内容编辑丨特工小智 特工小天
内容审核丨特工少女
最近半年，身边几乎所有人都在用各种 Work Agent：
有人用 Claude Code 写代码，有人用 WorkBuddy 处理文档，有人在飞书里接了一堆自动化流程。个人生产力这件事，被 AI 推到了一个前所未有的高度。
但前几天跟一位在某上市公司做 IT 负责人的朋友聊天，他跟我吐槽了一个问题：
公司约 3000 人，人均在用 6 到 8 个 AI 工具，但不少员工反而更忙了。因为没有一个工具能把这些系统串起来，人变成了 Agent 之间的搬运工。
确实如此，今天大部分 Work Agent 解决的是「个人怎么更快地完成一个任务」，但企业真正的痛点是「几千人怎么在十几个系统之间高效协作」。而这两件事的复杂度完全不在一个量级。
然后上周，Amazon Quick 在 9 月 10 号正式 GA 发布了桌面版，下载可以免费体验 30 天。
我第一时间进行了测试，这可能是我目前见过的、最接近企业级 Agent 该有的样子的产品。
Amazon Quick 到底在做什么
Amazon Quick 是亚马逊云科技推出的一款企业级智能体工作平台。
它把 AI Agent、知识库和跨系统连接集成在同一个工作台里，包含四大块核心能力：
1、跨系统执行任务：打通邮件、日历、消息、CRM、BI 等系统，一次性完成信息综合、交付物起草、记录更新与后续动作，交给你的是可直接 review 的成品，而不是一份你可以怎么做的清单。
2、活动流优先级排序：Activity Feed 把各系统的事项汇入一个统一视图，AI 按你的工作习惯和优先级自动排序——Agent 能自行处理的事项会自动消失，只留下需要你拍板的事，越用越懂你。
3、共享工作区：团队构建的 Skills 和 Agents 可一键发布、订阅与复用，让好的工作方式在整个组织内流通，而不是每个人从零搭建。
4、可复用的 Agent 与自动化：用自然语言构建自定义 agents，在你离开时可以异步替你工作：自动标记停滞商机、起草跟进邮件、准备会议材料，构建一次、反复使用。
Quick 的 Agent 能力拥有统一的云端运行时，所有核心处理，包括 Agent 推理、对话、知识图谱、记忆、定时任务，全部在亚马逊云科技云端运行。留在本地的只有文件访问、浏览器自动化和本地 MCP servers。
这意味着：只要任务所需的数据和应用已经同步到云端，或者属于定时任务、云端 Agent 任务，你关上电脑后它仍会继续执行。
并且它还支持多端管理：你在手机上审批一个结果，桌面端同步更新，可以实现跨设备、跨时区、7×24 小时不间断，同时数据仍然留在你自己的亚马逊云科技存储环境中。
最重要的是，整个产品目前已经跑通企业内部提效：我也问了一位在亚马逊工作的朋友，他说内部已经有大量员工在日常使用这套系统，并且个人感知到的效率提升超过 50%。
实测：员工专属的超级工作台
下面进入实测环节，整体感受是：
Quick 的 Agent 能力，相比于市面上的成熟 Work Agent，它的整体能力和交互体验反而更强。
正巧编辑部同事说 Meta 发布了一个报告，让我帮忙编辑整理文章：https://www.meta.com/thefutureisforeveryone/
我想用这个作为素材和工作任务来实测下 Quick，我先让它帮我做一份关于这个报告的 PPT。由于我只是想获取 insight，所以我的核心需求是处理要快。
Quick 内置了三种模型，针对日常任务的速度进行了优化的 Fast，平衡质量和速度的 Balanced，以及最高质量的回复 Smart。这个任务测试用的是极速模型。
这个任务如果我用其他 Agent，通常要做 20 多分钟，而 Quick 只用了 5 分钟就做完了。
Quick 最让我觉得不错的点，在于产品的细节打磨，比如我们对产物不满意，直接点击选择对应的地方，然后通过对话就可以直接修改产物，非常丝滑。
而一般的 Agent 还需要我们打开文件夹、WPS 里打开文件、然后才能修改，来来回回时间和效率就低了。
类似这样的文档类任务，通过对话它都能直接完成，并且生成的内容以 Markdown、Word 等多种格式输出，还能通过对话一键转成 Quick Apps 分享给团队。
Quick Apps 这个功能很有趣：它生成的不是静态页面，是真正可交互、可编辑、可实时同步的网页应用。
你把链接发给同事，同事打开就能用，你这边改了内容，对方刷新就能看到最新版本，这意味着不需要下载，不需要和来回发文件版本，通过这种模式看原型、素材、演示非常方便。
然后我们创建的 Quick App 也可以在一个界面统一管理：
接下来，我们再看 Quick 的一项重要能力：连接器。
Quick 内置了大量 Connectors，可以一键授权连接邮箱、Teams、Slack、OneDrive、SharePoint 等主流办公系统。
我通过 MCP 接口把飞书也接了进来，这意味着我在飞书里的对话上下文、文档内容，Quick 都能读取和调用。
接入之后我的工作效率和体验发生了很大的变化：以前我每天要在七八个系统之间来回切换，现在 Quick 的活动流会自动从所有已连接的系统中提取待办事项，按优先级排好，重要的标注出来，不重要的往后放。
在 Quick 里生成的文件，也可以一键发过去，实现多个应用的打通，这样智能产生的数据就可以在多种应用里可以流动。
最让我兴奋的是第三个场景：
我把自己日常用的选题 Agent 封装成了 MCP，通过 Quick 做成定制化 Skill，然后在 Quick 里一站式完成了从选题监控、内容调研到初稿生成的整个流程。
使用过程也非常简单，就是几乎只需要确认需求，它会完成所有方案的适配：大家公司里各种定制的 Agent 也可以通过这样的方式开放出来。
最后，它帮我把我的 Agent 通过 MCP 开放了能力，然后做成了 Quick 里的 Skill。
然后就可以做下测试：
完美打通：
接着，我让他打通了我的写作 Agent。这样通过 Quick，我实现了从选题到写作的闭环，然后再调用飞书连接器一键成稿。
写出的内容质量很不错，接着我就可以让它在飞书文档里排版，交给同事进行编辑。
更关键的是，我做的这个 Skill 可以一键分享给团队其他人，同事点一下就能用，不需要重新配置。
与此同时，我又拿同样的任务，去测了国内几款同类 Agent 产品（这里就不点名了），结论是：
Quick 在单位任务的成本上大约是它们的三到四折，速度大约快一倍。
Quick 的真正壁垒，是企业上下文
桌面 Agent 这么多，企业级 Agent 为什么要选择 Quick？
模型能力肯定不是壁垒，今天全球顶尖的大模型在通用能力上已经趋同。
Quick 真正的核心壁垒，我认为在以下三层：
第一层是连接器生态。
一个企业的数据散落在邮件、IM、CRM、BI、文档系统等十几个地方。
而这种任务切换，对于职场人是隐藏的效率杀手：每一个系统切换都是一次打断，重新集中注意力需要消耗能量，进入状态需要时间。
Quick 通过 Connectors 把这些系统全部打通，让 Agent 能够跨系统拉取信息、执行动作。
让用户可以最小化这种注意力消耗，对于精力和效率是一个很大的提升点。
第二层是业务数据和经验的复用。
根据 MIT 的报告，Agent 在企业中的部署比例已经很高，但企业感知到的实际提效却很有限。
为什么？因为大部分 Agent 只是在单点上提高了效率，企业真正的知识和经验并没有在系统里流动起来。
企业的本质是业务知识，这些知识通过数据存储，通过人的经验在系统里流动。
但大部分 Agent 没有触及这个流动层：一个销售总监积累了十年的客户洞察，一个运维工程师踩过的所有坑，这些经验如果只存在个人脑子里，对组织来说就是沉没资产。
Quick 通过 Knowledge 的方式，让我们可以方便的导入企业内部知识，通过共享 Skill 让经验得以流动。
第三层，也是我认为最关键的，是企业 Agent know-how 的复用。
亚马逊云科技通过 Quick 把企业的业务流程，以 AI 原生的方式（RAG、Skill、Connectors）集成到系统中。
当企业带着自己的数据和员工进来，通过 Quick 这个通道，输出的是经过 AI 增强的业务洞察和最佳实践。
每个人创建的 Skill、积累的上下文、沉淀的工作流，都可以在团队内共享和复用：
一个人踩过的坑，全团队不用再踩。一个部门跑通的流程，其他部门一键就能用。这种组织级的知识飞轮，是个人版 Agent 完全做不到的。
此外，亚马逊云科技在安全合规上的投入，对 Quick 成为企业级 Agent 也很关键：
Quick 的对话保持私密，数据明确承诺不用于模型训练以及不出客户环境，全程通过 CloudWatch 和 CloudTrail 可审计，能通过类似 HIPAA 的各种行业合规认证，甚至连生成图片都做了 IP 侵权的双向赔付。
相比于传统桌面 Agent 的知识库和 Skill，这种带着企业信息、企业上下文、企业最佳实践并且保证安全合规的工具，才能真正在企业实际生产中发挥价值。
企业 AI 的牌桌正在换玩法
最后聊聊我对行业趋势的判断。
模型趋同之后，企业 AI 的竞争焦点已经转移了：现在比的是谁能更深地嵌入企业的知识上下文，谁的治理和安全做得更扎实，谁的系统连接能力更强。
这些能力听起来不性感，但对于企业 IT 决策者来说，这才是真正的决策依据。如果你让一家医疗公司把患者数据接入一个没有 HIPAA 认证的 AI 工具，CIO 第一个不答应。
我觉得企业 AI 应用正在经历一个清晰的演进路径：
第一阶段，企业通过 Token Maxxing 让员工大量接触使用 AI 工具。
这个阶段，员工个人通过使用 AI 小工具，或用低代码方式搭建自己的工具，逐渐把工作流和上下文带入各种 Coding Agent、Work Agent，积累使用经验。
这也是大部分企业在过去一年的现状。而随着 Agent 的发展和员工对于 Agent 认知和经验的提高，越来越多的科技开始进入下一个阶段。
第二阶段，单点的提效没有带来组织的提效，企业需要找到一个为企业设计的原生 Agent 平台。
因为个人工具的碎片化带来了数据安全风险和管理成本，企业需要一个统一的、可治理的平台：
员工把个人积累的经验迁移到企业级平台上，上下文和数据可以共享，每个人都能通过 AI 结合企业级最佳 know-how 来提效。这才是真正的组织级 AI 化。
然而，各种 Work Agent 还是为第一阶段设计和实现的工具，市面上并未出现真正适配这个阶段的企业原生工具。
而 Quick 的设计逻辑，恰好就是为企业适配第二阶段而设计的企业级原生 Agent：
比如像我那个做 IT 负责人的朋友的困境：3000 人，每人 6 到 8 个 AI 工具，人变成了 Agent 之间的搬运工。
如果他的团队接入 Quick，所有系统的数据在一个平台上汇聚，每个人的经验和 Skill 在组织内流通，Agent 在云端 7×24 小时不间断运行。
这个画面，才是企业级 Agent 该有的样子。
Agent 正在从「个人助手」变成「7×24 的同事」，谁能更快地把企业上下文接入一个安全、可治理、可复用的平台，谁就握住了效率的胜负手。
Amazon Quick 目前第一个月免费，支持 25 人团队直接部署体验。
如果你的团队正在被多系统协作的碎片化困扰，可以去试一下。
也许你也会和我一样，在 Quick 里看到企业级 Agent 真正的未来。
- 完 -
