一夜之间，字节、阿里、腾讯国产 AI「御三家」不约而同加码 AI 办公（Work Agent）。AI 办公到底能干什么？AI 写周报、做 PPT、整理会议纪要这样的 case 已不算新鲜，只要材料足够完整，要求写得足够清楚，AI 通常都能给出一份像样的初稿。对很多人来说，所谓的「AI 办公」也仅限于此，但这些任务只是日常桌面办公的冰山一角。

以我自己的工作为例，作为雷科技的主笔编辑，我不只是需要策划选题、报道活动、写稿排版，还常需整理大量采访资料、活动录音、剪藏文章，以及不断积累和整理知识库。有时候还要参与报道像 CES、WAIC、ChinaJoy 这样的专题策划和复盘。

这些事情跟内容创作有关，但又不是创作本身，而且往往零散、繁琐又费时费力，很容易打乱创作节奏。

好在 AI Agent 的突飞猛进让 AI 办公有了质的不同，各家也都在发力。OpenAI 把 Chat、Work 和 Codex 进行了整合，很多国内厂商也在不断推出、加码新的 AI 办公平台。去年就在 TRAE 上推出 SOLO 模式，在 Coding 之外探索更广泛的 AI 生产力需求，今年更是推出独立的 TRAE SOLO，后改名为 TRAE Work。

大方向已经很清楚了：AI 在集体跳脱原本聊天机器人的交互和定位，甚至走出属于程序员的 Coding 圈层，而是进入大众办公室，接手电脑/手机里的资料、软件和具体任务，帮助用户完成日常工作。

这么多 AI 办公平台到底能不能进入真实工作流？关键在于能不能最终交付一个真正可用的结果，提高效率的同时，减轻我们的工作负担。

这也是我更关心的，因为我自己工作时很多时间并没有花在真正的内容创作上，而是消耗在整理信息、寻找资料、处理细节这些环节。所以这一次，我尝试把 TraeWork 放进自己的日常工作环境里，看看它究竟能帮我分担多少「不必要的」工作。

让 TRAE Work 做个人知识 Wiki，上千篇死材料活了

我最先交给 TRAE Work 的，就是自己的 Obsidian 文稿库。这个库里有我过去几年在雷科技工作时撰写的所有报道、收藏的外部文章、活动录音转写、选题笔记和其他各种材料。时间一长，文件数量越来越多，目录也越来越细。

坦白讲，过去它们基本上也就只是「材料」，关键是我很难将它们都用起来，比如想找一条几个月前看过的观点，或者回忆某个模糊的信息出自哪篇文章，依靠人脑，大部分时候都只能放弃。

正好 AI 大神 Karpathy 之前就提出过一个 LLM Wiki 系统，具体就不展开介绍，但核心理念是构建不断更新的个人专属知识系统。有 TRAE Work 在，你也不需要研究怎么应用，直接一句话：

TRAE Work 先研究了方法，再扫描本地资料。它报告一共读到了 1014 篇 Markdown，接着开始判断哪些目录属于原始材料，哪些适合变成长期知识，哪些文件应该负责约束 AI 的行为，然后根据这套方法创建了规则文件、wiki 层、系统入口、模板和一套批量补充元数据的脚本。

尽管我没提，但 TRAE Work 自己也意识到不可能直接复用 Karpathy 的 LLM Wiki，而是根据我的文章库量身打造一套 Wiki 系统。

另外，空有框架显然不够，TRAE Work 也考虑到我「无从下手」的可能，给了一些相对具体的建议——基于回流稿件和引用数量优先创建 AI 眼镜、智能体、半导体「概念页」和部分「实体页」。我也从善如流，让 TRAE Work 按照它的建议继续推进任务，从文档库中提炼首批概念页和实体页。

这种感觉和 Chatbot 进行交互截然不同，AI 聊天通常只能给我一份建议，接下来所有操作都要自己一步一步来，TRAE Work 则在我忙其他事的时候，直接处理了整个资料库。

带来的变化也很明显，当我模糊想起有人谈过「AI 眼镜不需要摄像头」，可以让 TRAE Work 借助 Wiki 系统迅速、准确地找到我之前转录的一个访谈。

不过有一个点比较遗憾，TRAE Work 准确找到了访谈转录和具体位置，但不能直接点击预览，我还是需要回到 Obsidian 或者 Finder 找来看。目前来看，TRAE Work 本身支持 Markdown 文件，但只能预览输出的「任务产物」，而不支持预览「材料」。

另一方面，我也让 TRAE Work 基于库内 AI 眼镜报道等内容，帮我找找盲点、关键知识空白，为后续了解甚至报道提供帮助。

当然，最终的结果还是要由人来判断，比如 TRAE Work 最后输出的简报中给出了 2 个 P0 级、3 个 P1 级空白，但我认为 P1 的社会接受度与隐私、健康舒适度、软件生态实际使用反而更值得重视。

我的方式未必适合大家，但 TRAE Work 显然非常适合处理那些依赖上下文的长期任务。比如我们编辑长期跟踪一个领域，销售定期整理客户进展，产品经理跟进版本迭代，都会不断积累大量「资料」，对于下一次以及更长期工作有重要价值。

一言以蔽之，AI 办公平台的一个核心就是让过去的工作继续产生价值，也让平台随着使用逐渐熟悉、沉淀一个人的工作方式。

深度参与展会报道项目，TRAE  Work 成功入职编辑部

展会报道一直是雷科技的重点之一，尤其是 CES、MWC、AWE、WAIC、IFA 这些全球性的科技大展，我们都会自费派出探展团去现场报道，这几年派出的团队成员越来越多，报道展会的投入力度越来越大，行业影响力也在持续提升。

但每次大型展会结束，编辑部都要回答几个问题：这次一共发了多少篇，哪些重要产品、品牌和方向漏掉了，过程中遇到了哪些问题，有什么解决方案。这些问题其实都很朴素，但真正做起来却麻烦地要死，需要大量的搜集、阅读、编辑，然后才能进行分析。

好在 AI 能帮忙。就拿 7 月中旬刚结束的 WAIC 2026 世界人工智能大会来讲，雷科技报道团进行了大量现场报道，我把雷科技 WAIC 2026 专题页交给 TRAE Work，让它先整理全部报道，列出时间、作者、公司、议题、稿件类型和链接。

刚开始，它只找到了 18 篇。数量不符合我的直观感觉，于是提醒一下，TRAE Work 很快也发现专题页动态加载的问题，换了策略，改用浏览器使用 Agent 获取完整的专题文章。

检查一下后，确认最终给出的「报道汇总」表格完整覆盖了专题的 38 篇文章和视频。更重要的是，TRAE Work 大大节省了我的精力，不用把时间用在这些「机械性」工作上。

在此基础上，我还让 TRAE Work 进行制作一份用于内部分享的复盘 PPT，给出总结和建议。

TRAE Work 最终生成一份 14 页的 PPT 报告演示文稿。坦率地讲，我不会说这份 PPT 已经能拿去开会分享，还是要根据我实际所看所想补充、修改，但初版报告中提到的深度稿件比例偏低、选题预判不够前瞻，以及提前建立不同分级的选题库，也确实都有一定的参考价值。

而做完 WAIC 复盘后，我想到今年 IFA 也快来了，这是全球家电企业最重视的线下展会，也是雷科技多年来的报道重点。我们每年都需要提前准备资料，并据此推进展会报道项目。我这次干脆试着就让 TRAE Work 研究下：

「今年柏林的 IFA 也快到了，你先全面研究下今年有哪些值得关注的变化，雷科技适合提前准备哪些选题。」

TRAE Work 联网搜索了 45 个网页，不到 4 分钟就交了一份《IFA 2026 前瞻研究与选题建议》，整理了三星改变参展方式、展会新增主题板块、中国品牌比例提升、欧洲绿色法规等变化，还按照不同优先级给出了 15 个建议选题。

其中一些方向也确实值得继续准备，比如 RGB-Mini LED 能不能进一步普及、AI 家电的主动智能，以及中国家电品牌的欧洲市场观察。

有了初步的研究，我又顺手让它整理下 IFA 2026 的参展商，包括展馆、展位、产品方向和关注优先级。TRAE Work 生成了一份包含 53 家重点公司的 Excel，并按照 S、A、B、C 四级进行分类。已经能从 IFA 官方目录确认的公司，表格会写明展位信息。

当然，我原本说的是「所有参展商」，IFA 官方展商目录一共有近 1900 家品牌，而 TRAE Work 最后整理的其实是 53 家重点品牌，已经围绕雷科技的报道范围继续了筛选。站在雷科技前期准备的角度，这份表格已经足够帮助我们快速了解和确定优先级，否则近 1900 家也确实看不过来。

这也让我想到，很多人对 AI 办公的第一道门槛，其实是觉得自己不会写提示词。每次打开对话框，都要先想清楚步骤、格式和验收标准，生怕少说一句，AI 就做不出想要的结果。

但实际工作中本来就没有那么清楚。很多需求只有看到第一版结果之后，才知道哪里不对、还缺什么。使用 AI 办公平台，也完全可以先告诉它大概想解决什么，让它给出一个可以继续讨论和修改的版本。我们再根据结果补充要求、纠正错误，需求本身也会在这个过程中逐渐变得清楚。

换言之，能不能看出结果哪里不对，并把问题说明白，会变得更加重要。

核心工作之外的琐碎，都能交给 TRAE Work 处理

对我来说，写稿子虽然是日常最核心的工作，但实际上还有大量琐碎的工作。而我最先想到的，就是上传、排版。坦白讲，这些工作没有难度和创造性，但就是繁琐又需要注意力。

太适合 AI 了，用上 TRAE Work 我其实就试着让它直接进行上传、排版。开始尝试并不顺利，TRAE Work 进入后台后误把一篇旧文章的编辑器缓存当成目标草稿，直到它识别到问题才换了一种方式，直接调用网站编辑器，把正文和其他信息重新写入新草稿。

第一轮其实已经基本跑通，主要的问题是正文中莫名显示行号，所以我又指出了这个问题，并提醒它一些排版细节。按照 TRAE Work 的解释，行号是因为工具返回的 cat -n 格式行号被一起写入。

不过一般也不会在意这些细节问题的原因，除非 TRAE Work 在新一轮中还不能修正，我才会重新回去看问题原因。

而解决了剩下的问题，我干脆让它做成一个「雷科技投稿」Skill（技能），把要求和成功跑通的流程转化为一个可以复用的 Skill，之后再传文章，就不用再强调要求，也不会再犯之前的问题：

「很好，接下来请你梳理下整个流程，形成一个 skill，以后可以直接用 Markdown 文档投稿到雷科技后台。」

主打一个又快又稳。关键还是要适配自己的工作（电脑）环境和工作流，包括很多其他人分享的第三方的 Skill，虽然在能力上可能很强大，但也能完全可以根据自己的需求、遇到的问题让 AI 大胆修改。

不只是 Skill，图片上传也是日常反复出现的一个麻烦，外链图片不可以直接用，编辑器里一个一个手动上传又闲麻烦。所以我也让 TRAE Code 做一个雷图床（基于雷科技的图床工具）。要求也很简单：适配 macOS，界面不用复杂，支持图片拖拽和外链转存，上传完成后生成可以直接放进稿件的 Markdown 图片链接。

TRAE Code 第一轮用了 2 分 48 秒评估方案。先进入雷科技后台研究实际的图片上传方式，再用 Python 做出第一版工具。不过第一版离好用还有不小距离——登录太麻烦，界面也很普通，菜单栏只能打开功能，不能直接拖入图片。我就一项项告诉它继续改。

中间也遇到过几次问题。比如图片拖进去没有反应，修完之后又提示失败，最后才发现图片其实已经进入上传流程，只是程序没有权限保存历史记录。登录状态也不能稳定保留，每次重启都要再来一次。对普通人来说，这些问题很难在生成代码时提前猜到，只有实际使用中才会逐渐暴露出来。

核心功能基本跑通后，我又切到 Design 模式，让 TRAE Work 按照新版 macOS 的感觉修改界面和图标。它会直接读取 Code 模式下的现有项目，在保留上传逻辑的基础上修改页面，最后打包成 macOS App。

实际使用下来，图片上传、外链转存、Markdown 链接生成和复制这些核心功能都能正常工作。这个小工具谈不上多复杂，却确实减少了我每天重复打开网页、上传图片和复制链接的次数。当然，TRAE Work 大幅降低了开发门槛，但还是需要用户自己完成最后的产品判断，在使用中一点点弄清楚需求、问题，再让 TRAE Work 一起改进。

这些小事，也让我看到了 AI 办公更有意思的一面。过去的软件通常要服务足够多的人，一些只属于个人或某个团队的小需求，很难值得专门开发。现在普通用户可以直接描述自己的麻烦，让 AI 做一个脚本、Skill 或小工具，再根据使用结果慢慢调整。

这种变化不会让每个人都变成程序员，但会让更多人开始拥有为自己制作工具的能力。一个工具不需要上架应用商店，也不用解决所有人的问题。关键是在图形化界面的封装下，TRAE Work 的交互相当友好，并不要求用户看懂代码，只要掌握基础的逻辑和对话能力，就能尝试为日常的办公需求打造一些工具。

所谓「工欲善其事，必先利其器」，其实在 TRAE Work 上比很多人想得都简单。

写在最后

最近体验下来，TRAE Work 的表现相当让我满意。它既能在很大程度上协助我进行内容创作，更能接手那些创作本身之外、明明不得不做，又实在不想反复投入精力和时间的麻烦。

它当然还会犯错，但毫无疑问，TRAE Work 已经能够在很多地方帮到我，甚至承担相当一部分具体的工作，提高整体的效率。对于很多内容创作者和职场用户来说，这或许才是 AI 办公平台最实际的价值。

毕竟，人的时间和注意力始终有限。让 AI 多做一点麻烦事，才能把自己的思考和精力真正花在「刀刃」上。

更重要的是，使用 TRAE Work 不断留下的东西：逐渐丰富的资料、不断磨合的规则、跑通的流程和真正能用的工具。我也希望随着 TRAE Work 越用越久、越用越深，它也会更懂我、更默契地一起工作。