1 月 10 日，清华园里一场对谈突然被放大。
唐杰、杨强、杨植麟、姚顺雨同台交流，甚至被不少观众称为中国 AI 领域的「基模四杰」。原定是圆桌讨论，结果在 AGI-Next 会上，聊成了 70 多分钟的持续追问。会上的结论也很清楚：只做 ChatBot、靠 Benchmark 拉开差距的路，已经很窄了，快走不通了。
问题就变得很直接，那下一步该往哪走？
答案是：
行动（Action）。
Kimi 的杨植麟反复说了一件事：AI 不能长期停在对话框里，只输出文字。真正有价值的，是能调用工具、跑完整流程，把一件复杂任务从头做到尾。
在这个判断下，再看 Kimi 最近的变化，就很有指向性了。
4 个月前，我们在《Agent「OK Computer」今日发布" data-itemshowtype="0" linktype="text" data-linktype="2">Kimi 的“OK”，O 不 OK？｜月之暗面 Agent「OK Computer」今日发布》中，实测了 Kimi 推出的 Agent：OK Computer。
接下来的 4 个月里，这个 Agent 持续进化和升级，今天， Kimi 正式发布并开源了 Kimi K2.5 模型，能处理文本、图片 / 截图、录屏 / 视频，视觉理解、推理、写代码和决策是一起发生的。
代码能力的重点，也从「模型会不会写」，转向了 Agent 会不会做真实场景下的任务。通过内部的 Agent 集群，K2.5 可以处理 1500+ 步的复杂任务，在多个 Agent 场景的 Benchmark 上，已经跑赢了 Gemini 3.0 Flash / Pro。
Kimi Agent 功能则融入了该模型的这些能力，扩展了职场人群迫切需要的 Office 功能。
升级后的 Kimi Agent， 开始系统理解 Office 的运作方式：表格里的单元格关系、PPT 的结构层级、PDF 的排版逻辑，通过在 Web 端直接产出文件，进入 Office 这个仍是大多数人工作的底层场景里，
🚥
接下来分享，我们对 Kimi Agent在 Office 场景下能力的实测。
1）多表联动的 Excel 能力
我这段时间自己用下来，一个很直观的感受是：Kimi 的 Agent 已经能把 Excel 玩得挺深了。
不只是简单填表。它在做复杂表格的时候，会尽量把数字格式、文字格式都保留对，而且还能主动用函数，把同一个文件里的多张表连起来用。
我试过一个比较重的场景：让它给一家 B2B 的 AI 公司，直接搭一个三年期的动态财务预测模型，最后输出成一个 Excel 文件。
这个 Excel 里是多张表一起用的，比如收入、成本、现金流、假设条件分开做，但彼此是联动的。改一处假设，其他表的数据也会跟着变。
下面是我当时用的提示词：
**Role Setting (角色设定):**你是一名专注于 TMT 行业（科技、媒体、通信）的顶级风险投资分析师，深谙 SaaS 估值体系与 AI 企业的成本结构（Token Economics）。**Mission (任务):**请为一家名为 "GenWriter AI" 的 B2B 生成式 AI 公司构建一个 **3年期动态财务预测模型**。 输出格式为 **Excel**。**Logic Constraints (逻辑约束):*** 模型必须反映“规模效应”：假设随着用户量增加，通过微调（Fine-tuning）自研模型，单位 Token 成本在 2027 年开始显著下降。**Output (输出文件):**[GenWriter_AI_Financial_Model_v1.xlsx]
其实也不用等很久，Kimi Agent 很快就把核心结构搭出来了，一共 5 个 sheet。
假设条件那一页把客户增长、Token 使用、运营成本都单独列出来，而且所有能手动改的输入项都会用黄色标好。
损益表是按 36 个月拉开的，第三方 API 费用和云算力成本分得很清楚。
因为这些表之间是联动的，如果分散在好几个工作表里，其实来回切着看还是有点费劲，不够直观。于是我又让 Kimi Agent 直接帮我把这 5 张表的核心内容汇总到一张表里。
它理解得也很快，把关键指标抽出来放在一起，这样一打开就能看到整体情况，改动某个输入项，汇总页里的结果也会跟着一起变：
然后在这张汇总表里，有一个变量特别关键，就是 AI 成本的驱动项。对这种 AI 公司来说，成本变化往往是从 Token 成本开始的，一旦这个数变了，后面会带出一整串反应。
我当时就直接动了一下 Token 成本的年下降幅度，整张表里的财务预测都跟着一起变了，整个模型是连着在跑的：
2）排版和精准修改、添加能力
我后来发现 Kimi Agent 在处理 PDF，尤其是长文本 PDF 的排版上，表现也挺稳的。
去年年底，上海浦东美术馆办过一场关注度很高的展，主题是卢浮宫里印度、伊朗和奥斯曼相关的艺术杰作。
我就顺手试了一下，让 Kimi Agent 直接帮我做一份上海浦东美术馆的策展导览 PDF，看它能不能把内容和结构一起处理好。
提示词如下：
**Role Setting (角色设定):**你现在是一名深谙伊斯兰艺术史、精通符号学的卢浮宫高级策展人，同时也是一位极具审美水准的资深艺术出版编辑。你刚刚在上海浦东美术馆（MAP）完成了《图案的奇迹》大展的布展工作。**Mission (任务):**你的任务是为这次展览制作一份 **深度导览 PDF (Exhibition Guidebook)**。 核心目标是：**“教会观众阅读图案”**。你要打破“装饰即肤浅”的偏见，通过图像和文字，让观众理解图案是如何作为一种通用的外交语言、权力的象征以及精神的寄托，流转于印度、伊朗和奥斯曼三大帝国之间。**Output Requirement (输出强制要求):**直接以生成 **PDF** 文件的逻辑来组织内容（请在最后提供下载链接或生成文件）。
我随便截了几张图出来，一张是首页封面，后面也截了一些正文页。整体看下来，这份 PDF 的完成度其实挺高的。
你能看到它在同一个文件里用了多种排版方式，标题、正文、不同层级的文字区分得很清楚，英文部分会用斜体或加粗来区分，引文也有单独的格式，还会用黑色底框、边框这些元素来做强调。
我后来又仔细翻了一下这份 PDF，它在正文里用了不少表格，而且是那种标准的三线表，用来整理展览信息的时候还挺合适的，不会显得乱。
另外在引用块那一部分，排版也做得比较到位，层级清楚，和正文区分得很明显：
当然，这一版里它其实没有放图片，因为我一开始也没让它加。
后来我就特意加了一个要求，让它在不改动原有结构的前提下，往原 PDF 里插入图片，看看它对现有文件的修改能力怎么样。
结果还挺稳的。
图片加进去了，但原来的文字、表格和引用格式基本都没被破坏，整体排版几乎没有出现明显错乱：
3）超长文本能力
最后再说一个点，是我在实际用的过程中慢慢感受到的。
现在的 Kimi Agent 对超长文本的适应能力已经挺强了，不管是上万字的 Word 文档，还是同样体量的 PDF，它都能比较稳定地处理。
我当时先让它帮我做了一份关于全球具身智能 AI 的白皮书，用的是 Word 文档格式，主要就是想看看在篇幅拉得很长、结构很复杂的情况下，它还能不能把格式和内容一起弄完。
提示词如下：
**Role Setting (角色设定):**你是一名科技行业的资深咨询顾问，擅长撰写深度行业洞察报告（Whitepaper），风格对标麦肯锡（McKinsey）或 Gartner。**Mission (任务):**撰写一份题为 **《2026 全球具身智能产业发展白皮书》** 的深度报告。 输出格式为 **Word**。**Output (输出文件):**[Embodied_AI_Whitepaper_2026.docx]
接着用下来一个很直观的感受是，Kimi Agent 的工作速度确实很快。哪怕是在 Word 这种对格式要求比较细的文档里，它给出的排版也依然还可以，标题层级、正文间距、引用和列表都处理得比较干净。
你也能看到，在左下角，它很快就生成了一整份完整的文档，差不多 42 页、两万字左右：
而且这份文档里的内容结构感很强，所有标题都已经和目录连好了，你可以直接在目录里点某一节，就跳到对应的位置，用起来很顺。
甚至连页眉和页脚这种细节，它也一起处理好了，标注很清楚，页码、章节信息都对得上：
而且我还发现一个挺实用的变化，现在的 Kimi Agent 已经可以直接在 Word 文档里做修改和批注了，这点在实际干活的时候真的加分。
比如我让它不要重写全文，而是在原来的 Word 里，找合适的位置，用一个行业专家的口吻去插入详细的修改意见：
这时候它就会直接在原来的 Word 文档里，在对应的位置插入详细的修改批注：
甚至如果文档里有一些数据表格，你也可以让它单独把表格做成图片，再插到合适的位置。整个过程是在原文件里完成的，不需要你来回导出重排。
当然，它也可以把同样的内容直接做成一整套 PPT。我当时还特意指定了一种我自己比较喜欢的咨询风格，就是偏贝恩咨询那一套。
下面我截了不少 PPT 的页面，你能看到整体的可视化做得比较统一，颜色搭配也还可以。
这是我下载到本地之后的 PPT 文件，基本没有出现明显的排版错位问题：
当然，上面那些还只是万字量级。
最近，我在看莫言的一部小说，就把那份小说的 PDF 直接传给它。这个 PDF 章节很多，我的要求也很直接：整本书全部转成 Word，前两个小节先翻译成英文，后面的内容保留中文，方便我之后再核对。
提示词如下：
把莫言的《丰乳肥臀》小说的前 2 个小节，先翻译成英文，后面保留中文，我还需要再对一遍
结果你会发现，它在处理这种超长文本的时候依然很稳。
PDF 一开始的封面就已经做了基本的排版，章节也被清楚地拆开，用标题结构整理好。左下角能看到，PDF 转成 Word 之后，整份文件大概有 1500 页，差不多 16 万字：
我后来又仔细翻了一下，整本内容基本都被完整保留下来了，尤其是小说里人物说话的格式，它都会按原来的样子处理，该换行的换行，该留空行的地方也都会留着：
再往下看，我发现它是真的把前两个章节完整翻完了，直接就是五万字左右的英文内容，这个工作量本身就已经很大了，而且还是在保持原有结构的情况下完成的。
基于它在长文本上的这种能力，我后来又想到一个挺实用的用法。
比如我让它直接当一次「剧本杀编剧」，一次性给我做一整套内容，包括一份 DM 手册，加上六个人物的独立剧本。每一份剧本我都要求用比较成熟的排版来做，是要有图片、有清楚的结构划分。
提示词如下：
**Role Setting (角色设定):**你是一名金牌剧本杀（LARP）编剧，擅长“本格推理”和“硬核还原”风格。你的逻辑极其严密，擅长埋藏伏笔。**Mission (任务):**请创作一个名为《暴风雪中的山庄》的 6 人封闭式剧本杀游戏剧本。**核心诡计**：利用“时间差”和“房间结构”制造的不在场证明。**Output Requirements (输出强制要求):**你需要生成一个 **PDF 合集**，包含以下独立部分（请用分页符隔开）：1.**【DM 手册（主持人版）】**： * 上帝视角的案件真相全解（凶手是谁、手法、时间线）。 * 游戏流程控制表（第一幕搜证、第二幕公聊、结局复盘）。2.**【6 份独立的人物剧本】**： ***角色 A（凶手）**：剧本中必须包含对其行凶过程的隐晦描述（不能直接写“我杀了人”，要写“我举起了花瓶...”），以及如何撒谎的策略。 ***角色 B-F（嫌疑人）**：每个人都有自己的秘密任务（支线），和特定的视角盲区。 ***关键要求**：所有角色的时间线（Timeline）在逻辑上必须是互斥且能拼凑出真相的。例如：A 在 20:00 离开房间，B 必须在 20:05 看到走廊有人影。**Style:*** 文风要悬疑、有代入感。* 每个角色的剧本封面要设计不同的“人物小传”和“初始属性”。**Output:**[Script_Blizzard_Mountain_Full_Kit.pdf]
你会发现，Kimi Agent 后面其实是按它自己先设定好的六个角色来走的，每个角色都会单独生成对应的头像图片，而且风格是统一的：
最后它会花一点时间把整套东西跑完，然后一次性给你六个角色各自的 PDF 文件。每一份里都会包含完整的角色档案、故事正文，还有各自的秘密任务：
这里我截了其中两个人物当例子看了一下。每个角色都会有一份完整的封面，而且封面不是随便糊的，排版做得很规整。
右侧是角色本人，用的是 AI 生成的形象图，左侧放的是剧本主题和人物信息，层次很清楚。
翻到第一页，就是这个角色的角色档案，再往后才是正式的剧本内容：
把这些体验串在一起看，其实会发现一个很一致的方向：一段本来很长、很碎的工作流程，是可以被 Agent 慢慢压缩掉的。
传统流量生意的底层逻辑，是尽可能多地占用用户时间：刷得越久、停得越长，商业价值越大。而 Agent 产品是反着来的，它存在的意义，是帮你把时间省下来。
这一点，正在被 Kimi Agent 这类产品验证。
可以说，如果一个 Agent，能在 5 分钟内完成你过去需要 5 小时才能做完的工作，那么即便你只用它 5 分钟就关掉，它依然是一款极好的产品。
🚥
文章最后，我们再把视线拉回到 1 月 10 日的清华园。
在那场对话里，杨植麟提到了一个让他「着迷」的不行的东西：最美的 Loss 曲线。这代表着模型智能持续、稳定的增长。但对普通用户来说，或许还有另一条同样重要、甚至更重要的曲线：个人效率提升的曲线。
2026 年，Kimi 正在尝试让这两条曲线交汇。
在这个新阶段，人可能不再像之前那样，需要要学习如何操作复杂的软件，AI 本身，正在成为最通用、也最自然的界面。
虽然还没实现，但进展值得期待。
