### [Moxt](https://hello123.com/) **Published:** 2026-06-25T10:36:00 **Author:** hello123 **Excerpt:** Moxt 是 Agent-Native 工作空间,强制使用 Markdown、CSV、HTML 三种 AI 原生格式,通过目录树文件系统让 Agent 直接 grep 检索、按路径理解上下文。内置 momo 同事与团队共享记忆,注册即获 1000 Credits。点击了解计费细节。 **Moxt** 将所有工作数据强制转换为 Markdown、`CSV`、HTML 这三种 AI 原生格式,并以目录树文件系统组织——这一架构决策使 Agent 能直接 grep **检索**、按路径理解上下文,无需解析富文本排版或 block 结构。 ![Moxt截图](https://cdn.hello123.com/wp-content/uploads/2026/06/moxt.webp) ## Moxt 的文件系统优先架构:Agent 为何在 .md/.csv/.html 上跑得更快 Agent 在纯文本格式上运行更快,是因为 Moxt 从底层消除了数据格式对 AI 的“噪音”干扰。根据评测,传统协作工具中的飞书 block、Notion toggle、**PDF** 排版等非结构化数据,都需要 AI 先“剥一层壳”才能理解,而 Moxt 通过将 Word/PDF/Notion 统一转为 md、Excel 转为 csv、可视化报告转为 html,让 Agent 直接面对训练数据同构的文件。工作空间采用目录树组织,Agent 通过路径导航定位文件,与训练语料的管理方式一致。你可以将这一架构类比为“云端 Obsidian + 协作 Agent 的结合体:文件系统是记忆载体,momo 是执行引擎”。理解这个设计后,你就能有效组织空间:目录层级即上下文边界,文件名即检索锚点。 ## 多源格式自动转换管线:Word/PDF/Notion → md、Excel → csv 的映射规则 导入文件时,Moxt 自动执行格式标准化,但转换不是简单的扩展名修改——系统剥离富文本排版、提取纯文本结构、保留表格数据关系。据 CSDN 2026年4月评测,转换后 Agent 可直接对文件进行 grep 搜索和树状浏览。你需要明白的是:能导入什么格式和导入后损失多少信息,是两个不同的问题。 | 特性维度 | Word | PDF | Notion | Excel | | :--- | --- | --- | --- | --- | | 转换目标 | .md | .md | .md | .csv | | 保留字段类型 | 标题层级、有序/无序列表、加粗/斜体 | 文字层可提取的正文和简单段落 | 正文、列表、标题、代码块 | 单元格数据保留,首行通常为列名 | | 已知损耗 | 批注、修订记录、页眉页脚、首字下沉 | 扫描件不可提取;复杂分栏、艺术字可能丢失结构 | fold/toggle 列表会展开为正文;数据库视图仅导出表格数据;嵌入块变为链接 | 公式、多 sheet、图表、宏、条件格式均丢失 | | 适用场景 | 长文档协作、知识库总结 | 报告、论文、合同整理 | 从 Notion 迁移协作文本 | 数据表格导入,供 Agent 计算分析 | 转换发生在导入阶段,不可逆。如果你需要保留原稿的复杂排版,将原始文件作为附件归档,同时让 Agent 基于转换后的 md/csv 工作。 ## momo Agent 的 Skills 加载机制:自定义技能的声明、存储与调用流程 Skills 是控制 momo 行为模式的核心单元——以 .md 格式编写,定义 Agent 的输出规范、任务流程和约束条件。据腾讯网 2026年4月实测,在 **Claude** Code 中积累的 humanizer-zh(去 AI 味)、writing-rewriter(风格改写)等 Skill 可直接迁移至 Moxt。但 watcha.cn 评测明确指出:不加 Skill 或不喂材料时,Agent 表现平庸,加 Skill 后才有显著提升。这意味着实际效果高度依赖你的 Skill 设计质量。 1. **创建 Skill 文件**:在团队工作空间中新建 .md 文件,标题即为 Skill 名称。 2. **编写指令规范**:用 Markdown 结构化表达 prompt 指令,包含角色定义、输出模板、禁止行为、示例等。本质上是 prompt 工程产物。 3. **存储到工作空间目录**:将文件放置在约定的目录(如 `skills/`),确保 momo 可读取。 4. **Agent 运行时加载**:在对话中通过 `@momo` 并指定 Skill 名称,或通过自动路由机制触发。 5. **通过对话触发调用**:momo 加载 Skill 后,按照其中的规范生成响应或执行系列动作。 每个 Skill 独立为文件,支持团队共享。你可以组合多个 Skill 完成复杂流水线,例如先调用 research Skill 收集资料,再调用 writing Skill 生成文章。 ## Slack 远程调用与 GitHub、Google 文档的数据源接入边界 Moxt 通过插件机制对接外部平台,核心方向是单向数据读取——Agent 从外部拉取信息,纳入共享**知识库**。以下是当前接入的能力与限制: - **Slack 集成**:支持在频道内直接 @momo 下达指令并接收响应,实现跨平台 Agent 调用。但 momo 不能主动创建频道或修改频道权限。 - **GitHub 接入**:可连接仓库,Agent 能检索 Issue、PR、代码文件。然而截至 2026年4月,momo 尚无法直接关闭 Issue 或合并 PR,只能推送分析报告到工作空间。 - **Google 文档接入**:通过授权后,Agent 可读取文档内容,却无法修改原文或同步更改,必须手动复制回 Google 文档。 - **Webhook**:外部系统可触发工作流,实现自动化任务,但反向向外部系统写回数据需额外开发脚本。 对于需要 Agent 执行跨平台全链路操作的场景,你需要在 Moxt 外编写自动化脚本,利用 **Webhook** 或其他 **API** 弥补写入能力的缺口。 ## Credit 消耗模型实测:$10/1000 Credits 在真实会话中的消耗速度 Moxt 的计费单位是 Credit,截至 2026年4月官方定价为 $10/1000 Credits(约 ¥72),不支持模型选择——无论任务复杂度,统一费率消耗。watcha.cn 评测者报告,免费赠送的 1000 Credits 在约半小时对话中几乎耗尽。实际消耗受三个因素驱动:Agent 执行的 Skills 数量(每个 Skill 调用消耗额外 Credit)、处理的文件大小(大文件转换和检索消耗更多)、对话轮次(多 Agent 协作持续计费)。 | 特性维度 | 轻度(偶尔提问、小文件处理) | 中度(日常文档生成、多个 Skill) | 重度(多 Agent 并行、大文件频繁转换) | 持续 Agent 运行(几乎不间断) | | :--- | ---: | ---: | ---: | ---: | | 日均 Credits | 50 | 150 | 300 | 500+ | | 月成本(约) | $15(¥108) | $45(¥324) | $90(¥648) | $150+(¥1080+) | | 适合人群 | 个人笔记、简单问答 | 自媒体、小型团队 | 内容工作室、研发团队 | 自动化工厂、数据监控 | 与竞品对比:飞书智能伙伴按席位**订阅**(企业版约 ¥50-120/月/人),Notion AI $10/月/成员(约 ¥72)——Moxt 的按量计费在低频使用时更经济,但高频场景下成本可能反超,且缺乏订阅上限保护。 ## 团队共享记忆的数据隔离缺失:多 Agent 共享知识库时的上下文污染风险 “纠错一次、全局进化”的共享记忆机制在提升效率的同时,暴露出硬性架构限制:当前系统未提供命名空间隔离或 Agent 级数据权限控制。所有 Agent 共享同一份知识库——这意味着一个 Agent 的错误判断或低质量数据会即时污染所有 Agent 的上下文。对于处理多客户项目的团队,这是**部署**阻断性障碍:客户 A 的数据可能通过共享记忆泄漏到客户 B 的 Agent 响应中。截至目前,没有公开的 SOC 2、ISO 27001 等企业安全认证信息,数据存储位置和加密标准未披露。如果你在接入外部客户数据或处理敏感信息前未完成内部安全评估,共享记忆机制可能从效率优势变为合规风险——这是每个新用户在打算将团队全部**工作流**迁入 Moxt 前,必须首先解决的技术红线。 ## 参考资料 - [Moxt 官方网站 — Agent-Native Workspace](https://moxt.ai/zh-CN) - [Moxt 定价页 — 人类免费,AI 按劳收费](https://moxt.ai/zh-CN/pricing) - [Moxt 产品评测 — 观猹 watcha.cn](https://watcha.cn/products/moxt) - [Moxt 产品介绍 — AIbase](https://top.aibase.com/tool/moxt) - [部署一批 7×24 小时在线的 AI 同事 — 腾讯新闻](https://news.qq.com/rain/a/20260427A05LUY00) ---