多知了解到，近期，猿力科技正式推出了一款AI原生工作空间——Moxt。

简单来说，当你把文档、上下文和团队带入Moxt后，剩下的工作就可以交给AI完成。AI可以在这里调研、写作、构建，与你协作。你不仅会拥有一位具备持久记忆的专属AI助手momo，还可以创建面向整个团队、也能独立完成工作的AI同事。“AI同事全天候运转，边做边学，与你协同”。

正如Moxt对自己的介绍：“AI Agents的迅速发展，让每一家公司都将很快拥有比人类员工数量更庞大的AI同事——可能是100倍，也可能是 1000倍。它们不使用按钮和菜单，而是调接口、写代码、读文件，直接跟人、跟系统、跟彼此通信。而它们需要一个真正适合自己工作的地方——拥有文件系统、记忆、上下文、工具，以及身份和人格。Moxt，为此而生。”

01 大厂的“内部创业”

先认识一下这支团队吧。

研发Moxt的团队，正是此前猿力科技旗下的Motiff（妙多）团队。

从Motiff到Moxt，映射的是大厂创新业务团队的试错勇气。

在2021年的那场行业变局后，猿力科技内部进行了多条创新业务线的探索，有咖啡（Grid Coffee），有高端羽绒服（SKYPEOPLE），还有月子中心（茉莉智慧），以及AI提效方向的Motiff。

这些枝枝蔓蔓的路，在很多公司里被称为“内部创业”。

在Motiff/Moxt这条线上，今年已经是这支团队内部创业的第五年。

核心团队负责人张昊然是90后，于2022年从斑马团队加入Motiff，担任联合创始人兼运营副总裁。他此前是斑马App的早期产品经理，曾带队研发出斑马百科等多款产品，也担任过斑马增长方向负责人、素质科目产品负责人。现如今，他的最新title是Moxt联合创始人。

Motiff于2024年6月正式发布，定位为AI时代的设计工具。

然而，产品发布三个月后，Motiff便遇到一些外部挑战。

2025年11月，有消息称，Motiff研发负责人、猿力科技9号员工张宇辰离职创业，方向为AI Agent。

此后，Motiff的声音逐渐隐没在公共舆论场中。

在张昊然后来的回忆中，我们得知，2025年，团队的重心本已转向一款Vibe Coding工具，并计划投入更多精力。然而，Moxt的出现，让这个项目就此被搁置了。

02 “Moxt不是一个工具，它可能代表未来的某一类组织本身”

从2021年算起，这支团队至今已经探索了三个项目：第一个项目（Motiff）做了 4 年；第二个项目（上述Vibe Coding项目）做了 6 个月；第三个项目（Moxt）花的时间更短。

张昊然回忆了Moxt是如何诞生的：

“今年春节假期结束时，团队95%的人还在筹备前一款产品（Vibe Coding项目）的新版发布——宣传片制作已接近尾声，内测用户的评价也还不错。然后，发生了一件看起来有点‘癫狂’的事：

1.Moxt起初只是一个两人探索的小项目。初衷很简单——我们想要一个‘协同的龙虾’，让它服务我们内部更好地工作。得益于前一个项目的积累，两名同学花了两天时间，做出了第一个可用版本。

2.当第三个、第四个‘用户’开始使用时，几乎每天都会新增一名‘睡不着觉’的同学。第二天白天，这位同学就会来提议：我们要不要多投入一点人做这个项目？

3.事情到了第五天，每一个用过Moxt的人都几乎没有丝毫留恋——在一个稀疏平常的早上，大家达成了共识：所有人都来做Moxt吧！原来的项目？虽然有100个理由证明它前景广阔，但我们不想再做了。

4.那什么时候上线Moxt？‘我们本来不是两周后准备发布原来的产品吗？要不还是老时间——我们发布Moxt。’”

为什么要研发这款产品？

张昊然这样阐释：

“那些上一个时代已经包含人类组织的知识库系统，就是最好的‘养虾’池塘，只要在这个系统上构建一群龙虾，组织便能飞速提效。我并不否认企业龙虾的故事，而且我非常相信，Notion和飞书在未来的1-2年都会有飞速的增长。但我认为这必然不是未来……我们已经进入了一个组织产生的内容，靠人类自身无法完全处理的时代。而这些AI产生的内容，需要它们用自己习惯的方式来维护。”

“越来越多的公司开始越来越多公司开始变成AI native（公司）。这些公司从0到1的过程，本质上是在围绕自己的Agent搭建一整套环境。所以我们现在做的事情，就是无论是企业的context 文档，还是部分通信方式，都会优先按照for Agents的思路来设计。你一旦从这个角度想，就会发现，原来那些很大的通用工具，比如Notion、飞书，甚至 IM 类产品，未必真的适配这种形态；而且它们也未必能靠简单改一改就适配。因为原来的UI、交互、入口，都是为人设计的；但如果是为 Agents 来做，逻辑会完全不一样。”

张昊然认为，AI原生工作空间既要极大便利AI，符合AI工作习惯，也要便利人类工作。

Moxt是如何实现“for Agents”的？

其一，让AI在它的母语环境里工作。Moxt支持Markdown、CSV、HTML等AI完全理解的文档格式。“PDF、Word、PPT，（让）AI 读这些就像人类在读一份扫描了三次的传真。”

其二，让AI在它熟悉的图书馆里工作。“文件系统，一层层目录，一个个文件，是AI训练时最熟悉的知识组织方式。Moxt左边栏看到的目录结构，就是这座图书馆。传统的知识库系统虽然形态类似，却并非AI 友好，AI很容易迷失方向……”

张昊然说，这两步工作是保障AI处理工作的每次通信，都不会因“非原生损耗”带来信息损失。“因为AI处理信息的速率太快，带宽太大，一个稍微复杂任务的背后其实都在指数级放大摩擦——你需要保障这种0摩擦。”

此外，在Moxt里，AI能用真正的工具做事，你可以通过技能和规则定义AI的能力与行为：

1.Moxt中的每位AI同事，都能随时运行“云端电脑”：可以打开浏览器、读写文件、下载资料、运行代码、把任务从头做到尾。

2.构建它们的记忆（Memory）和技能（Skill）体系。这样，它们就是“可成长”的，可以记住重要信息，可以将重要的方法自主沉淀为技能。

3.构建其主动性（Autonomous）。

在商业模式上，Moxt遵循“人类免费，AI按劳收费”的原则。“我们相信这是回归本质的计价模式，就如电费一样，简单，并容易衡量价值。”

对于Moxt的本质，张昊然说：“如果要抽象定义，Moxt不是一个工具，它可能也代表未来的某一类组织本身。而有些可怕的是，这个未来还没到来，并非因为技术所限，只是因为我们还未将其交付为可面向用户的产品。我想，这个均匀分布或许不会太慢发生。但我内心时常矛盾，因为诸多原因，我还是希望它发生得慢一些。”

在近期的一场活动中，张昊然提到了自己的最新思考：

“以前大家会说，欧美相比中国信息化渗透程度低一些。但最近AI Agent这件事，可能会让很多原来没有做好的信息化，突然发生一种很不一样的变化。

举个很简单的例子。为什么在澳洲、欧美，很难出现像国内链家、天鹅到家这种，把服务提供者和需求方高效撮合起来的平台？一个重要原因就是，过去线下这套体系要被组织起来，本身就需要大量人力去做拓展。在中国，过去可能会把这种能力叫‘铁军’。但现在不一样了。我们看到有很多做海外市场的创业者，他们其实做的已经不只是垂类Agent，而是用纯AI Agents的方式去做垂类。比如我要撮合一个水管工和一个需要修水管的人，过去很难，是因为你让水管工去填表、上SaaS，这件事本身就很费劲；但现在你可以直接用AI去外呼、去对接，让他们在自己熟悉的环境里，通过聊天把信息收集起来。C端那边也可以用别的方式去完成匹配。

所以我会觉得，这是一个非常不一样的变化。它意味着，原来在中国已经成立的很多基础设施服务、平台经济模式，在欧美未来也有可能成立。它的数字化程度和连接性，都有机会被重新拉起来。

未来很多公司和中小企业的机会，可能不只是‘我要不要做一个垂类 Agent’，也不只是做一个工具，而是去思考：我怎么构建自己的AI Agents‘铁军’？一旦这件事成立，你就可以真正渗透进自己熟悉的行业和场景里，这其实是一种完全不同的打法。

基于这件事，我觉得接下来一个新的命题就是：怎么去管理这些Agents，怎么更好地调度这些Agents。

   （来源：多知）