文章摘要
面向办公场景的AI Agent豆包近期推出功能升级，新增一键导入多款主流AI工具个人AI资产的能力，支持迁移历史对话、配置、记忆、工作成果等各类内容，同步优化多项使用体验。经技术团队实测，该功能可整合跨工具工作积累，降低用户更换工具门槛、提升工作效率，这也是当前AI Agent产品体验竞争的重要方向。

今年，Coding Agent、办公 Agent 的产品体验，正成为各厂商的关注重点。为了让自家 Agent 更好用，不少厂商都在尝试突破模型层面的局限，其中一个方向就是让用户能够直接复用其他 AI 产品里积累的数据和工作记录。毕竟，每家 Agent 的使用场景和生态都有差异，用户更倾向于选择生态完善的工具，而无需在更换工具时重新开始积累工作。

近期，一款面向办公场景的 AI Agent 工具迎来了重要功能升级，新增了从多款主流 AI 工具一键导入 AI 资产的能力，支持迁移的内容覆盖用户过往积累的历史对话、任务偏好、技能配置、连接器设置、记忆数据、项目内容，以及相关配置文件（如规则文件、技能定义文件等）。导入完成后，用户可以直接打开过往对话，在已有上下文的基础上继续推进任务，无需重新梳理工作脉络。

除了资产导入功能，该工具还同步推出了多项体验优化，包括「在新对话中继续」、消息注释、对话摘要侧栏等，进一步提升工作效率。

某技术团队第一时间对该功能进行了实测，下面结合实际案例，看看这项功能如何在具体项目中发挥作用。

你和 AI 的聊天记录，正在变得越来越有价值

在 Coding Agent 和办公 Agent 普及之前，用户与 AI 的交互多是单次对话获取答案，交互结束后积累的数据价值有限，导出这类数据的意义不大。但随着 Agent 围绕长期任务展开持续交互，用户与 AI 的对话、配置、成果等内容，已经成为个人工作流程的重要组成部分，这些数据可被视为「个人 AI 资产」，具体可分为四类：

第一类是历史对话与项目，包括过往讨论的内容、完成的任务、当前推进到的阶段；第二类是个人记忆与工作偏好，如习惯使用的语言、偏好的表达方式、长期的工作要求；第三类是技能与连接器，即用户配置的自定义功能、外部工具和工作流程，让 Agent 能按熟悉的方式工作；第四类是工作产物，如生成的文档、代码、研究资料等成果。

AI 资产迁移的核心价值，就是让用户可以更自由地选择 AI 工具，无需因更换工具而重新开始积累工作。本次升级的核心意义，就是让不同 AI 工具中的工作积累，能在新的 Agent 中继续发挥作用，降低用户更换工具的门槛。

本次实测选择了一款活动策划项目，测试 AI 资产迁移功能的实际效果。

「Last Commit Before Midnight」项目测试

该项目是计划在今年 12 月 31 日于新加坡举办的年末 Vibe Coding 活动，目前处于早期策划阶段，相关思路、资料、设计素材已在两款 AI 工具中积累。本次测试的核心是验证这些积累的内容能否通过新功能导入，以及导入后能否直接推进工作。

首先，在工具中打开「设置」，进入「数据导入与同步」，即可自动扫描电脑中使用过的主流 AI 工具，找到目标工具后，可选择需要迁移的数据，包括历史对话、记忆、规则、配置文件和自定义技能等，无需额外配置即可完成导入。完成首次导入后，还可开启「自动同步」，系统会每日自动同步最新数据，无需手动操作。

本次测试中，从 Claude Code 导入的内容包括活动名称设计、方案初稿、提示词打磨、视觉风格调研等，这些内容导入后，在工具中会自动适配显示，提示词块、Callout 等内容都有对应的可视化界面，查看直观。导入后，可直接在同一对话中继续，让工具根据已有提示词生成完整的活动方案，包含开头摘要、确认清单、决策事项、流程时间轴、预算等内容，最终还可整理为适合团队协作的云文档。

针对视觉设计方向的探索，本次测试还用到了「追问」功能。在导入的 Claude Code 内容中，有关于黑白 ASCII 编辑风的视觉设计调研，选中对应段落点击「追问」，即可让工具分析案例网站的设计方向，搭配参考图，整理成可用于后续设计的参考资产，提升了设计效率。

除了 Claude Code，本次测试还导入了 Codex 中的内容。Codex 中已积累了大量该活动的调研资料、项目收集、视觉物料等，本次测试通过「在新对话中继续」功能，在同一项目下开启新对话，继承原对话的记忆和上下文，同时保留原有对话记录，在此基础上重新设计了一套复古风格的活动物料，避免了重复工作。

导入 Codex 中的亚洲 Vibe Coding 案例库后，工具可直接打开对应的文档，将 CSV 表格转换为可视化的多维表格，方便筛选查看。还可进一步让工具基于案例制作动画视频，用 Python 等工具逐帧绘制并编码为 MP4，实现了设计效果的直观展示，后续还可通过「追问」调整视觉风格。

通过本次测试，这套工作流的效率明显提升：之前需要在不同工具间切换，分散完成提示词设计、视觉调研、物料制作等工作，成果分散；现在，工具成为了工作流的整合终点，可将不同工具的内容迁移过来，沿原有工作推进，最后转换为适合团队协作的文档，省去了反复导出分享文件的步骤，团队协作更顺畅。

这一案例也印证了行业相关负责人的观点：除了模型迭代，还需要打造优秀的产品体验。当前，多款 AI 工具都在支持接收其他 Agent 的工作记录，这意味着用户不必因积累了大量数据而被限制在单一工具中，未来 AI Agent 不仅要能完成新工作，还要能理解用户已完成的工作，让工作积累在不同工具间自由流动，这将是 AI 产品体验竞争的重要方向。

以上内容不代表本平台立场，仅供读者参考