最近，对话一款桌面客户端产品 Floatboat 开启了内测，谭痛点它集成了文件管理器、少卿浏览器和 AI 对话界面，办不模主要面向 OPC 群体。公最
这款产品究竟针对 AI 办公的对话哪些核心问题给出了新的解决方案？其产品设计与行业主流方向有何差异？我们与 Floatboat 创始人谭少卿进行了对话，还原这款产品的谭痛点核心逻辑与行业思考。
01
AI 办公的少卿最大痛点，不是办不模模型不够强
「我们测过，即使用户完全不调用 Floatboat 的公最 Agent 功能，纯工具层面的对话办公效率也能提升 2-5 倍。」对应谭少卿这句话的谭痛点，是少卿当下 AI 办公赛道存在的一种情况——大多产品都在卷模型能力、卷多模态效果、办不模卷工具调用的公最丰富度，但 AI 和用户的原生工作流，仍然是有些割裂的。
这可能是每个知识工作者的日常：写一篇深度稿件，你要先在浏览器里查行业资料、扒数据，再打开文档整理素材，接着切到 GPT、Claude 等的窗口里，把素材一段段粘贴进去，写 prompt 告诉 AI 要写成什么风格，等 AI 生成后，再复制回文档里手动修改，过程中发现缺了数据，又要重复一遍「浏览-复制-粘贴-投喂」的循环。
更不用提身兼数职的 OPC 创业者，写 BP 要同步产品设计文档、用户反馈、市场数据，写 JD 要同步公司愿景、产品特性、团队情况，做投放要管素材制作、账号运营、数据复盘，所有的信息散落在本地文件夹、微信聊天框、浏览器网页、各类 SaaS 工具里，AI 根本无法触达完整的工作流，只能做单点的、碎片化的任务处理。
Floatboat 的解法，跳出了「对话框即 Agent」的行业惯性，它没有在传统办公流程里加一个 AI 对话入口，而是直接打造了一套浏览器+文件管理器+AI Agent 三位一体的 AI 原生办公环境——这也是产品最早的代号 AoE 的由来，既是游戏里「范围伤害」的术语，也是 AI Office Environment（AI 办公环境）的缩写。
这个设计的核心，是让 Agent 融入用户的工作流，而非让用户围着对话框转。在 Floatboat 里，AI 是一个能主动感知你工作状态的协同者：你打开的产品设计文档、浏览的行业网站、操作的本地文件夹，都会成为 AI 可感知的上下文，不需要你手动上传、复制粘贴、写长长的 prompt，它天然就知道你正在做什么、需要什么。
比如写融资 BP 时，你只需要在左侧打开产品设计文档、市场调研材料，对着 AI 说一句「写一版种子轮融资 BP」，它就能自动读取所有上下文，生成完整的 BP 内容，甚至能根据需求迭代 20 多个版本，全程没有任何文件传输的操作；招聘写 JD 时，你不用再大段给 AI 解释公司情况，只需要说一句「帮我写一个测试岗位的招聘 JD」，AI 就能自动读取左侧的公司资料，生成精准匹配需求的文案，你只需要微调细节就能使用；内容创作时，你可以直接用内置浏览器浏览博主的社交媒体内容，一句话让 AI 把博主三天的帖子整理、转录、配音，生成一期完整的播客，全程不用切换窗口、不用下载转录工具。
图片来源：极客公园
在试用过程中，能感受到确实便利不少，在工作空间里，我可以同时开启多个文件夹并自由切换，文件浏览和查找的效率很高；也能直接将多份文档拖入对话区域，让 AI 分析它们之间的关联与逻辑。在处理网页信息时，内容可以随手拖拽保存到本地文件夹，无需复制粘贴；内置编辑器支持直接修改文档，每一处改动都会被 AI 同步感知，不需要重新上传或手动同步上下文。
完成一次任务后，比如按个人风格生成稿件，我可以将整段工作流程一键保存为 Combo Skill。系统会自动记录操作步骤、表达偏好与执行逻辑，形成可重复使用的技能模板。后续遇到相似任务时，AI 会根据当前上下文主动推荐匹配的 Skill，加载即用，不必手动查找或输入命令。
对话式产品的逻辑是「人找 AI」，你必须主动把所有信息、指令喂到 AI 嘴里；而 Floatboat 的逻辑是「AI 跟着你的工作走」，它就在你的办公环境里，你的工作流在哪，它的能力就延伸到哪。
02
Agent 行业的内卷误区：
我们到底需要什么样的端侧智能？
Openclaw 带火了端侧 Agent 的同时，这个赛道也陷入了同质化的内卷：人人都在做端侧产品，个个都在搭 skill 市场，仿佛谁的 skill 数量多、谁开放的权限高，谁就能赢得市场。但现在，全球 10 亿知识工作者里，真正能把端侧 Agent 用起来的人，依然寥寥无几。
在谭少卿看来，绝大多数产品都踩中了行业的三大核心误区，而 Floatboat 本质上是从底层就避开了这些内卷陷阱。
Floatboat Founder 谭少卿 | 图片来源:受访者
误区一是，要么只服务极客，要么想讨好所有人，却不懂用户的核心需求是截然相反的。「我们可以非常粗浅地把用户分成三级：极客用户、专家用户、大众用户，每一种用户的需求，都是完全相反的。」
这是谭少卿做了十几年亿级用户产品，核心的洞察之一，也体现了当下 Agent 产品的普遍通病：
极客用户追求的是极致的开放性，他们需要把产品的底层能力完全暴露出来，自己写代码、改脚本、自定义所有规则，这也是 Openclaw、Claude Code 能吸引极客群体的核心原因。但代价是极高的使用门槛，非技术用户光是安装部署就要花一个星期，对着终端命令行手足无措，更别说真正用起来；
专家用户追求的是极致的可控性，他们需要 AI「指哪打哪」，需要它发挥的时候能精准完成需求，不需要它发挥的时候绝对不能画蛇添足。专业的内容创作者、视频设计师、分析师，根本无法接受 AI 随意修改自己的作品，可绝大多数 Agent 产品，都做不到这种精准的可控；
大众用户追求的是极致的易用性与安全性，对他们来说，AI 工具的核心价值是「快点把活干完，早点下班」，他们没有时间去学怎么写 prompt、怎么装 skill、怎么调试 Agent，复杂的知识管理、流程编排，对他们来说本质上都是伪命题。
市面上的产品，要么倒向极客，做了一个只有少数人能玩明白的玩具；要么想讨好所有用户，结果做成了四不像，极客觉得不够开放，大众觉得太复杂，专家觉得不可控。
而 Floatboat 是先锚定了 OPC 这个核心群体——他们是最特殊的用户，既是自己领域的专家，又要身兼数职，同时做法务、财务、运营、创作、投放，工作流极其复杂，对效率提升的需求最为强烈。在此基础上，产品实现了三层用户的兼顾：
底层保留了极客用户需要的开放性，支持自定义 combo skills 与 API 调用，能满足深度定制的需求；
交互上做到了大众用户能接受的开箱即用，零代码门槛，不用写 prompt，用自然口语就能驱动 AI；
功能上满足了专家用户需要的可控性，内置编辑器可以随时手动调整内容，避免 AI 乱改，实现「人机协同」的精准控制，不用再下载文件、切换软件反复修改。
谭少卿提出了一个本质的判断：「我们每个人在不同的事情上，都处于不同的用户分层。你可能是一个技术极客，但在法务这件事上，你就是个大众用户；你是一个内容创作的专家，但在数据分析这件事上，你可能就是个普通用户。一个真正有普适性的生产力工具，必须要能覆盖这三层用户的需求。这在产品技术的架构上是非常大的挑战，但 AI 的进步让这件事情有了一些可能性」
误区二是把 skill 市场当核心壁垒，却忽略了它只是过渡形态。
当下的 Agent 行业，几乎所有玩家都在疯狂内卷 skill 市场，仿佛谁的 skill 数量多，谁就能建立下一代应用生态。但谭少卿的判断是：「绝大多数 skill 市场，最终都会死掉。」
他给出了两个理由：第一，第三方 skill 存在无法解决的安全与信任问题。普通用户根本看不懂 skill 的代码，无法判断它有没有安全风险，而平台只做聚合，不承担任何责任，用户用了 skill 之后电脑出问题、数据泄露，只能自己承担后果。就像 Openclaw 的开源逻辑：「我玩法都开放了，你电脑搞坏了跟我有什么关系？」但在谭少卿看来，作为一款面向大众的商业产品，这种价值观是完全行不通的。
第二，skill 本质上只是一个过渡形态。「skill 是什么？其实就是我们人类在把自己的 knowhow 蒸馏给模型，模型厂开心坏了，终于有人系统性地把各行各业的经验扔给我。」谭少卿说，「而大模型的能力在飞速提升，现在需要 skill 才能实现的功能，未来模型会直接内化掉，变成自己的通用能力。」
在他看来，skill 只会在需要高确定性的企业场景里长期留存，对于绝大多数普通用户来说，它注定只是 AI 发展过程中的过渡产物。
也正因如此，Floatboat 没有陷入 skill 数量的内卷，而是打造了一套完全不同的 combo skills 体系。它用 Markdown 这种人和机器都能读懂的介质，把指令、模板、脚本、API 调用全部整合在一个文件包里，用户不需要懂低代码、不需要写复杂的脚本，就能轻松自定义技能，同时技能和用户的工作流、上下文深度绑定，不是一个孤立的功能插件。「AI 能力的强大实际上会让每个人变成 prosumer，这跟软件和 SaaS 时代是完全不一样的。」
更重要的是，官方出品的 skill 都做了严格的安全审核，给用户兜底，从根源上解决了安全焦虑。
误区三是只做工具层面的创新，却不敢打破延续了几十年的数据垄断。
从 PC 时代的 Office 软件，到互联网时代的 SaaS 产品，办公领域几十年的发展史，本质上是一部平台垄断用户数据的历史。
传统的 Office 软件，用私有协议把数据、交互、逻辑强行分离，你必须用 Word 才能打开 doc 文件，否则就是一堆乱码，平台垄断了文件的唯一解释权；后来的 SaaS 产品，更是把数据垄断做到了极致，你存在飞书、Notion 里的文档，绝大多数都不支持完整的原生格式导出，ChatGPT 的记忆功能，甚至只允许导出用户自己发送的内容，AI 回复的核心信息根本无法完整导出。
用户用的工具越来越多，却从来没有真正拥有过自己的数字资产。更不用提跨产品、跨 Agent 的协同：你在 Floatboat 里的工作流，没法同步到 Openclaw 里；你在 Claude 里的 AI 记忆，没法用到 GPT 里；不同平台之间，数据和上下文完全是割裂的。
这才是办公领域最底层的顽疾，也是 Floatboat 真正想要打破的壁垒——它推出了开源的 selfware 协议，重新定义了 AI 时代的数字文件格式。谭少卿用了一个很形象的比喻：「Floatboat 相当于是一艘承载用户数字资产的船，船与船之间流转的，就是 selfware 协议的文件包，它就是新时代 Agent 世界里的标准化集装箱。」
这个协议从底层重构了数字文件的逻辑：
它把数据、交互、逻辑重新整合到一个统一的文件包里，不止包含最终的交付结果，还完整保留了整个创作、协同过程中的所有想法、决策、修改记录、用到的 skill 与 API，把 AI 需要的完整上下文，全部封装在一个文件里；
它实现了真正的跨产品兼容，只要是支持 selfware 协议的 Agent 产品，都能打开、编辑、使用这个文件包，用户再也不用被单一平台绑定，实现了「我的数据我做主」；
它保障了用户的数据所有权，所有的文件包、数据、AI 记忆都储存在用户本地，不存在平台蒸馏用户数据、泄露用户隐私的可能，用户带着电脑，就带走了自己所有的数字资产。
这是在尝试对整个办公行业底层规则进行重构，把生产资料的所有权，重新还给每一个个体用户。
03
OPC 时代，Agent 的终局是重构生产关系
「我们选的切入点，是 OPC。因为我们认为，OPC 代表了先进生产力。」
AI 大模型的爆发，正在彻底重构社会的劳动分工。原来需要专业团队才能完成的事，现在一个人就能做到：编程、做视频、写网页、做设计，这些曾经需要专门职业的技能，现在都被 AI 变成了人人都能掌握的基础能力。越来越多的人选择成为 OPC，用 10 人以内的小团队，甚至一个人，去运营一整摊生意。
但传统的办公软件，并不是为这群人设计的。中大型企业的分工明确，法务、财务、运营、创作各有专人负责，工作流是标准化、线性的；而 OPC 创业者，要一个人扛起所有角色，工作流是动态的、交叉的、复杂的，信息散落在各个平台、各个文件里，对上下文流转、多角色协同的需求，远比中大型企业更强烈。
「如果你的工作越复杂，上下文流转越频繁，一个人扮演的角色越多，Floatboat 给你的效率提升就越大。」谭少卿说，「如果你的任务是相对单点纵深的或者分工特别明确，那你对它的能力感知可能不会那么强烈。」他笑着说，「比如很多投资人朋友」，「但未来，越来越多的人会成为 OPC，会需要一个人顶一个团队，这就是我们的核心用户。」
工具只是 Floatboat 的第一步，它真正想做的，是搭建一套分布式的 Agent 协同网络，让个体生产力第一次具备网络效应，重构 AI 时代的生产关系。
传统的协同办公，本质上是「人找人」。你要把自己的文件、文档、工作记忆全部暴露给对方，才能完成协同，不仅效率低下，还有严重的隐私泄露风险。而在 Floatboat 的分布式网络里，协同的主体变成了 Agent：你和同事的电脑，可以通过 Agent 实现安全、高效的协同，不用暴露自己的完整数字资产，只需要共享项目区间内的上下文，双方的 Agent 就能提前完成多轮信息同步与内容处理，最终人只需要做核心决策。
更具想象空间的，是这个网络对个体生产力的指数级放大。你的 Agent 可以在你休息的时候，和网络里其他用户的 Agent 完成对接、协作、甚至基础的商业交易。原本你一个人只能服务四五个客户，在 Agent 的加持下，你能服务的上限可以拓展到上百人。
谭少卿说，「当每个个体的生产力都被 AI 放大 10 倍、100 倍，再通过开放的分布式网络实现协同，整个社会的生产关系，都会发生根本性的改变。」
交流最后，他反复提到一个核心观点：产品设计决定用户需求。「你把产品叫做 AI Browser，那来的用户 70% 都是来抓数据的；你把产品定义成面向 OPC 的 Agent 工作空间，用户才会把剪视频、做科研、写播客、做战略分析这些真实的、复杂的需求释放出来。而这才是我们探索的起点。」