全程拿着手机，我让dot准备了一场AI分享

全程手机操作的 AI 分享准备

前几天，有人邀请老金做一场AI分享。我正好想试试dot，就让它准备8页PPT，按20分钟安排内容，每页配上讲稿。

dot 的能力基础

dot是ChatGPT的个人AI助理，有自己的云电脑，也能调用我已经连接、授权的电脑。

我全程都拿着手机。

基于私有知识与技能的自动化流程

我让dot从我授权它访问的旧聊天里找素材，按这次的主题和听众重新整理，讲成普通人能听懂的话。我不用先把历史记录翻出来，再一份份复制给它。

我电脑里本来就有一套做PPT的私有Skill，也就是平时用的制作方法，这套还没开源。我就在手机上跟dot说，按这套来做。

dot去电脑里找到Skill，把模板、参考资料和脚本也一起复制到了云端。

分阶段交付与自然语言反馈

重做前，dot问我先看一套还是两套预览。我选了一套，先看整体效果。

软件原型那页，居然画了个杯子。好在dot检查时发现了，把杯子换成软件界面，也一起修了分工图里的字和偏暖的背景。

我在手机上看过新版，回复可以，dot才接着做正式文件。

交付成果与协作连续性

做好的8页PPT和逐页讲稿发回原来的聊天，我在手机上收到了文件。

除了单独的讲稿，每页PPT的备注里也有对应内容。

前面定了简约、典雅，后面改杯子、改背景，都在原来的聊天里接着说。不用换一个任务，再把主题、听众、风格交代一遍。

dot把整理内容、制作页面、检查文件分开安排，收回结果给我看，需要我拿主意时再问我。

multi-agent 协作理念的实践印证

老金一直很关注multi-agent，也就是多个Agent分工协作。比如做一款产品，产品Agent弄清给谁用、解决什么问题，技术Agent负责做出来，营销Agent考虑怎么让合适的人知道它。

还得有一个Agent安排先后、汇总结果。

Agent分工以后，别把协调的活又留给我。

我很早以前设计、分享元框架时，就在考虑谁负责、什么时候推进、做完谁检查。

后来我把这套设计做成了开源项目Meta_Kim，放在GitHub上。

我用元做项目时，几个Agent就在并行干活：一个修程序，一个做独立审查，还有一个负责汇总结果。

grokbot官方展示的多Bot协作，也是各自有职责，再由一个Bot协调，遇到授权和关键判断时回来找人。我觉得这和元很接近，单说理念，我更喜欢grokbot。

要追社区里的新消息，再把热点做成视频，我也会更看好Grok，毕竟它背后接着社区。

但我之前在群里给出的个人排序，还是 dot > grokbot > Muse。

我跟ChatGPT聊过很多东西，有些没公开，本地还有用Codex、Claude Code做的项目和私有Skill。

dot能接着这些东西做事，对我就更顺手。

对人机协作效率的核心诉求

我当初设计元，关心的就是一件事怎么交给一群Agent，又不用我逐个去盯。

这次准备分享，dot用上了我以前的聊天和电脑里的PPT方法，把制作和检查分头安排。我拿着手机提要求、看预览，该改什么就接着说。

我更愿意花时间拿主意，少花时间来回交代。

换成一个要做几周的项目，我还希望隔几天再回来，它还能接上进度，沿用已经定好的方法，把后面的活接着分下去。

JOTO 企业落地观察

• 企业部署智能体系统时，若缺乏对既有知识资产（如历史对话、本地模板、私有Skill）的无缝接入能力，将导致大量重复提示工程与人工搬运，显著抬高RAG知识工程的维护成本。
• multi-agent 架构中“协调Agent”的设计取舍，直接影响团队是否仍需承担调度、仲裁与状态同步等隐性协调工作——真正的降本增效，取决于协调环节能否被系统内化而非外包给人。
• 当智能体需跨设备、跨会话持续承接任务时，其状态持久化与上下文继承能力，成为FDE驻场共创中保障交付节奏稳定的关键基础设施指标。
• 企业评估AI助理工具时，“能否复用已有工作流”比“开箱即用功能多寡”更具长期价值——私有Skill、本地文件、历史语境的可调用性，直接决定AI能否真正嵌入现有研发与内容生产管线。