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，並圍繞五個核心迴圈展開：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。

迴圈一：捕捉

捕捉環節的目標是將資訊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，支援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。

迴圈二：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是作者主要的對話介面，支援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、影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，因為透過MCP連線Claude到Notion更便宜且效果更好。

迴圈三：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，適用於快速編輯迴圈。Claude Code則擅長涉及多檔案的重構和遷移，在終端中執行（支援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即可執行長時間任務。Codex用於程式碼審查：先用Claude Code開發，再透過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器沙箱；DBeaver是開源的通用SQL客戶端，今年新增了MCP支援；Ollama用於本地模型迭代，避免每次呼叫前沿模型的高成本。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。

迴圈四：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，儲存本地Markdown檔案，透過MCP與Claude連線，使AI能直接查詢個人知識庫。Notion則作為團隊協作平臺，承載文件、維基和專案資料庫。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資訊。Raycast將兩者與作業系統連線，提供程式碼片段、剪貼簿歷史等功能。

迴圈五：運營

運營環節讓每一天按軌道執行，而非依賴意志力。Raycast作為萬能啟動器；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。

跨平臺情況

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

值得借鑑的三種模式

1. 語音到知識迴圈：Wispr Flow、Fathom、Obsidian和Claude透過MCP連線，實現語音輸入、智慧檢索，徹底改變筆記方式。
2. 多執行時開發：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執行時。
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1萬個公開伺服器，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。