"帮我看看本地那个方案文档"------以前你得先上传。现在不用了。
我为什么关注这个
说实话，AI 助手我这两年用了不少。浏览器里开个标签页，丢个问题，粘贴代码让它帮忙改改------这些都行。但每次想深入用的时候就卡壳：
- 我电脑上有个 20 页的方案 PDF，想让 AI 帮我总结要点。对不起，先上传。上传完等半天，有时候还因为文件太大报错。
- 项目里有 50 个源码文件，想让 AI 帮我找所有用了废弃 API 的地方。对不起，它看不到你本地文件系统。你得一个个打开文件复制粘贴。
- 明天有三个会撞车了，想让 AI 帮我协调一下。对不起，它读不了你的日历。你得把日程截图发过去。
- 本地有个 MCP Server 跑着代码搜索工具，想让 AI 直接调。对不起，浏览器沙盒里出不去。
说白了，现在大多数 AI 助手活在浏览器标签页的沙盒里，和你的真实工作环境完全割裂。你得手动当"信息搬运工"------把上下文喂给它，把结果再搬回来。AI 帮你干活的前提，是你先把活整理好。
这不对。
亚马逊云科技 4 月底在 "What's Next with AWS" 发布了 Amazon Quick 桌面端（macOS + Windows，目前 Preview），我第一时间试了一下。这个方向我觉得很对------让 AI 从浏览器里走出来。
Quick 桌面端到底干了什么
一句话概括：让 AI 助手嵌入你的操作系统，直接碰到你的工作数据。
不是浏览器扩展，不是 Electron 套壳网页。是原生桌面应用，意味着它有权限做浏览器里做不到的一堆事。
下面一个个说。
1. 直接读本地文件，不用上传
PDF、Word、Excel、Markdown、代码文件，你说"帮我看看桌面那个 architecture.pdf"，它直接读。不需要拖拽上传，不需要等上传进度条，不需要担心文件大小限制。
我测试了一个 800KB 的技术方案 PDF（38 页），Quick 桌面端直接读取分析，列出了核心架构决策、技术选型理由、三个主要风险点。
以前这个操作我得先上传，等处理，有时候 PDF 解析还出错（表格乱了、图片丢了）。现在一句话搞定。
而且因为是本地读取，速度很快。不用过网络传输，大文件也不是问题。
2. 系统级通知------主动找你
这个功能我觉得特别实用。不是你去问 AI 问题，是 AI 主动来找你。
- 日历冲突：明天三个会撞在同一时段，Quick 主动弹通知告诉你，并建议哪个可以改期
- 消息待回复：有条重要消息你两小时没回了，它提醒你
- 任务到期：DDL 快到了，它推你一下
注意这是操作系统层面的系统通知，不是浏览器里那个容易被忽略的小气泡。就算你浏览器关了、正在用别的应用，通知照样弹出来。
我用了两天，体感是：以前总担心漏了什么事，现在 Quick 帮我盯着。有点像多了个靠谱的助理。
3. 桌面应用操控
可以自动化浏览器操作和桌面应用操作。比如：
- 打开某个网页填表单
- 帮你整理文件夹
- 在不同应用之间搬运数据
目前 Preview 阶段这部分能力还在完善中，我实际测试下来稳定性还在迭代。但方向很明确------让 AI 能帮你"操作"电脑，不只是"回答"问题。
4. 个人知识图谱
Quick 会持续学习你的工作上下文------你和谁合作多、在做什么项目、讨论什么话题。
比如你经常和 Tom 讨论后端架构，和 Lisa 讨论产品需求，它会记住这些关系和上下文。下次你说"帮我问问上次讨论数据库迁移那个人"，它知道你说的是 Tom。
更重要的是：知识图谱在 Web 端和桌面端之间共享。你在 Web 上聊的上下文，切到桌面端继续用，不会丢。上下文跟着你走，不跟着入口走。
开发者重点关注：本地 MCP 连接
这个对我们开发者来说才是真正的大杀器。
MCP（Model Context Protocol）生态现在越来越丰富了，社区有大量 MCP Server 实现------文件系统操作、Git 仓库、Docker 容器管理、数据库查询、浏览器操控，基本上你能想到的工具都有人封装了。
Quick 桌面端直接作为 MCP Client，连接你本地跑的 MCP Server。
bash
# 你本地启了一个 MCP Server
mcp-server --port 8080 --tools "code-search,run-tests,pr-review"
# Quick 桌面端发现并连接
# 然后你可以用自然语言调用：
# "帮我在项目里搜所有用了 deprecated API 的地方"
# "跑一下单测，把失败的列出来"
# "帮我 review 这个 PR 有没有安全风险"我自己试了连本地 filesystem MCP Server，过程是这样的：
bash
# 1. 本地启动 MCP Server
npx @modelcontextprotocol/server-filesystem /path/to/my/project
# 2. Quick 桌面端设置里添加 MCP 连接（填 transport 和端口）
# 3. 对话测试
# 我："帮我找项目里所有的 TODO 注释"
# Quick：找到 23 处 TODO，分布在 12 个文件中...
# （直接列出文件名、行号、TODO 内容）不需要上传文件，不需要复制粘贴路径。AI 直接看到你的项目文件系统。
接着我又试了连 git MCP Server：
bash
# "帮我看看最近一周谁提交最多"
# "上次改 database.py 是什么时候、改了什么"
# "列一下还没 merge 的 PR"这种体验------一个入口问所有问题，AI 自己去调对应的工具------用起来确实顺手。
踩坑提醒
Preview 阶段踩了几个坑，分享一下：
- MCP Server 得先手动启动。Quick 不会帮你自动拉起服务，你得确保 Server 在跑
- 连接配置目前是手动填的。还没有自动发现功能，你得知道 transport 类型和端口号
- stdio transport 注意兼容性。如果你用 stdio 而不是 SSE，注意 Quick 的 stdin/stdout 处理方式可能和你本地测试时不一样
- 大量文件分析有超时风险。我试过让它扫一个 2000+ 文件的项目，有时候会超时。建议缩小范围
效果对比一览
| 场景 | 以前（浏览器 AI） | 现在（Quick 桌面端） |
|---|---|---|
| 分析本地文件 | 手动上传，等处理 | "看看桌面那个 PDF" |
| 日历管理 | 自己翻日历找冲突 | Quick 主动提醒+建议方案 |
| 项目上下文 | 每次都要重新描述 | 知识图谱自动积累 |
| 本地开发工具 | AI 和工具完全割裂 | MCP 直连，自然语言统一入口 |
| 换设备 | 上下文全丢 | Web+桌面知识图谱同步 |
| 主动性 | 被动问答 | 系统通知主动提醒 |
怎么上手
markdown
1. 访问 https://aws.amazon.com/quick/
2. 用 Google/Apple/GitHub 注册（不需要 AWS 账号，不需要绑信用卡）
3. 下载桌面端 https://aws.amazon.com/quick/download/
4. Free 套餐有基础功能，够个人开发者日常用注册门槛很低，社交账号直接登。Preview 阶段区域在 US East (N. Virginia)。
Tips：第一次用建议先试两个功能------本地文件分析和 MCP 连接。这两个是桌面端相比 Web 端差异感最强的。
企业级玩法
如果你是团队 lead 或者在公司里推 AI 工具落地，Quick Suite 还有企业级的集成能力：
- 40+ 应用集成：Google Workspace、Zoom、Airtable、Teams、Dropbox 等主流工具原生支持
- 自定义应用：自然语言创建 Dashboard 和内部工具，不用写代码
- AgentCore Gateway：通过 MCP 接入内部系统（Jira、Jenkins、数据库、飞书）。你把内部系统封装成 MCP Server，Gateway 统一鉴权和路由。AI Agent 可以安全调用内部 API，不用直接暴露服务
- IAM 权限管控：企业级安全合规
亚马逊云科技中国官博 5/11 刚发了一篇详细指南------以飞书为例，走完 Cognito → Gateway → 容器部署 → Quick 集成的全流程。
参考：aws.amazon.com/cn/blogs/ch...
我的判断
几个值得持续关注的点：
- 知识图谱跨端同步：上下文不因入口切换而丢失。这个很多产品没做到。
- MCP 本地连接：开发者可以把整个本地工具链接入 AI。这是个很大的 unlock------以前 AI 只能处理你喂给它的信息，现在它能自己去拿。
- 免费起步：个人开发者零成本试用，社交账号注册即用。降低了尝试门槛。
- 主动式交互：不只是问答，会主动推送。一旦做好，日活和使用频率会远高于被动问答产品。
局限，直说
- Preview 阶段，功能还在快速迭代，稳定性偶尔有波动
- 只在美东区域，国内直连体验一般（需要梯子或者有延迟）
- 桌面自动化能力还比较初期，复杂操作不太稳
- MCP 本地连接的官方文档和示例还不够丰富，踩坑主要靠社区
- 知识图谱准确度还在提升中，偶尔会记错关系
但方向是对的------AI 从"问答工具"走向"工作伙伴"，第一步就是让它能看到你的真实工作环境。Quick 桌面端在做的就是这件事。我会持续跟进后续版本的迭代。
参考：亚马逊云科技 2026/4 "What's Next with AWS" 发布 详情：aws.amazon.com/quick/ 下载：aws.amazon.com/quick/downl...