nxt

nxt是一个简单的AI工具，它让你直接和你的待办事项清单对话，然后告诉你接下来应该做什么。它面向那些任务清单很长，却常常在“接下来该做什么”这个问题上卡住的人。

今天，人们管理待办事项通常依赖于Todoist、TickTick或苹果提醒事项这类应用。用户会手动输入或收集大量任务，形成一份清单。当需要决定行动顺序时，他们要么凭直觉挑选，要么依赖应用内置的优先级标签、截止日期或项目分类来筛选。更认真的用户可能会在Notion或Excel中建立复杂的看板，为每个任务设置权重、耗时和精力值，然后试图通过一套自定的规则来排序。这个过程的核心动作是“手动筛选”和“规则判断”。

具体的卡点在于，静态的优先级标签（如P1、P2）或截止日期，无法动态响应你此刻的实际情况。你可能有十个“P1”任务，但当下只有二十分钟空闲、精力不足、且手头只有手机。旧方案如Todoist的“智能清单”或基于日期的过滤，本质是预设规则的查询，它们无法理解“我有点累，但想完成一件能快速带来成就感的事”这样的模糊意图。你自己写脚本或设计复杂看板规则，虽然灵活，但维护成本极高，且无法处理“上下文”——即你此刻的状态、环境与任务属性的实时匹配。

nxt切入的是“任务决策层”。它没有试图重建一个更好的任务收集或项目管理工具，而是聚焦于清单形成之后、行动开始之前的那个决策瞬间：从一堆选项中，根据当前语境，挑出一个。它把决策过程从“基于规则的手动查询”变成了“基于上下文的自然语言对话”。

为什么现在成立？因为大语言模型（LLM）在理解和执行“多属性权衡”与“模糊指令”方面变得足够可靠。早期的AI助手如Siri或Google Assistant，只能处理“设置一个提醒”这样的明确指令。而现在的模型能够理解“找一个我现在在家用手机就能做、不太费脑、半小时内能搞定的事”这样的复杂请求，并在一份结构化的任务列表中匹配出最合适的项。这标志着AI正从执行单一、明确的命令，转向在复杂、多变量的选项中做出情境化推荐。

这透露出一个变化：AI开始填补传统效率工具之间的“认知间隙”。Todoist擅长收集，日历擅长安排，但它们之间的连接——即“根据此刻的一切，决定现在做什么”——长期依赖用户的大脑。nxt这类工具的出现，意味着AI正被用于自动化这些过去必须由人类进行的、高频率的微观决策。

对于Builder而言，今天可以直接使用nxt来快速处理个人堆积的任务，或者将其思路集成到自己的产品中，为用户的列表类功能（如阅读清单、购物清单、创意点子库）增加一个“智能推荐下一步”的对话入口。最值得学习的不是它的对话界面，而是其“问题收缩”的设计：它没有试图解决整个任务管理流程，而是精准地锚定在“选择困难”这个瞬间，并用AI最擅长的方式（理解模糊意图）去解决。这个“为特定决策瞬间提供AI接口”的模式，可以迁移到许多场景：比如从一堆书签或收藏文章中推荐下一篇阅读，从音乐库中根据当前心情和活动推荐歌曲，或者从一堆学习资料中建议下一个学习模块。关键在于找到那个用户面对一堆选项、需要结合复杂上下文做决定的“卡点”，然后让AI成为那个决策代理。