面向 OPC 的 Agent 工作空间。
最近，端侧 AI Agent 已成为 AI 办公赛道的核心赛道，从 Openclaw 掀起的端侧智能热潮，到各类新 Agent 产品密集亮相，行业在技术迭代与产品落地的过程中，也呈现出一种割裂状态：一方面大模型的通用能力持续提升，Agent 的工具调用、指令遵循能力不断优化；另一方面，全球超 10 亿规模的知识工作者群体中，多数人的日常办公仍未摆脱 “多窗口切换、上下文反复投喂、工作流与 AI 能力割裂” 的普遍痛点。
图片来源：floatboat 官网
最近，一款桌面客户端产品Floatboat开启了内测，它集成了文件管理器、浏览器和AI对话界面 ，主要面向OPC群体。
这款产品究竟针对 AI 办公的哪些核心问题给出了新的解决方案？其产品设计与行业主流方向有何差异？我们与 floatboat 创始人谭少卿进行了对话，还原这款产品的核心逻辑与行业思考。
一、AI办公的最大痛点，不是模型不够强
“我们测过，即使用户完全不调用floatboat的Agent功能，纯工具层面的办公效率也能提升2-5倍。”对应谭少卿这句话的，是当下AI办公赛道存在的一种情况——大多产品都在卷模型能力、卷多模态效果、卷工具调用的丰富度，但AI和用户的原生工作流，仍然是有些割裂的。
这可能是每个知识工作者的日常：写一篇深度稿件，你要先在浏览器里查行业资料、扒数据，再打开文档整理素材，接着切到GPT、Claude等的窗口里，把素材一段段粘贴进去，写prompt告诉AI要写成什么风格，等AI生成后，再复制回文档里手动修改，过程中发现缺了数据，又要重复一遍“浏览-复制-粘贴-投喂”的循环。
更不用提身兼数职的OPC创业者，写BP要同步产品设计文档、用户反馈、市场数据，写JD要同步公司愿景、产品特性、团队情况，做投放要管素材制作、账号运营、数据复盘，所有的信息散落在本地文件夹、微信聊天框、浏览器网页、各类SaaS工具里，AI根本无法触达完整的工作流，只能做单点的、碎片化的任务处理。
floatboat的解法，跳出了“对话框即Agent”的行业惯性，它没有在传统办公流程里加一个AI对话入口，而是直接打造了一套浏览器+文件管理器+AI Agent三位一体的AI原生办公环境——这也是产品最早的代号AoE的由来，既是游戏里“范围伤害”的术语，也是AI Office Environment（AI办公环境）的缩写。
这个设计的核心，是让Agent融入用户的工作流，而非让用户围着对话框转。在floatboat里，AI不是一个能主动感知你工作状态的协同者：你打开的产品设计文档、浏览的行业网站、操作的本地文件夹，都会成为AI可感知的上下文，不需要你手动上传、复制粘贴、写长长的prompt，它天然就知道你正在做什么、需要什么。
比如写融资BP时，你只需要在左侧打开产品设计文档、市场调研材料，对着AI说一句“写一版种子轮融资BP”，它就能自动读取所有上下文，生成完整的BP内容，甚至能根据需求迭代20多个版本，全程没有任何文件传输的操作；招聘写JD时，你不用再大段给AI解释公司情况，只需要说一句“帮我写一个测试岗位的招聘JD”，AI就能自动读取左侧的公司资料，生成精准匹配需求的文案，你只需要微调细节就能使用；内容创作时，你可以直接用内置浏览器浏览博主的社交媒体内容，一句话让AI把博主三天的帖子整理、转录、配音，生成一期完整的播客，全程不用切换窗口、不用下载转录工具。
图片来源：极客公园
在试用过程中，能感受到确实便利不少，在工作空间里，我可以同时开启多个文件夹并自由切换，文件浏览和查找的效率很高；也能直接将多份文档拖入对话区域，让 AI 分析它们之间的关联与逻辑。在处理网页信息时，内容可以随手拖拽保存到本地文件夹，无需复制粘贴；内置编辑器支持直接修改文档，每一处改动都会被 AI 同步感知，不需要重新上传或手动同步上下文。
完成一次任务后，比如按个人风格生成稿件，我可以将整段工作流程一键保存为 Combo Skill。系统会自动记录操作步骤、表达偏好与执行逻辑，形成可重复使用的技能模板。后续遇到相似任务时，AI 会根据当前上下文主动推荐匹配的 Skill，加载即用，不必手动查找或输入命令。
对话式产品的逻辑是“人找AI”，你必须主动把所有信息、指令喂到AI嘴里；而floatboat的逻辑是“AI跟着你的工作走”，它就在你的办公环境里，你的工作流在哪，它的能力就延伸到哪。
二、Agent行业的内卷误区：我们到底需要什么样的端侧智能？
Openclaw带火了端侧Agent的同时，这个赛道也陷入了同质化的内卷：人人都在做端侧产品，个个都在搭skill市场，仿佛谁的skill数量多、谁开放的权限高，谁就能赢得市场。但现在，全球10亿知识工作者里，真正能把端侧Agent用起来的人，依然寥寥无几。
在谭少卿看来，绝大多数产品都踩中了行业的三大核心误区，而floatboat本质上是从底层就避开了这些内卷陷阱。
误区一是，要么只服务极客，要么想讨好所有人，却不懂用户的核心需求是截然相反的。“我们可以非常粗浅地把用户分成三级：极客用户、专家用户、大众用户，每一种用户的需求，都是完全相反的。”
这是谭少卿做了十几年亿级用户产品，核心的洞察之一，也体现了当下Agent产品的普遍通病：
极客用户追求的是极致的开放性，他们需要把产品的底层能力完全暴露出来，自己写代码、改脚本、自定义所有规则，这也是Openclaw、Claude Code能吸引极客群体的核心原因。但代价是极高的使用门槛，非技术用户光是安装部署就要花一个星期，对着终端命令行手足无措，更别说真正用起来；
专家用户追求的是极致的可控性，他们需要AI“指哪打哪”，需要它发挥的时候能精准完成需求，不需要它发挥的时候绝对不能画蛇添足。专业的内容创作者、视频设计师、分析师，根本无法接受AI随意修改自己的作品，可绝大多数Agent产品，都做不到这种精准的可控；
大众用户追求的是极致的易用性与安全性，对他们来说，AI工具的核心价值是“快点把活干完，早点下班”，他们没有时间去学怎么写prompt、怎么装skill、怎么调试Agent，复杂的知识管理、流程编排，对他们来说本质上都是伪命题。
市面上的产品，要么倒向极客，做了一个只有少数人能玩明白的玩具；要么想讨好所有用户，结果做成了四不像，极客觉得不够开放，大众觉得太复杂，专家觉得不可控。
而floatboat是先锚定了OPC这个核心群体——他们是最特殊的用户，既是自己领域的专家，又要身兼数职，同时做法务、财务、运营、创作、投放，工作流极其复杂，对效率提升的需求最为强烈。在此基础上，产品实现了三层用户的兼顾：
- 底层保留了极客用户需要的开放性，支持自定义combo skills与API调用，能满足深度定制的需求；
- 交互上做到了大众用户能接受的开箱即用，零代码门槛，不用写prompt，用自然口语就能驱动AI；
- 功能上满足了专家用户需要的可控性，内置编辑器可以随时手动调整内容，避免AI乱改，实现“人机协同”的精准控制，不用再下载文件、切换软件反复修改。
谭少卿提出了一个本质的判断：“我们每个人在不同的事情上，都处于不同的用户分层。你可能是一个技术极客，但在法务这件事上，你就是个大众用户；你是一个内容创作的专家，但在数据分析这件事上，你可能就是个普通用户。一个真正有普适性的生产力工具，必须要能覆盖这三层用户的需求。”
误区二是把skill市场当核心壁垒，却忽略了它只是过渡形态。
当下的Agent行业，几乎所有玩家都在疯狂内卷skill市场，仿佛谁的skill数量多，谁就能建立下一代应用生态。但谭少卿的判断是：“绝大多数skill市场，最终都会死掉。”
他给出了两个理由：第一，第三方skill存在无法解决的安全与信任问题。普通用户根本看不懂skill的代码，无法判断它有没有安全风险，而平台只做聚合，不承担任何责任，用户用了skill之后电脑出问题、数据泄露，只能自己承担后果。就像Openclaw的开源逻辑：“我玩法都开放了，你电脑搞坏了跟我有什么关系？”但在谭少卿看来，作为一款面向大众的商业产品，这种价值观是完全行不通的。
第二，skill本质上只是一个过渡形态。“skill是什么？其实就是我们人类在把自己的knowhow蒸馏给模型，模型厂开心坏了，终于有人系统性地把各行各业的经验扔给我。”谭少卿说，“而大模型的能力在飞速提升，现在需要skill才能实现的功能，未来模型会直接内化掉，变成自己的通用能力。”
在他看来，skill只会在需要高确定性的企业场景里长期留存，对于绝大多数普通用户来说，它注定只是AI发展过程中的过渡产物。
也正因如此，floatboat没有陷入skill数量的内卷，而是打造了一套完全不同的combo skills体系。它用Markdown这种人和机器都能读懂的介质，把指令、模板、脚本、API调用全部整合在一个文件包里，用户不需要懂低代码、不需要写复杂的脚本，就能轻松自定义技能，同时技能和用户的工作流、上下文深度绑定，不是一个孤立的功能插件。更重要的是，官方出品的skill都做了严格的安全审核，给用户兜底，从根源上解决了安全焦虑。
误区三是只做工具层面的创新，却不敢打破延续了几十年的数据垄断。
从PC时代的Office软件，到互联网时代的SaaS产品，办公领域几十年的发展史，本质上是一部平台垄断用户数据的历史。
传统的Office软件，用私有协议把数据、交互、逻辑强行分离，你必须用Word才能打开doc文件，否则就是一堆乱码，平台垄断了文件的唯一解释权；后来的SaaS产品，更是把数据垄断做到了极致，你存在飞书、Notion里的文档，绝大多数都不支持完整的原生格式导出，ChatGPT的记忆功能，甚至只允许导出用户自己发送的内容，AI回复的核心信息根本无法完整导出。
用户用的工具越来越多，却从来没有真正拥有过自己的数字资产。更不用提跨产品、跨Agent的协同：你在floatboat里的工作流，没法同步到Openclaw里；你在Claude里的AI记忆，没法用到GPT里；不同平台之间，数据和上下文完全是割裂的。
这才是办公领域最底层的顽疾，也是floatboat真正想要打破的壁垒——它推出了开源的self aware协议，重新定义了AI时代的数字文件格式。谭少卿用了一个很形象的比喻：“floatboat相当于是一艘承载用户数字资产的船，船与船之间流转的，就是self aware协议的文件包，它就是新时代Agent世界里的标准化集装箱。”
这个协议从底层重构了数字文件的逻辑：
- 它把数据、交互、逻辑重新整合到一个统一的文件包里，不止包含最终的交付结果，还完整保留了整个创作、协同过程中的所有想法、决策、修改记录、用到的skill与API，把AI需要的完整上下文，全部封装在一个文件里；
- 它实现了真正的跨产品兼容，只要是支持self aware协议的Agent产品，都能打开、编辑、使用这个文件包，用户再也不用被单一平台绑定，实现了“我的数据我做主”；
- 它保障了用户的数据所有权，所有的文件包、数据、AI记忆都储存在用户本地，不存在平台蒸馏用户数据、泄露用户隐私的可能，用户带着电脑，就带走了自己所有的数字资产。
这是在尝试对整个办公行业底层规则进行重构，把生产资料的所有权，重新还给每一个个体用户。
三、OPC时代，Agent的终局是重构生产关系
“我们选的切入点，是OPC。因为我们认为，OPC代表了先进生产力。”
AI大模型的爆发，正在彻底重构社会的劳动分工。原来需要专业团队才能完成的事，现在一个人就能做到：编程、做视频、写网页、做设计，这些曾经需要专门职业的技能，现在都被AI变成了人人都能掌握的基础能力。越来越多的人选择成为OPC，用10人以内的小团队，甚至一个人，去运营一整摊生意。
但传统的办公软件，并不是为这群人设计的。中大型企业的分工明确，法务、财务、运营、创作各有专人负责，工作流是标准化、线性的；而OPC创业者，要一个人扛起所有角色，工作流是动态的、交叉的、复杂的，信息散落在各个平台、各个文件里，对上下文流转、多角色协同的需求，远比中大型企业更强烈。
“如果你的工作越复杂，上下文流转越频繁，一个人扮演的角色越多，floatboat给你的效率提升就越大。”谭少卿说，“如果你的任务是单点的，分工特别明确，那它对你的提升可能没那么大。但未来，越来越多的人会成为OPC，会需要一个人顶一个团队，这就是我们的核心用户。”
工具只是floatboat的第一步，它真正想做的，是搭建一套分布式的Agent协同网络，让个体生产力第一次具备网络效应，重构AI时代的生产关系。
传统的协同办公，本质上是“人找人”。你要把自己的文件、文档、工作记忆全部暴露给对方，才能完成协同，不仅效率低下，还有严重的隐私泄露风险。而在floatboat的分布式网络里，协同的主体变成了Agent：你和同事的电脑，可以通过Agent实现安全、高效的协同，不用暴露自己的完整数字资产，只需要共享项目区间内的上下文，双方的Agent就能提前完成多轮信息同步与内容处理，最终人只需要做核心决策。
更具想象空间的，是这个网络对个体生产力的指数级放大。你的Agent可以在你休息的时候，和网络里其他用户的Agent完成对接、协作、甚至基础的商业交易。原本你一个人只能服务四五个客户，在Agent的加持下，你能服务的上限可以拓展到上百人。
谭少卿说，“当每个个体的生产力都被AI放大10倍、100倍，再通过开放的分布式网络实现协同，整个社会的生产关系，都会发生根本性的改变。”
交流最后，他反复提到一个核心观点：产品设计决定用户需求。“你把产品叫做Agent Infra Browser，那来的用户70%都是来抓数据的；你把产品定义成面向OPC的Agent工作空间，用户才会把剪视频、做科研、写播客、做战略分析这些真实的、复杂的需求释放出来。”
