中,与是两款备受瞩目的重磅产品。它们都致力于解放知识工作者的双手,但在产品组织逻辑、技术侧重点及混合工作流的适配度上存在着明显的差异。很多用户在面对这两款产品时会产生疑问:到底哪一个更适合我的日常工作?本文将摒弃“谁是第一”的绝对化评判,从场景、任务复杂度及协作生态等维度,为您提供客观、详实的选型建议。

2603_96733248的博客 340

【AI智能体】Codex 浏览器操作自动化任务实战操作详解

【AI智能体】Codex 浏览器操作自动化任务实战操作详解

congge 4246

从 Kimi Work 迁移:不同办公场景下的替代工具选择路径

越来越多知识工作者开始关注 Kimi Work 的替代方案。这并不意味着 Kimi Work 本身出了问题——它在长文本处理和大规模资料分析方面确实有明确优势。但当工作场景从单一文档阅读扩展到文件处理、内容生成、数据分析与协作交付的组合需求时,部分用户开始寻找更贴合自身工作流的工具。本文梳理常见的替代动机、候选工具的能力边界,以及在不同条件下如何做出选择。

2601_95954508的博客 258

Agentic AI为教育行业赋能,提示工程架构师解析应用潜力

然而,即便是最先进的 LLMs,在面对复杂、动态、需要持续规划和调整的教育场景时,也常常显得力不从心,它们更像是强大的“问答机器”,而非真正意义上的“学习伙伴”或“教学助手”。在教育场景中,传统的 AI 工具可能只能回答学生提出的特定问题,或者根据预设的规则推送一些学习材料。无论您是教育技术领域的开发者、产品经理,还是一线的教育工作者、教育管理者,抑或是对 AI 教育应用充满好奇的研究者,本文都将为您提供宝贵的 insights,助您把握 Agentic AI 时代教育创新的脉搏。

架构师的AI之路,分享AI应用开发架构的学习与实践。 467

【Bug已解决】Codex CLI 运行时出现 command not found: codex 解决方案

方案适用场景推荐指数修复 PATH 配置最常见的基础排查方向⭐⭐⭐⭐⭐检查原生二进制完整性PATH 正常但执行仍然异常⭐⭐⭐⭐统一包管理器混用多种包管理器导致混乱⭐⭐⭐⭐确认安装脚本未被跳过CI/CD 或企业策略环境⭐⭐⭐⭐排查网络下载渠道企业内网/受限网络环境⭐⭐⭐需要留意 warning 中是否涉及脚本执行失败、网络超时重试等信息,这类 warning 往往是后续问题的前兆,建议出现明显的下载/网络相关警告时就主动重新安装一次确认。Codex CLI 报。

一键难忘的博客 1万+

【AI速览】2026 横向硬核对比:WorkBuddy、Kimi Work、豆包工作、千问办公,国内工作型 Agent 怎么选

2026 年工作 Agent 赛道,已经从比拼模型推理能力,转向执行可靠性、生态打通、权限安全、成本可控。单纯的对话大模型正在被 Agent 替代,但现阶段所有产品都还属于半自动化,重大业务结果依然需要人工复核。后续落地时,建议先用个人版跑通 1-2 条核心工作流,评估幻觉、耗时、额度消耗,再大规模采购企业坐席。

十年老程序猿,AI 疯狂研究专家,前沿硬核知识分享 1928

Ubuntu24/Ubuntu22上安装Nvidia显卡驱动最新方案-可解决大多数nvidia-smi不识别和驱动无法加载问题

其实在19年的时候我就写过一篇文章用来安装nvidia显卡驱动的文章,只不过那个时候ubuntu还停留在ubuntu10,时间如梭,一眨眼ubuntu已经升级到ubuntu24了,我写这篇文章是为了给更多的人提供一些在配置nvidia显卡驱动过程中遇到的一些无法用AI,gpt类工具解决的问题。在Ubuntu 24上安装NVIDIA显卡驱动是一项重要的任务,因为它可以提高图形性能并确保系统正常工作。在这篇文章中,我们将介绍如何在Ubuntu 24上安装NVIDIA显卡驱动。

yolo模型训练找我,AI游戏合作找我 3313

TRAE Work 与 Kimi Work 深度对比:日常办公与复杂任务场景下如何选择?

任务承接的连续性:能否在一个界面内完成从“搜集资料、生成文档、处理数据”到“修改和输出”的完整闭环,减少频繁切换软件的成本。多格式与多任务处理能力:是否支持复杂文件格式(如 PPTX、CSV、JSON、代码脚本等)的解析、生成与交互。特定领域的深度优势:在长文本处理、信息检索或特定工作流中是否有不可替代的表现。

Ashu0907的博客 247

Unity3D 加密 Assembly-CSharp.dll (Android平台) 防止反编译

0、加密的原理 Unity3D 是基于 Mono的,我们平时写的 C# 脚本都被编译到了 Assembly-CSharp.dll ,然后 再由 Mono 来加载、解析、然后执行。 Mono 加载 Assembly-CSharp.dll 的时候就是读取文件到内存中,和平时读取一个 游戏资源 文件没什么区别。 为了防止别人破解,我们会对游戏资源加密,简单点的 比如修改文件的一个字节 或者 位移一下

Circle 8726

DICOM图像知识:深入详解DICOM的层级关系

解析DICOM的四个主要层级:Patient(患者)、Study(检查)、Series(序列)和SOP(服务-对象对),探讨它们之间的关系、各自的唯一标识符以及在实际应用中的用途

编程技术探索者,分享C/C++、C#、Java、数据库等开发经验,聚焦实战技巧与AI兴趣,助力编程爱好者成长。 3305
上一篇: 宇树、云深处冲刺科创板,手机厂商入局,机器人行业竞争提前到来?
下一篇: 具身智能迎“超级融资周期”,中国具身智能有望复刻“电车奇迹”,商业化落地提速
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值