作者｜西西弗柿

编辑｜无心插柳柳橙汁

最近 OpenAI 发了一个很有意思的数据。

Codex 增长最快的用户群体不是程序员，而是不写代码的知识工作者。

金融分析师、咨询顾问、产品经理，这些从来不写代码的人，正在成为 AI Agent 最活跃的用户群。

这个数据背后指向一件事，AI Agent 的浪潮已经不只是在技术圈里卷了，它正在涌入每一个普通打工人的工位。

这让我想问大家一个扎心的问题，你平时用 AI，是怎么用的？

我猜大多数人，方式大概是这样的，有问题去问豆包，让它解释一个概念。用 DeepSeek 润色一段文案、统计数据、写个邮件开头。有时候也会让 AI 帮你搜点资料，整理一下信息。

真的提效了吗？当然有。

但仔细想想，这套用法有一个共同点，就是你把 AI 当成了一个更聪明的搜索引擎和一个更快的文案助手。你问一个问题，它给你一段回答。你让它润色，它帮你改几句话。

整个过程的核心动作是，聊天。

你获取了信息，辅助了思考，效率确实提升了，但交付这件事，还是你自己干的。你把 AI 的回答复制粘贴回你的文档，自己排版、自己调整、自己发给老板。

我身边 60% 的同事、朋友，目前对 AI 的使用基本停留在这个阶段。

但是显然，这种 " 单点式 " 的对话，还没有真正触及 AI Agent 的时代红利。

从 Codex 目前的势头来看，接下来半年，职场可能会出现一次新的分化，拉开差距的不是学历和岗位，是一个人指挥 AI 的能力。

青铜的搜索框

王者的项目组

当前职场人使用 AI 的方式可以分为三个段位，青铜、白银、王者。段位越往上，你和 AI 的协作深度越深，产出的效率差距也越大。

青铜段位，把 AI 当聊天工具，你有问题了去找 AI，本质上是把 AI 当成了一个更聪明的搜索引擎和更快的文案助手。

你获取了信息，打开了思路，但交付这件事，还是你自己干的。

白银段位，把 AI 当交付工具。

如果你最近留意职场圈的 AI 讨论，会发现有一群人已经切换了姿势。他们不跟 AI 聊天了。他们的用法是，打开一个专门的 Agent 工具，把一个完整的工作目标丢进去，然后等交付物。

什么意思？

比如你要做一份数据 PPT，以前是自己打开模板一页页调，现在用 PPT Agent 类的产品，给一个主题，它帮你搭框架、填内容、出设计。比如你要写一份商业方案，给 Agent 背景资料，它帮你输出一份结构完整的 Word 方案。

白银段位的核心变化是，AI 不再只是帮你想，而是帮你干完。交付物不再是复制粘贴回来的文本片段，而是 PPT、Excel、Word 这些可以直接用的东西。

这类垂类 Agent 产品在 2025 年下半年集中爆发，覆盖了 PPT 制作、数据分析、文档写作、代码生成等具体场景，每一类都瞄准了一个具体的脏活。

但白银段位有一个局限，你用的是专用的单点工具，做 PPT 的开一个，做数据的开一个，写文档的开一个。每个工具各自为战，你的任务之间没有串联，每一步都需要重新交代一遍背景。

王者段位，把 AI 当下属团队用。

第三类人，已经不满足于把一个活交给 AI 干了，他们试图让 AI 像一支团队一样分工协作。这是目前职场 AI 使用的最高段位。

在这个段位，你面对的不是一个单点 Agent，而是一个能调度多个子 Agent 的指挥系统，比如 OpenAI 的 Codex，能帮非程序员用户管理复杂的编码任务链；比如 Anthropic 旗下的 Cowork，主打多人协作场景下的 AI 协同。

这个方向，国内的 AI 公司也有类似的动作。上周，Kimi 上线了 Kimi Work Beta 版，它不是一个新的聊天窗口，而是一个面向知识工作者的桌面端 Agent，能调度最多 300 个子 Agent 并行执行任务，能碰数据、操作浏览器、处理本地文件。

这些桌面 Agent 产品仍在持续迭代中，但它们展示出的能力边界，已经足够让人重新思考一个问题：

一类人还在跟 AI 聊天。另一类人已经开始指挥一群 AI 员工干活了。

同样一份竞品调研，王哥用豆包搜索了 20 个网页、手动整理了一天；李姐在桌面 Agent 里输入了一行指令，二十分钟后拿到了一份完整报告。

这就是 AI 时代的职场折叠。

高阶玩家

率先把杂活交给 Agent

那么目前市面上真正能做到 AI 团队的产品长什么样？我们来拆解最有代表性的。

先说 Anthropic 的 Cowork。

今年 1 月，Anthropic 推出了 Cowork，简单说，就是把面向开发者的 Claude Code 能力，包装成一个所有人都能用的桌面工具。你给它一个目标，它自动拆解步骤、执行、反馈，不用你盯着每一个环节。

而且，TA 能跑定时任务，定期轮询部署状态、看护 PR、检查构建、抓取数据，全程自动跑，有问题才通知你。

国内的 Kimi Work，走的则是更加本土化的方向。

一个是大规模任务。300 个子 Agent 并行调度，意味着打工人可以把更加复杂的任务外包给它，最直接的价值就是用更低的时间成本拿到更多可交付的结果。

另一个是专业数据源。天眼查、同花顺、Yahoo Finance、World Bank…… 这些是投研分析、竞品调研等研究工作中绕不开的数据，如果 Agent 能直接接入这些数据库，就不只是 " 帮你搜索网页 "，而是能接近真实办公里需要用到的数据入口。

那么，那普通职场人，怎么才能吃到 Agent 的红利？

你不用一上来就让它替你做什么惊天动地的大项目，先试着把那些脏活、累活、最消耗人的活，交出去一部分。

比如，过去做竞品调研，要一个个打开官网，看产品介绍、找价格信息、翻客户案例、截页面，再手动整理成对比表。

现在你可以试着让 Agent 操作你的浏览器，下载资料，提取关键信息。

你给它一个竞品名单和调研维度，让它自己把资料跑一遍，最后汇总成一份 Excel 对比表。

拿到一份供应商合同草稿，丢进 Agent 让它快速过一遍，标出风险条款和不合理的地方。它会用表格呈现，每一行有条款编号、风险点描述、修改建议，再附一份修改意见。

AI 当然不能替代法务做最终判断，但它可以先把机械筛查做完，让法务把时间用在真正需要专业判断的地方。

如果你是做投研的，可以把一份文件夹拖进 Agent，里面是上半年五个大区几十份销售表，有空行、乱码、脏数据。输入一句话，让 TA 清洗合并、算总额和环比增速、找出增速最慢的城市、针对那个城市写一份 2000 字的业务复盘与改进方案。

输出结果是一份可以直接发给分公司的 2000 字深度复盘报告，结构完整，有数据分析、有问题诊断、有改进建议。

一条指令，全流程交付。

这就是 OpenAI 那个数据反映的趋势了。为什么 Codex 的非程序员用户增长最快？因为不需要写代码，不需要懂技术，你只需要描述任务，就会 Agent 被稳稳地接住。

职场分化背后

是生产方式的变化

聊到这里，我觉得比产品本身更值得关注的，是这件事背后代表的方向。

AI 从日常助手变成工作团队，这不是一句口号，是一个工作方式的升级。

每一次通用技术的普及，都会经历同一个阶段。人们先试着把新技术塞进旧流程里，发现效率提升有限，然后才有人围绕新技术重新设计整个工作流。

1880 年代电力开始普及的时候，工厂最早做的是把蒸汽机拆了、换上电动机，但产线布局还是按照蒸汽机的逻辑来设计的。蒸汽机在中间，传动轴把动力传到各个车间，电动机来了之后，还是这个布局。

效率有提升吗？有，但不多。

真正让电力改变世界的是后来，工厂重新设计了产线，每台机器旁边放一台电动机，layout 完全按照电力的逻辑来，这才有了现代工厂，这才有了大规模生产。

AI 今天处在哪个阶段？

我觉得处在把蒸汽机拆了换上电动机、但产线还是老布局这个阶段。

大多数人用 AI 的方式，是把 AI 塞进旧的办公流程里。你在 Word 里写稿，卡住了，去 AI 聊天窗口问一句，复制粘贴回来。你在 Excel 里做表，公式不会写，去问 AI，复制粘贴回来。

AI 在帮你，但你还是在旧的生产线里干活。

Codex、Cowork、Kimi Work 在做的事，是围绕 AI Agent 重新设计产线。不是你把 AI 当助手用，是 AI 把你的任务当项目管理，它自己拆任务、派给不同的 Agent、跟踪进度、汇总结果、生成交付物。

而对职场人来说，接下来真正拉开差距的，可能不是谁多问了 AI 几个问题，而是谁更早学会把任务交给 AI 推进。

我说这句话不是制造焦虑。

就像 1995 年，一个人在用算盘算账，另一个人在用 Excel，你说谁的产出效率高？

不是用算盘的那个人不努力。

是工具变了，生产方式变了，努力的回报倍数不一样了。

AI Agent 也是类似的道理，它不会让努力变得不重要，但它会改变努力的方向。