从 Chat 到桌面 Agent：我在一台旧 Windows 上，看见了办公的未来

曾经很长一段时间里，一些桌面端的 AI 产品都会先发 Mac 版本，这更像是 macOS 生态里的一种“优先”特权。原因并不复杂：Mac 上的开发者多、喜欢尝鲜，好奇心也大、效率工具也多，Mac 用户的付费习惯也更成熟，所以不少桌面产品更愿意先从 Mac 开始，比如之前介绍过的 AI 浏览器、AI IDE 等。

但是到办公领域就不一样，更多公司、更多岗位、更多流程，依然扎营在 Windows 的地盘上。文件夹里堆着长达十年的项目资料，项目目录像迷宫，表格、PPT、各种截图、合同、会议纪要混在一起——这才是主流的“真实工作现场”。

可能正因为如此，由国内 AI 公司昆仑天工研发、面向 AI 办公的桌面 Agent 产品 Skywork，选择了率先 Windows 版本。这款桌面版助手之前我就听说过，为了体验它是不是真的给力，我特意找来一台久违的 Windows 电脑。

用完之后的感受是：我居然开始羡慕 Windows 用户了。

1

Skywork 桌面版的定位是直接“住进”用户电脑环境里的 Agent，围绕项目、文件夹、文档来协作，帮助用户读取和理解图片、视频、表格、PPT、各类文档，把这些东西放到同一个语义层里去处理，比如整理、归类、汇总、生成新内容等等。

这么一说，很容易让我们想起前阵子 Anthropic 发布 Claude Cowork，虽然是同类型产品，不过 Skywork 的重点放在了 “Windows 原生 + 多模型和智能路由（包括 Gemini）”上。

我之前回顾 2025 年大模型发展的时候写过，去年是 Agent 爆发的元年，其中最火的就是 Coding Agent，其他的包括设计、图形图像、医疗健康、企业办公等领域的 Agent 产品。对比这些产品我们会发现，除了 Coding Agent，其他领域要处理的一个文件，都需要你上传到云端，那我电脑里有几百几千个文件需要管理怎么办？

本地 Agent 应运而生。之前豆包手机尝试的是移动端的安卓 Agent 产品，Skywork 则是面向 Windows 办公用户的桌面端 Agent。

桌面 Agent 能不能成立？我觉得最重要的前提有两个，一是能不能把电脑上的工作世界接管过来，高效和智能的处理工作任务，第二是安全和隐私。

Skywork 是怎么解决这两个问题的呢？

在传统的 AI 工作流程中，上下文是一个瓶颈。你需要找到文件、上传文件并解释背景。Skywork 入驻 Windows，可以直接处理本地历史文件和复杂的项目场景。所谓“复杂”，往往不是任务难，而是上下文琐碎、路径深、格式复杂、时间跨度长。这些任务网页 Agent 是不可能胜任的。

1）多模型 + 智能路由，尤其是 Skywork 同时支持 Claude 和 Gemini。

相比只支持 Claude 模型的 Claude Cowork，Skywork 桌面版在多模型这件事上走得更远。它一方面把擅长全模态理解与生成的 Gemini 接进来，另一方面同时开放 Claude Opus 4.5、Claude Sonnet 4.5 和 Gemini 3 Pro 这几款主力模型供选择。你既可以根据任务手动切换模型，也可以直接打开 “auto” 模式，把决策权交给系统，让它按任务类型智能路由，自动选出当前最合适的那个。

这里的产品哲学是：用户不需要理解“谁更聪明”，只需要拿到“更好的结果”就可以。当“模型差异”被整合成任务的完成质量，工具就会真正变成生产力。

2）安全和隐私。可控、可靠是桌面 Agent 的底线。

桌面端为什么比云端更适合干脏活累活？答案往往不是“算力”，而是“边界”。

云端 Agent 有两个问题很难解决，一是本地海量文件的处理，二是涉密文件不上云。桌面 Agent 没有这些限制，但是，桌面 Agent 要进入项目文件夹，要读合同、财务报表、内部方案，就必须把“可控性”写进骨子里。

Skywork 实现了操作在本地虚拟机隔离环境中完成，无需上传文件到云端，既降低了数据泄露风险，又通过虚拟化隔离保障原始文件的安全，避免误删、损坏等问题。

它还强调基于本地文档生成内容，减少联网搜索或盲目推理导致的错误输出；在执行任务前会向用户确认操作清单；采用“本地推理 + 权限隔离”架构，让核心文件在本地处理、不上传云端，保护数据隐私。

有了安全和可控性，桌面 Agent 才能是“可托付的协作伙伴”。当 AI 开始“动手”的时候，我们更关心它能不能稳定安全的完成任务。

2

如何理解和用好桌面 Agent 呢？我们最好先忘掉对话框。

Skywork 可以直接读取电脑上的海量文件，进行汇总、整理，并基于内容生成新产物；它的核心是“内容理解”，无关“文件格式”。

以前使用很多 AI 工具，我们需要把材料喂给 AI，AI 给你一个答案或成果。桌面 Agent 要做的是，先把现场看一遍，再决定从哪里下手。当图片、视频、表格、PPT、各种文档都能在统一语义层下被理解、归类、执行任务时，这时候的“桌面”就不只是一个 UI，而是一个巨大的上下文容器。

更关键的是，桌面版可以直接在本地执行任务，无需上传文件到云端，节省了等待时间，同时还能支持多任务并行。

这是 AI 时代的一次范式变革，让你的工作现场同时变成 AI 的现场：不用上传文件，不担心数据隐私，不需要整理好材料，流程不用动，目录结构也别整理……因为 Agent 可以直接从混乱开始工作。

3

用了一圈下来，我发现了 Skywork 比较亮眼的几个核心功能：

第一是全类型文件智能管理。

无论是图片、视频、表格、PPT 还是各类文档文件，都能被统一理解与归类；并且在本地执行，支持多任务并行。如果你经历过“资料散落在十个文件夹、三十种命名风格、五个版本的最终版”的项目，就会明白，这种能力不是锦上添花，而是救命。

第二是精选 Skills（100+）的调用方式。

在“浩如烟海、鱼龙混杂的 Claude Skills” 里，Skywork 桌面版挑选和内置了 100 多个精选 Skills，覆盖 Office 三件套生成、网页生成、图片生成、视频生成等场景。系统一边会根据当前任务自动筛选并推荐合适的 Skill，另一边也保留了手动选择的余地，让习惯“自己来”的人随时接管。

第三是高质量图像/视频生成。

基于 Skywork 的多模态能力能生成高质量图像和视频，可以用来做 PPT、宣传物料、可视化报告，甚至完整的多媒体内容。

这一点也很关键。只有图片、信息图、短视频能作为一种严肃的“表达方式”进入企业汇报和传播路径上，才能体现桌面 Agent 的内容能力。

第四是速度与体验。

借助 Gemini 模型和自动模式，Skywork 处理任务的速度非常快，在图像和视频输出上也更讲究质量和语义匹配。这里的“快”不是体验上好像快了一点点，而是直接决定了它会不会被用户反复使用。所有称得上生产力工具的东西，都必须把“先试一下”的成本压到足够低，低到不需要犹豫就会点开用它。

4

产品好不好用，用了才知道。

我设置的第一个任务是整理文件。把 Mac 的下载文件夹里 600 多个文件一共 8G，放到 Windows 电脑里，类型混杂、文件名混乱，都是我以前随手丢进去的陈年老文件，给 Skywork AI 的任务是：帮我按照文件类型和内容，整理一下，分门别类放好。

Skywork AI 就开始干活了：

几分钟之后任务就完成了，还给了我一份报告：

整理前是这样的：

任务结束之后是这样的：

第二个任务是，读取一堆杂乱素材，有 word、pdf、ppt，整理后直接生成一个结构清晰的 word 文档。

我选择了某次参加大厂会议的资料，给 Skywork AI 的任务是：

读取所有文件，提炼关键会议信息和演讲内容，做一份结构清晰的 work 文档，配图。标注引用来源来自哪些文件。做好的 word 文档保存到当前目录下。

AI 又开始干活了：

我的目录结构是这样的：

进行中……任务完成。

我得到了一份图文并茂的文档：

这一步其实最“像人”：不只是把东西拼凑起来，而是做了一份结构清晰、可以拿来汇报的文件，并且给出了引用来源。做过严肃汇报的人都知道，可信度来自溯源，溯源来自结构。

第三个任务是根据我之前的一份关于写作的演讲稿，一键生成可预览的本地网页。

给 Skywork AI 的任务是：读取“写作，改变生活（写作课）.pdf”，根据文件内容，生成一个本地预览的网页。这次我设计了一个这样的提示词：

将文件里的内容整理成一个可本地预览的单页网页，整体按“封面 → 目录 → 时间线 → 关键观点 → 结尾行动”

要求视觉效果优先：中文排版高级、字体好看、留白与层级清晰，页面动效适度。

Skywork AI 又开始干活了……

最终的完成结果是这样的：

三个任务做完，我基本上确信，桌面 Agent 真的可以入驻我们的工作空间了。

5

我想，桌面 Agent 会成为下一代桌面端产品的入口。

很多人谈 AI Agent，会把重点放在“能不能调用工具，长任务会不会卡”等等，但现在看起来，这些都是基本操作。从赛道演进来看，真正的变化是入口形态：从 Chat，到 Workflow，到桌面 Agent。

Chat 解决的是“问答”；Workflow 解决的是“流程”；桌面 Agent 解决的则是“上下文边界”。正如我开头所写，当桌面端 Agent 能进入真实工作环境，理解整个项目文件夹的上下文，整个桌面就成了 AI 工作的容器。

桌面 Agent 第一次把上下文从“提示语、网页和上传文件”扩展到工作场景里。一旦上下文边界扩大了，Agent 就能覆盖那些零散、复杂、低频但极其耗时的长尾任务——我以为，桌面 Agent 就是“长尾问题的终结者”。

桌面 Agent 能成为下一代入口，不是靠一次产品尝试或突破，而是大模型的技术演进开始更加贴近生产力发生的地方——桌面操作系统。在文件夹里，在项目现场里。

当 AI 能读懂你的文件夹，办公才算进入下一代场景。真正的生产力革命，往往不是模型的聊天能力，而是工具的生产力化。

桌面 Agent 的价值，在于把“零散、复杂、长尾的小事”规模化解决：整理桌面、阅读资料、分析数据、做汇报、生成海报、搭页面……这些事单独看都不高级，但加起来会吞噬人们大量的注意力。

当一个工具能读懂文件夹，能在执行前把操作清单摆出来，把敏感文件留在本地、准确地交付结果，办公才真正从“用 AI 辅助”走向“让 AI 上岗”。

这篇产品体验有一个戏剧性的反差：作为一个 Mac 老用户，第一次羡慕 Windows 用户，并不是因为 Windows 系统变得更优雅，而是因为一个 Windows 版本的 Agent。在 Windows 的工作世界里，终于有人愿意下场，把“真实的脏活累活”搞定了。

同时期待一下 Skywork 的 Mac 版本早日发布：）