ChatGPT 有 Work，Claude 有 Projects，问小白 5 Pro 押注“项目工作台“

当 AI 开始处理真正复杂、持续数天的项目，对话就不再是终点了。

Anthropic 发布的经济指数报告里有个数据值得注意：Claude 的输出中，文档、报告和分析等书面交付型内容合计占比约 30%，已经超过了解释与指导类内容。

AI 的使用重心正在从即时交互，延伸到内容生产与任务交付。用户的期待变了——不再只是要一个答案，而是要一套能持续完善、核验和交付的成果。

过去两年，AI 内容产品沿着不同路线生长。ChatGPT 用 Work 扩展对话的行动边界，Claude 用 Projects 对齐团队协作的背景，Gemini 把 Deep Research 和 Canvas 连成一条研究链路。

问小白 5 Pro 走了另一条路——试图承接一项工作从启动、推进到交付的完整周期，项目级 AI 工作台，打造新一代场内人生成引擎。

这件事的必要性，要从一个真实场景说起。

用户交给 AI 一份五万字产业报告，或者一部长篇小说，再或者一个持续数周的研究项目。生成质量当然重要，但远不止于此。

用户还需要随时知道：AI 怎么理解这个任务？现在执行到哪一步了？当前文档是第几版？改了哪些地方？离交付还有多远？

问小白 5 Pro 收到指令后，先整理一份项目 Brief，再把目标拆成一组待办事项。每完成一项，更新状态、留下记录。

Brief、任务清单、文件树、进度条和版本记录全部摊在工作区里，左侧是任务过程，中间沉淀项目资产，右侧直接编辑正文。用户一眼就能看到全貌。

问小白 5 Pro 将 Brief、ToDo 与项目进度显式呈现在工作区中

这套做法很接近一个真实的项目成员：先确认需求，主动拆活儿，持续汇报进度，在文档里留下修改痕迹，最后交付。

但长内容真正的考验，往往在修改发生之后。

测试中有一份数万字的产业报告，写到一半连续追加了三轮修改：先面向 CTO 强化技术密度，再切到政府部门视角，最后转向产业资源方。

三轮调整跨过技术、政策、商业三个维度，原有事实、引用和章节结构却完整保留下来，没有错位、重复或口径冲突。

一个局部改动，可能同时牵动章节结构、论证口径、资料引用和前后表述。AI 得判断波及范围，在已有成果基础上重新校准整份报告。

这种在持续变化中维护全局一致性的能力，是问小白 5 Pro 最不一样的地方。

报告写完也不算完。数字能不能复算？图表和正文是不是同一套口径？引用能不能追溯到原始材料？

测试中有个细节：一个关于人形机器人硬件 BOM 成本的数字，系统核验后建议加上时间、配置和口径边界，把"约 25 万元"还原成"在特定配置前提下，2025 年末约 3.5 万美元，约合 25 万元人民币"。

一个数字变了，它还会检查有没有同步更新到表格、图表和相关文件里，不让一个项目里出现几套答案。

说到底，不同路线决定了不同能力上限。ChatGPT Work 走对话路线，上限是上下文窗口；Claude Projects 走资料路线，上限是权限管理粒度；Gemini 走研究流程路线，上限是自动化程度。

问小白 5 Pro 走项目工作台路线，上限是系统架构的复杂度。长期看，前三条路线大概率会向第四条靠拢——长内容任务最终都需要一个独立于对话线程的、结构化的项目空间。

问小白的底气来自团队在文件系统和长程研究上的积累。ACL 主会论文 FS-Researcher 把文件系统做成跨阶段协作的外部记忆；另一篇 SYNTHQUESTS 拿下 ACL 2025 Outstanding Paper，获奖率不到 1%。

问小白研发团队论文荣获 ACL 2025 Outstanding Paper Award

当上下文装不下整个项目，文件系统开始接管记忆。

对话不再是终点。AI 内容工具正在从"给一个回答"，走向保存项目状态、承接持续修改、推动一段完整的生产流程。项目级 AI 工作台，可能就是下一个阶段的样子。