最新桌面 Agent，AI 工作流解码办公效率提升

一个AI办公助手，究竟要知道多少关于你的事，才算真的好用？ 在亚马逊云科技上海Builder Loft举行的Amazon Quick媒体工作坊（“Make it Quick”工作坊）上，这个问题反复被提及。 原因很简单。当天正式介绍的Amazon Quick桌面版，的确有相对优势的特点，比如：不再只待在网页里等用户提问。得到授权后，它能读取本地文件、操作浏览器、查看邮件和日历，还会根据这些信息提醒用户：有几封邮件该回了，某个项目需要跟进，昨天安排的任务已经跑完。 这说明了，Amazon Quick的场景，的确离一个人的真实工作越来越近。 现场有媒体提问：如果Quick能读取电脑里的文件，怎么防止它把不该看的东西也读走？有人关心数据会不会被传到云端。还有人追问，Quick到底是在本地推理，还是仍然要调用云上的模型？ 这些问题，都比一个办公助手“能不能生成PPT”重要得多。 先看看它怎么替人干活 亚马逊云科技产品部AI技术总监郭韧在现场演示了一名销售人员使用Quick的一天。 前一天晚上，销售临时接到通知，第二天要参加客户会议。正常情况下，他得分别打开CRM、工单系统、邮件和业务报表，再把散落的信息整理成会议材料。 演示里的做法省事很多。他在桌面端交代了一遍需求，Quick开始从不同系统里收集订单、工单和客户信息，最后生成一份Word文档。第二天早上，这个人已经在上班路上，又想起材料里缺了最新商机。他甚至不需要重新打开电脑，可以直接在手机上接着昨天的任务，让Quick补充十个Open Opportunity即可。 开完会，他回到工位，在桌面端检查内容、生成PPT，再把材料分享给客户团队。晚上离开办公室以后，剩下的跟进邮件可以继续在手机上处理。 这个过程没有特别“炫”地方。它是我们每天都在做的琐事：找材料、补数据、改文档、发邮件。 也正因为如此，它比“一句话生成商业计划书”之类的展示更容易让人理解。办公室里最浪费时间的事情，往往没有多高的技术含量，只是资料散得太开，步骤太多，而且每天都得做。 亚马逊云科技在Keynote里引用了一组数据：员工每月花在应用切换上的时间超过40小时。这个数字的统计口径现场没有展开，但问题确实存在。哪怕公司已经采购了不少AI工具，员工还是要亲手把文件、数据和结果从一个地方搬到另一个地方。 Amazon Quick能做的，就是替人完成这段搬运。 Web版的价值到底在哪里？ Amazon Quick之前已经有Web版。用户可以在网页里连接企业数据、建立知识库、创建Agent，也能使用Quick Flows和Automate编排流程。而桌面版增加的东西，安装在macOS或Windows之后，Quick可以访问用户授权的文件夹，搜索和整理其中的PDF、Word、PPT和Excel文件；它能使用现有的Chrome配置、Cookie和扩展执行浏览器操作，也支持调用本地MCP服务器。 用户还可以让它在本地生成Word、PowerPoint、Excel、PDF、HTML和图片。个人记忆和知识图谱也保留在本地设备上。 会上还展示了一张quick的知识图谱。它可以把工作中接触的人、项目、会议和话题整理成节点。点开某个同事，右侧会出现两人过去交流内容的摘要，以及与对方相关的工作事项。 知识图谱越完整，Quick就越容易理解用户说的“那个项目”“上次会议”或者“发给客户团队”分别指什么。但它同时记录了一个人的工作关系、沟通历史和项目轨迹。这样的能力放进个人消费级工具是一回事，放进企业环境又是另一回事。 可以在云端继续执行的任务 用户从电脑上发起任务，合上电脑之后，Agent不会跟着停止。桌面端和移动端共用一套运行时，会话、Skills、任务状态、知识图谱和输出物都能接上。用户到地铁里打开手机，还能查看刚才的任务跑到了哪一步。 这里需要澄清，Amazon Quick桌面版并不是本地大模型产品。 现场问答中，郭韧明确表示，模型推理由Amazon Bedrock提供。桌面客户端负责接触经过授权的本地数据和工具，Agent任务也可以在云端持续执行。它采用的是云端模型与本地工作环境配合的方式。 AI 已经会核稿？ 这场活动还安排了一段媒体工作流体验。 现场准备的Agent可以让媒体人在每个工作日早上9点搜索技术热点，生成一份带有信息来源的简报。用户选中一个方向后，可以继续让它补充资料、形成文章初稿，或者改写成口播稿。 并且，如果你要求Quick重新核对文章里的事实，它会逐条检查表述，并给出相应来源。初稿里有一段芯片相关数据，可能把几个不同来源中相近的信息混到了一起。Quick把问题标了出来，并给出修改建议。用户随后让它根据建议再更新一版稿件。 这一幕很好，但“AI已经会核稿”真的已经实现了吗？ Agent能够主动暴露疑点，当然比一本正经地把错误写进文章强。问题在于，核查动作依然由模型完成。它可能发现错误，也可能漏掉错误，甚至可能用另一种方式重新解释同一个错误。所以，现场生成的东西更适合作为采访前的资料包或者初稿。链接需要自己打开，数字要回到原始出处，重要判断还是要人为 的找到信源进行确认。 郭韧在演示时也说，这类稿件与专业媒体直接发布的标准仍有距离。 Amazon Quick眼下更实用的地方，是自动搜集公开材料、整理线索、建立定时任务，以及在不同设备之间保留工作进度。它可以替记者们少开一些网页，暂时还替不了记者们对事实负责。 如果一个产品声称已经能替记者独立完成选题、采访、核实和写作，我们应该怀疑的是，它到底遗漏了什么。 权限开多少，决定了它能干多少活 当天问答里，关于本地文件安全的问题被问了不止一次。 Quick团队介绍： 管理员可以从后台控制Quick是否允许使用浏览器自动化、网页搜索、桌面自动化和定时任务，也能限定可读取的文件类型与目录。企业还可以给文件增加标签，让Quick避开带有特定标签的内容。当涉及关键工具或敏感操作时，系统会要求用户确认。现场运行热点监测任务时，调用工具之前就出现了授权弹窗。远端的企业系统则沿用用户在组织内部的身份和权限。员工通过SSO登录，Quick只能访问这个账户原本有权访问的工具和数据。管理员还可以按个人、团队和组织设置知识库过滤条件。模型使用也在管理范围内。企业可以限制不同员工使用的模型等级，决定是否开放Thinking模式，并配置Guardrails。调用情况和操作日志也会进入CloudWatch和CloudTrail，供后续审计和成本分析。 这些设置实际部署会非常细。 举个最简单的例子。公司可以规定Quick不能读取某个目录，前提是文件原本就放对了地方；也可以根据标签屏蔽敏感文件，前提是企业已经建立并执行了一套文件分类规则。 但如果数据散落各处，权限长期没人维护，AI并不会自动替公司补上这些管理欠账，漏洞就产生了。这可能是企业办公Agent推广中最容易被低估的部分。模型能力往往能现场演示，真正的权限梳理和系统接入却需要一项一项做和落地。 企业到底需要何种Agent 如果要做企业版的Agent，那就要看企业到底需要何种Agent。 Amazon Quick提供60多种内置动作连接器，可以对接Slack、Outlook、Salesforce、Jira、Asana