不用跳出聊天框，长按键盘就能让AI直接干活了

当前聊天场景中的 AI 使用痛点

朋友聊天时问起一件你不太清楚的事，或者抛出一个你答不上来的问题；你得先退出聊天，打开一个对话式AI，把问题重新打一遍问清楚，再把答案复制粘贴回聊天框里。

有时候情况反过来，打字打到一半，脑子里突然冒出一个说法，你想表达清楚却一时找不到合适的词，也得先跳出去问一下AI该怎么说，问完再回来接着打这句话。

又或者聊天聊到一半，对方提议约个会议时间，你又得跳转到日历或者会议软件，建好链接以后重新粘贴发回去。

这类流程几乎每个人每天都会碰到几次。虽然现在的对话式AI已经很强了，但问题在于这些能力大多数时候待在另一个APP里。

用户在聊天框里产生需求的那一刻，用户需要先离开当前场景，找到能处理这个需求的应用，处理完再回来，整个过程被切成好几段。

每一次切换都要重新加载上下文，对方发来的那句话、当时的对话气氛，很容易在来回跳转里被打散。

Acti 的定位与技术路径

Acti 想解决的正是这个位置问题。它没有再做一个等着用户主动打开的AI应用，直接进入了所有手机APP都要调用的键盘。

这款键盘由新加坡团队开发，创始人兼CEO是Young Wang，此前在百度国际工作近十年，参与把Facemoji Keyboard做到超过三亿日活，后来这款产品被a16z列进全球Top 50生成式AI移动应用榜单第九位。

同样的，他们的CTO Mike Sun此前带过百度旗下相册产品的技术团队，有过把消费级应用做到千万日活的经验，这两段经历让团队在键盘这个赛道上不算新人。

团队今年六月底正式发布Acti，同时公布了一笔530万美元的种子轮融资，由BITKRAFT Ventures领投，钱主要用在工程和AI岗位的招聘、on-device能力的加强，以及Skill生态和开发者社区的扩展上。

三种典型执行场景

长按键盘之后，AI能做的事情可以用几个具体场景来说清楚。

第一种是聊天时查信息，输入附近的意大利餐厅、某只股票的价格、天气或者比赛结果，长按空格键触发Acti Bar，结果会直接出现在当前的聊天界面里，不用打开地图或者行情软件。

第二种是聊天时找东西，输入一个关键词，Acti会从已经连接的第三方平台，如Notion里，定位对应的文件，把链接直接插入到正在进行的群聊中。

第三种是聊天时完成操作，比如创建一个Google Meet链接、查一下日历安排，或者运行一个提前设置好的工作流Skill。

用户输入的文字不再只是文字，它同时携带了一个可以被执行的意图。

分层交互设计与 Skill 生态

查信息、找文件、建会议，指向的都是不同的工具和数据源，键盘要做的是判断这句话该交给哪一个工具，再把结果用最合适的形式贴回聊天框。

操作流程也不复杂。用户写下自己的需求，长按Acti Bar就好了。键盘背后调用模型和工具生成结果，结果会先展示出来，等用户确认之后才会插入到当前对话中。

Acti的分层设计也值得一提，输入法最上面一层是Acti Bar，相当于通用入口，用户临时说出自己想完成的任务，不需要提前设置任何快捷键，直接把需求打出来长按空格就能触发。

往下一层是Skill Keys，相当于高频快捷入口，比如经常翻译内容，就把翻译绑定在T键；经常创建会议，就绑定在M键；经常搜索Notion文档，就绑定在N键，用户可以按自己的使用习惯把最常用的动作固定到某个字母上。

再往下一层是围绕技能本身建立的生态，包括生产和分发两端。

生产端叫Skill Builder，用户只需要用自然语言描述自己想要什么，比如说清楚要连接哪个应用、调用什么接口、走什么样的流程，系统就能帮忙生成一个可复用的技能。

分发端叫Skill Community，用户可以把自己做的技能分享出去，也可以直接安装别人做好的技能。

官方透露早期用户已经创建了超过一千个自定义技能。

技术分工与能力边界

比如，用户输入找到公司上周的产品方案，再帮我用一句话发给同事，这条指令交给Acti之后。首先会由Gemini理解用户想找什么，以及最终希望拿到什么样的结果；

接着Acti根据已经绑定的Skill，去调用用户事先授权的Notion或者其他工具，完成检索和取数；

最后把找到的文件和生成的回复一起展示在键盘里，交给用户确认。Gemini负责理解意图和生成表达，外部应用和API负责拿到数据、执行动作，分工很清楚。

Acti目前可以连接Gmail、Slack、Notion等六类应用，调用超过一百五十个API。不过Acti现在算不上那种盯着手机屏幕到处点击的通用Agent，更接近一个可以调用固定工具和固定工作流的键盘执行器。

产品演进路径与竞争环境

在此之前，团队有个最早期的版本叫Type BongoX，解决的是一款输入法最基本的问题，提供多种主题皮肤，支持Material You自适应系统配色，做了联想输入和自动纠错，配上声音和震动设置，是一款偏传统的第三方键盘，上线时间不长后来下架了。

紧接着团队推出了TypeX Keyboard，也就是改名后的Acti。

它的核心机制是每输入满一百次就能开一个盲盒，一只叫BongoCat的猫负责记录用户的击键次数，凑够次数就解锁奖励。

应用里准备了一万多张KeyCards收藏卡片，分成从普通到至尊一共五个稀有度，用户可以用收集来的卡片装饰自己的键盘背景，也能把卡片送给好友一起收集，开盲盒的过程中还会插入一小段广告。

这个阶段团队想解决的问题跟打字效率没有太大关系，核心是怎么让用户愿意天天打开这款第三方键盘，愿意在上面多停留一会。

并且这套玩法的逻辑跟很多轻度手游很像，用固定的行为触发不确定的奖励，用收藏和社交关系拉住用户，广告则负责把停留时间换成收入。

到了今年，同一款应用又经历了一次彻底调整，产品页面上的猫、卡片和盲盒全部被拿掉，长按按键的动作被重新定义成调用Skill，键盘开始承担查资料、找文件、建会议这些工作。

并且早期版本还设计了长按M键查看近期热门的meme币，而现在的产品主打的就是用户的意图怎么变成结果、链接和动作。

Type BongoX做的是基础的个性化体验，TypeX做的是游戏化和用户留存，Acti把答案换成了AI执行，同一群人在同一块画布上反复试验，把方向对准了正在快速起量的Agent能力。

键盘作为 action layer 的独特价值

键盘几乎所有APP都会调用，聊天软件、邮件客户端、笔记应用、社交平台都要用到系统键盘，用户不需要为每一款APP单独接入Acti。

更关键的是，键盘能直接接触到用户主动输入的文字，这些文字就是意图最清楚的表达，不需要额外的解析和猜测。

每一个文本框都可以变成一个action layer，团队希望用户表达意图的位置，同时也是执行任务的位置。

这个思路跟现在市面上一些实体AI键盘的做法有点像，实体AI键盘是在电脑桌面上加一排快捷按键，用户按一下就能唤起某个固定指令，Acti则是把类似的能力做进了手机软件键盘的Skill Keys里，两者用的是同一个思路，只是一个落在硬件上，一个落在软件里。

差别在于手机键盘的使用场景比桌面键盘更零散，桌面前的用户往往在专注做一件事，手机上的用户随时可能被聊天消息打断；打字打到一半就要转去查信息或者建会议，这类需求出现的频率也更高，软件键盘的Skill Keys因此比桌面快捷键有更多机会被用到。

挑战与差异化空间

不过在实际过程中可能还有写问题需要面对。最主要的来自系统厂商，像Google已经宣布把Gemini能力加入Gboard，覆盖语音转写、内容整理等功能，苹果和其他系统厂商也在往自家键盘里塞更多AI功能。

系统厂商同时拥有默认键盘、操作系统和模型，天然占据分发上的优势，Acti作为第三方应用，需要靠更丰富的Skill生态和更灵活的工具调用去拉开差距。

键盘不会因为加入 AI 就自动成为万能工具。它的价值来自对零碎步骤的压缩，也来自 Skill 对个人流程的持续适配。

去年，这个团队还在用猫咪、卡片和盲盒鼓励用户多打几个字，如今，同一块键盘开始尝试查询信息、寻找文件和创建会议链接。

Acti想做的是，当这句话表达出一个明确需求以后，键盘能顺手把下一步也接下来。

JOTO 企业落地观察

• 企业部署智能体不应追求“全场景覆盖”，而应聚焦高频、高摩擦、强上下文依赖的碎片化任务——如会议邀约、跨系统查数据、即时翻译等，这正是 Acti 所验证的切入点。
• 键盘作为系统级入口，其天然的意图捕获能力（用户主动输入即意图）优于被动唤醒或菜单式调用，这对企业构建轻量级 RAG 知识调用层具有启发：可将知识检索入口嵌入员工日常办公工具（如 Outlook 插件、Teams 输入框），而非另建独立问答界面。
• Acti 的 Skill Builder 用自然语言定义工具链，降低了非技术人员参与智能体编排的门槛；企业若引入同类能力，需同步建设内部 API 接口标准化规范与权限治理机制，否则 Skill 生态将难以规模化复用。
• 第三方键盘在 iOS/Android 上的权限限制与系统厂商 AI 集成趋势，预示着企业级智能体未来将更依赖 OS 原生能力或 MDM 统一管控下的定制化输入法，FDE 驻场共创需提前评估终端策略兼容性。