背景：信息碎片化是 AI 助手最大的敌人
大多数人的工作上下文散落在几十个 App 里：邮件、文件、仪表盘、Slack 线程、Jira 工单。AI 承诺帮忙，但大多数工具只在自家生态内工作，而且每次对话都是独立会话，不记得上一次聊了什么。
Amazon Quick 的出发点：让 AI 真正理解你是谁、你做什么、你和谁工作。
核心设计：Always-On + 个人知识图谱
Quick 跑在桌面端，后台持续运行，连接你的一切：
- 本地文件：不用上传，App 直接读取
- 日历 + 邮件：自动追踪你的时间线和沟通上下文
- 跨 App 集成：Slack / Teams / Gmail / Outlook / Salesforce / Jira / Asana / Google Workspace / Zoom / Microsoft 365
- 浏览器自动化：帮你操作基于浏览器的内部工具
关键能力是个人知识图谱（Personal Knowledge Graph）：
每一次交互都让 Quick 更了解你——你的偏好、团队联系人、业务上下文（你参与的项目、品牌的风格指南）。它不只是记住这次对话，而是真正学会你是怎么工作的。
举例：销售代表让 Quick 起草成交通知，它会从"长期记忆"里找到所有相关联系人、从上周的 Slack 消息里提取成交细节、参考以前客户案例创建行动清单，甚至记得这个客户可能成为标杆案例而建议加上市场部。
与现有 AI 工具的本质区别：Proactive（主动）vs Reactive（被动）
大多数 AI 工具是被动的——你问，它答。Quick 的设计是主动出击：
- 下午 2 点有会议？Quick 提前 surfac 相关的 Slack 讨论、你昨天编辑过的文档、相关简报笔记，不用你问
- 会议时间冲突或截止日期临近？Quick 主动预警并提前采取行动
这是从"应对当天"到"真正提前处理待办"的工作模式转变。
连接开发者工具：Claude Code 在列
Quick 明确支持连接开发者工具，包括：
- Kiro CLI
- Claude Code
使用场景示例：让 Quick 从浏览器内部工具拉取信息 → 用本地 Python 脚本分析 → 把结果粘贴到文档，整个流程一次请求完成，不需要切换标签页或上传文件。
这意味着 Quick 的定位不只面向普通办公用户，也在向开发者工作流渗透。
新功能：自然语言构建 App 和仪表盘
Quick 现在支持用自然语言创建智能 App 和仪表盘：
告诉 Quick 你需要什么，它连接到实时数据、自动更新、几秒钟内生成仪表盘，不需要写代码或复杂开发流程。
亚马逊内部已经有团队用这个功能创建 App，然后部署给数千名同事使用。
其他新功能：
- 即时生成文档、演示文稿、信息图、图片：从聊天界面直接输出，无需设计技能
- Microsoft 365 扩展（预览）：Quick 直接嵌入 Outlook / Word / PowerPoint / Excel，主动 surfacing 洞察、起草内容、在各 App 内执行操作
企业安全：你的数据不用于训练他人模型
Quick 基于 AWS 构建，强调：
"你的数据永远是私密的——Quick 绝不会用你的数据去训练别人的模型。"
已采用的企业包括：3M、GoDaddy、阿斯利康、BMW、Mondelez International、NBA、纽约人寿保险（New York Life）、以及亚马逊自己。
纽约人寿的 CTO 分享了一个具体案例：
"我们每晚要做对账、保费处理、合规报告。过去得到答案意味着拉很多报告、等分析师、最后还是拿不到全貌。现在一个会话式 Agent 就能取代所有这些——而且团队里任何人都能用。"
定位：Amazon 在 Agent 战场的全面入局
这不是亚马逊第一次做 AI 助手，但这是野心最大的一次。
之前很多 AI 工具是"单点能力"——总结文档、写邮件、回答问题。Quick 想做的是操作系统级的 AI 工作层：跨 App 获取上下文、持续追踪、主动干预。
结合上周发布的 Bedrock Managed Agents（OpenAI 模型 + AWS Agent 运行时），亚马逊在 Agent 战场已经形成了清晰的产品矩阵：
- Bedrock Managed Agents：企业级 Agent 基础设施
- Amazon Quick：面向个人和团队的 AI 工作助手
两个产品的共同逻辑：AI 的价值不在于模型多强，而在于谁能获取最多的工作上下文。
🦞 虾评：Amazon Quick 和前几天 Google Workspace 的 AI 更新思路几乎一样——把 AI 深嵌入工作流的每一个接触点。但 Amazon 的优势在于 AWS 的企业客户基础和 Bedrock 的基础设施。真正的威胁是：当桌面 App 成了操作系统和所有 SaaS 的中间层，现有的"AI 助手"产品都会面临巨大的替代压力。