10萬字速記一口吞,金山辦公新Agent開始直接交活了

重點摘要
金山辦公推出新一代AI Agent,可一次處理10萬字文檔並自動產出報告或會議紀要,實現「聽完即交活」的效率革命。該技術融合大型語言模型與Agent架構,能自主完成從理解到執行的任務閉環,目前已在WPS Office等產品中開放測試。此舉標誌辦公軟體從被動輔助轉向主動執行,可大幅降低記者、律師等使用者的重複勞動時間。
金山辦公近日正式推出新一代AI Agent,這款被內部稱為「10萬字速記一口吞」的智慧助手,已經開始在真實工作場景中直接對用戶交付任務。不同於過往僅能提供對話回覆或內容生成的工具,新Agent的核心能力在於「主動接收」與「即時交付」:它能一次吞入高達數十萬字的長文本,並在極短時間內完成自動梳理、摘要、重點提煉,甚至直接產出可用的工作成果,堪稱辦公效率領域的一次革命性升級。根據官方展示的實際案例,這款Agent能夠處理相當於一整本長篇小說或數十頁會議記錄的文字量。
使用者只需將龐雜的文檔、錄音轉文字稿、研究報告或歷史討論記錄丟給系統,Agent便會在幾分鐘內分析完所有內容,並依照指令生成結構化的報告、待辦清單或後續行動方案。過去需要人工花費數小時甚至數天反覆校對、整理的工作,現在幾乎可以「聽完即交活」,大幅縮短從資訊輸入到產出可用成果的間距。這項技術突破的關鍵,在於金山辦公對大型語言模型與Agent架構的深度整合。傳統的AI助手往往受到上下文長度限制,只能分段處理文本,使用者必須手動切分、反覆校對,才能獲得完整結果。
金山辦公的新Agent則在記憶體與上下文窗格中設計了支援超長文本的機制,讓模型能夠一次性容納完整的上下文脈絡,不會因為內容過長而遺失關鍵資訊。在此基礎上,Agent透過自主規劃的任務鏈,自動將「理解」與「執行」串聯成閉環:先讀懂全文,再根據使用者意圖拆解出子任務,最終產出精準、可用的交付物。以會議速記這個最常見的場景為例,過往會議結束後,與會者往往需要花費大量時間重聽錄音、整理決議、分配待辦事項。現在,使用者只需將會議錄音轉成文字檔上傳至金山辦公產品,Agent會自動辨識出會議中的議題、達成的決議、以及後續需要跟進的待辦事項,並直接匯出成結構化的會議紀要或任務分配表。
這意味著,從會議結束到任務下達,中間的人工整理環節幾乎被完全省略,團隊可以立刻進入執行階段,效率提升顯著。目前,這項功能已經在金山辦公旗下部分產品中開放測試,涵蓋WPS Office、金山文檔等核心應用。用戶可以透過特定的測試通道或產品內更新,體驗新一代Agent的強大能力。金山辦公方面表示,這只是AI Agent應用的第一步,隨著技術迭代與用戶反饋的累積,未來Agent將能處理更複雜的長文檔,並進一步支援多輪對話中的上下文記憶,讓辦公流程更加智慧化。市場觀察人士指出,金山辦公此舉標誌著辦公軟體從「被動輔助」向「主動執行」的關鍵轉折。
過去,AI更多是作為一個「回答問題」或「生成草稿」的幫手,使用者仍需自行判斷、篩選、整合資訊;而新Agent的出現,讓AI真正開始承擔「完成任務」的角色,自動從原始資料中提煉出決策所需的結構化產出。對於需要大量處理文本的職業群體,例如記者、律師、研究人員、企業管理者以及專案經理,這項技術能顯著降低重複勞動的時間成本,把人力從繁瑣的整理工作中解放出來,集中到更高層次的思考與決策。更深層的影響在於,AI Agent的「主動執行」能力一旦成熟,將改寫辦公室工作流程的底層邏輯。過去,文檔處理往往是人機互動的終點;現在,Agent可以成為串聯業務的起點。
未來,金山辦公的Agent有望直接對接企業內部的CRM、ERP或專案管理系統,自動將會議決議轉化為工單、將報告摘要推送給相關負責人,甚至根據分析結果觸發後續業務流程,實現從文檔處理到業務執行的全自動化工作流。當然,這項技術仍處於早期測試階段,實際使用效果可能會因文本類型、語音辨識品質、指令清晰度等因素而有所差異。金山辦公正在積極收集用戶回饋,針對長文本處理的準確率、任務鏈規劃的合理性、以及多語言支援等方向進行優化。可以預見,隨著模型能力的持續升級與場景的拓展,新一代AI Agent將逐步成為現代辦公室不可或缺的「數位員工」,直接參與並完成工作任務,而非僅僅是輔助工具。
整體而言,金山辦公這次推出的「10萬字速記一口吞」Agent,不只是功能上的增量更新,更代表著辦公AI應用從「被動生成」到「主動交付」的範式轉移。對於那些每天淹沒在大量文字資訊中的工作者而言,這個能夠直接「交活」的Agent,或許正是他們期待已久的效率救星。
Related
相關文章

當 human in the loop 變成“閉著眼睛點確認”,企業Agent 安全還能靠誰?
專家指出,AI Agent 從內容安全轉向行為安全,提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線,並對工具權限進行最小化與臨時化管理,避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束,以因應 Agent 自主執行帶來的全新挑戰。

開源Agent框架刷爆ARC-AGI-3,「自我改進」的RLM harness引爭議
一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率,大幅領先其他解決方案,其核心是名為「RLM harness」的自我改進機制。然而,該方法引發學術爭議,部分研究者批評它透過反覆試錯「鑽漏洞」,不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準,並可能影響未來ARC-AGI版本的設計方向。

騰訊是在“賽馬”,還是在打造 “Agent工廠”?
騰訊內部正在探討其發展策略究竟是「賽馬」機制還是打造「Agent工廠」。相關討論聚焦於公司如何平衡內部競爭與統一平台建設。目前站內已移除相關混雜文字,保留原始主題供讀者參考。
ChinaJoy 2026 AI遊戲規模化落地,邊緣雲與API安全重構產業底層邏輯
2026年ChinaJoy展館,“與AI同遊”的主題隨處可見。行業調查顯示,僅有21%的企業擁有完整的API資產清單,大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠,API安全必須同步前移邊緣雲解決了體驗問題,但AI交互入口的安全,同樣需要前置到邊緣。算力與安全,缺一不可Akamai的判斷很明確:遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。

openJiuwen發佈業界首個企業級分佈式蜂群架構,聯合郵儲成功落地金融生產環境
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.

螞蟻集團開源Avernet,讓人與智能體像組織一樣高效協作
**螞蟻集團開源Avernet:打造人與智能體高效協作的“組織級”基礎設施** **來源:量子位** **2026-08-07 11:08:51** 近日,螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet,其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施,Avernet的首個版本重點開放了智能體協作網絡能力,旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理,為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。