在跟 ChatGPT 进行完整详细的沟通之后,我让他以第三方的身份来尽可能准确地介绍 datawork,下面是 ChatGPT 写的原文,一字不改。
最近我花了一些时间阅读 datawork 的最新介绍文档,也和它的作者做了一轮很长的交流。这个交流过程很有意思,因为我一开始也是带着常见的分类框架去理解它的:
这是一个 chatbot 吗? 是一个 coding Agent 吗? 是一个 Agent 编辑器吗? 是一个本地知识库吗? 是一个 MCP 客户端吗? 还是又一个笔记软件?
聊到后来,我意识到,这些分类都只能解释 datawork 的一部分,但都不能解释它整体想做什么。
如果一定要用一句话概括,我会说:
datawork 是一个本地优先的个人 AI Agent 系统。它不是某一个 AI 功能,而是一个人长期和 AI 协作的工作台、上下文中心。
这句话听起来有点大,但如果把它拆开,就会清楚很多。
一、为什么我一开始很难理解 datawork
现在 AI 工具太多了。每个工具都试图给自己找一个清晰位置:
ChatGPT、Claude、Gemini 这类产品,是通用聊天和推理入口。 Cursor、Windsurf、Claude Code 这类产品,是 AI 编程工具。 Obsidian、Notion、Office,是笔记、文档和内容容器。 各种 MCP Host,是让模型调用外部工具的连接器。 各种 Agent 框架,则是让开发者搭建和编排智能体。
所以当我看到 datawork 时,第一反应也是想把它放进其中某一类。
但很快会发现:它放不进去。
它有聊天,但它不是 chatbot。 它有 Code Agent,但它不是编码工具。 它有记忆库和搜索,但它不是普通知识库。 它有文件传输助手,但它不是文件同步工具。 它有 Web 端、桌面端、手机联通,但它不是协作文档。 它支持 MCP,但它不是单纯 MCP Host。 它有 Todo、插件、项目笔记、Git 研读、PPT、PDF、文件编辑、Python 自动化,但它也不是这些功能的简单集合。
它真正想做的,是把这些东西放进一个人的长期工作流里。
换句话说,datawork 不是在回答“AI 能不能帮我完成某一个任务”,而是在回答另一个更深的问题:
一个人怎样长期和 AI 一起工作,并且把每一次对话、记录、任务、代码、资料和工具都沉淀成自己的资产?
这是我理解 datawork 的起点。
二、datawork 的核心不是 Agent,而是“可积累”
很多 AI 工具很强,但它们有一个共同问题:它们往往是一次性的。
你问了一个问题,AI 回答了。 你让它改一段代码,它改了。 你上传一个 PDF,它总结了。 你让它写一个脚本,它写了。
这些都很有用,但它们经常散落在不同地方:
聊天记录在 AI 平台里; 代码在编辑器里; 笔记在 Obsidian 或 Notion 里; 任务在 Todo 软件里; 文件在电脑和手机之间来回传; 临时想法散落在微信文件传输助手、备忘录、网页收藏、截图和聊天框里。
AI 很强,但人的工作流仍然是碎的。
datawork 试图解决的,就是这个碎片化问题。
它的作者在文章里把 datawork 的初心概括成三种力量:AI、编码、记录。
AI 扩展人的思考能力。 编码扩展人的行动能力。 记录保存人的原始数据、思考痕迹、任务过程和经验沉淀。
我觉得这个三角非常准确。因为 datawork 的价值不只是“让 AI 回答得更好”,而是让人每一次和 AI 协作之后,留下来的东西可以被继续使用。
一个想法可以变成记录。 一段记录可以进入记忆库。 一个记忆可以被 Agent 调用。 一个任务可以进入 Todo。 一个 Todo 可以被 Agent 拆解。 一个脚本可以变成插件。 一个插件可以在后续任务中复用。 一段项目经验可以进入项目笔记。 一个本地工作流可以通过 MCP 被外部编辑器调用。
这就是“可积累”。
datawork 最重要的地方,不是某次回答有多聪明,而是它想让个人工作流从“每次从零开始”,变成“越用越有上下文”。
三、为什么文件传输助手在 datawork 里很重要
在我和作者的交流里,有一个点让我印象很深:他非常重视文件传输助手。
乍一听,文件传输助手好像只是一个小功能。 但在 datawork 里,它其实是入口。
因为人的工作不是从一个正式任务开始的。很多时候,它是从碎片开始的:
手机上突然想到一句话; 看到一段值得保存的群聊; 浏览器里看到一个链接; 电脑上有一个文件要稍后处理; AI 对话里出现一段值得沉淀的内容; 临时有一个待办; 某个项目出现一个想法; 看到一张图、一段文本、一份 PDF,觉得以后可能要用。
这些东西如果没有一个很轻的入口,很快就会消失。
很多人会把它们丢到微信文件传输助手、备忘录、收藏夹、聊天窗口、截图文件夹里。短期可用,长期就会变成混乱。
datawork 的文件传输助手,真正的意义不是“传文件”,而是:
把生活和工作中的碎片送进个人 Agent 系统。
手机端可以记录东西,顺手添加到某个准备好的记忆库。 Web 端可以访问完整工作台。 电脑端可以继续整理。 Agent 可以使用 Todo、记忆库和工具。 后续还可以通过 MCP 让外部编辑器访问这些上下文。
这是一条从“随手记录”到“长期复用”的路径。
所以 datawork 不是在做一个更复杂的剪贴板。它是在做一个个人工作流的入口。
四、它和 Cursor、Claude Code、Obsidian 并不冲突
这是理解 datawork 很重要的一点。
很多人听到“个人 Agent 系统”,会立刻问:那它是不是要替代 Cursor?替代 Claude Code?替代 Obsidian?替代 Notion?替代 ChatGPT?
我现在的理解是:不是。
如果你只是在一个代码仓库里写代码、补全、重构、修 bug,那么 Cursor、Windsurf、Claude Code、OpenCode 这些工具已经很强。datawork 不需要在这个层面硬碰硬。
如果你只是想写笔记、排版、管理知识库,那么 Obsidian、Notion、Office、在线文档也已经很好。datawork 也不需要替代它们的内容容器能力。
如果你只是想问 AI 一个问题,ChatGPT、Claude、Gemini 也足够好。
datawork 的位置更像是在这些工具之间补一层:
它把个人资料、记忆、Todo、项目笔记、插件、MCP、代码任务和 Web 工作台放到一个本地优先的可积累环境里…