2026年我的AI生產力工具棧

在2026年，AI生產力工具已經深度融入日常工作流程。本文作者分享了自己實際使用的AI工具棧，並圍繞五個核心循環展開：捕捉、思考、構建、知曉和運營。這並非一份簡單的工具清單，而是一套經過實踐檢驗的工作流系統。

循環一：捕捉

捕捉環節的目標是將信息快速無摩擦地記錄下來。作者使用Fathom進行免費無限制的會議錄製，支持Zoom、Meet和Teams。2026年4月，Fathom推出了無機器人模式（botless mode），消除了“會議中有第三方參與者”的尷尬。對於個人獨處的場景，如研討會、白板會議或散步時的思維記錄，ChatGPT Desktop則作為補充。核心原則是：捕捉必須極其便捷，任何超過一個快捷操作的開銷都會累積並導致放棄記錄。

循環二：思考

思考環節旨在將原始捕捉轉化為決策，而非僅僅增加筆記。Claude Desktop是作者主要的對話界面，支持Mac和Windows（不含Linux）。其核心優勢在於Claude Cowork模式，能夠直接操控桌面應用（如Finder和Mail），實現網頁代理無法完成的最後一步自動化。ChatGPT在語音模式、圖像編輯和雙重驗證等特定領域仍佔優勢。Perplexity則用於需要來源而非推理的問題——作者將其定位為“告訴我有什麼”，而Claude用於“幫我思考”。作者放棄了Notion AI，因為通過MCP連接Claude到Notion更便宜且效果更好。

循環三：構建

構建環節是開發者最常爭論的部分。Cursor的自動補全仍是行業最佳，適用於快速編輯循環。Claude Code則擅長涉及多文件的重構和遷移，在終端中運行（支持Mac、Windows、Linux），且token效率高於預期。Warp作為終端，提供GPU渲染、基於塊的操作，其雲代理編排（Oz）允許無需保持本地shell即可運行長時間任務。Codex用於代碼審查：先用Claude Code開發，再通過OpenAI的Codex進行第二輪審查，不同模型交叉檢查能發現單一模型遺漏的問題。Docker Desktop用於本地容器和微虛擬機沙箱；DBeaver是開源的通用SQL客户端，今年新增了MCP支持；Ollama用於本地模型迭代，避免每次調用前沿模型的高成本。作者特別指出，Cursor在2025年的定價變得不友好（積分重置影響深度使用），而Claude Code加Warp對大多數團隊更經濟。

循環四：知曉

知曉環節確保所有已讀、已寫和已決策的內容能在幾秒內被檢索。Obsidian作為個人RAG系統，存儲本地Markdown文件，通過MCP與Claude連接，使AI能直接查詢個人知識庫。Notion則作為團隊協作平台，承載文檔、維基和項目數據庫。這種分工是刻意的：Obsidian用於個人思考，Notion用於團隊需要知道的信息。Raycast將兩者與操作系統連接，提供代碼片段、剪貼板歷史等功能。

循環五：運營

運營環節讓每一天按軌道運行，而非依賴意志力。Raycast作為萬能啓動器；LookAway強制休息（20-20-20規則、姿勢提醒和番茄鍾），但僅限Mac；Setapp提供CleanShot X等230+原生應用。Docker確保本地開發環境在團隊中可重現。

跨平台情況

作者坦誠列出了不同平台的工具支持情況：macOS獨佔或優先的工具包括Raycast（Windows測試版）、LookAway、Setapp等；跨平台且體驗良好的有Claude Code、Codex、Cursor、Obsidian等；Windows方面，PowerToys和Microsoft Copilot值得關注；Linux用户則可使用Espanso、Ulauncher等。

值得借鑑的三種模式

1. 語音到知識循環：Wispr Flow、Fathom、Obsidian和Claude通過MCP連接，實現語音輸入、智能檢索，徹底改變筆記方式。
2. 多運行時開發：Ollama本地迭代，Claude Code深度處理，Cursor流暢編碼，根據不同場景選擇最優運行時。
3. 桌面控制作為最後一公里：Claude Cowork能操作Finder、Mail等原生應用，約三分之一的辦公室工作因此實現自動化。

值得關注的發展

MCP（模型上下文協議）正在成為AI領域的“npm”。截至2025年底，已有1萬個公開服務器，80%的財富500強企業正在部署代理。未在2026年底前接入MCP的團隊將面臨整合成本。

本文兼顧了工具選擇、工作流設計和未來趨勢，為構建AI生產力棧提供了實用指南。