Anthropic深夜放出王炸！白領飯碗要被AI砸了？網友：不支持Linux，差評

作者｜冬梅

在開發者工具 Claude Code 推出之后，Anthropic 團隊很快意識到一個出乎預料的現象：開發者并沒有把它局限在“寫代碼”這件事上。相反，Claude Code 被迅速用于整理資料、撰寫文檔、生成報告、分析數據，甚至承擔起類似“數字同事”的角色。

這種使用方式的外溢，最終促使 Anthropic 做出一個更激進的產品判斷——如果大模型已經被當作工作伙伴使用，那么是否應該為“所有人”，而不僅僅是開發者，提供一種真正面向日常工作的智能協作形態？

于是今天，Anthropic 正式推出了 Cowork。

Anthropic 工程師、Claude Code創建者 Boris Cherny 在 X 上發帖宣布了該消息。他寫道：

自 Claude Code 發布以來，我們發現用戶將其用于各種非編碼工作：例如進行度假研究、制作幻燈片、清理電子郵件、取消訂閱、從硬盤恢復婚禮照片、監測植物生長、控制烤箱等等。這些應用場景豐富多樣，令人驚喜——原因在于底層 Claude Agent 是最佳代理，而 Opus 4.5 是最佳模型。

今天，我們非常激動地推出 Cowork，這是我們讓 Claude Code 服務于所有非編碼工作的第一步。該產品目前仍處于早期階段，功能尚不完善，與 Claude Code 最初發布時的狀態類似。Cowork 包含許多我們認為使其真正與眾不同的創新用戶體驗和安全功能：內置虛擬機用于隔離、開箱即用的瀏覽器自動化支持、以及對所有非編碼工作的支持。

據介紹，Cowork 是一款基于 Claude Code 底層架構構建的全新產品，目前以“研究預覽版”的形式，率先面向 macOS 平臺上的 Claude Max 訂閱用戶開放。與傳統對話式 AI 不同，Cowork 的核心定位并非“聊天”，而是“協作”：它試圖讓 Claude 從一個被動響應指令的助手，轉變為能夠理解任務、制定計劃、持續執行，并與用戶保持協同關系的智能工作體。

從“對話助手”到“數字同事”

長期以來，大模型產品的主流交互形態仍然是對話。用戶輸入問題，模型生成回答；用戶提出修改，模型再次響應。這種模式在信息查詢、文本生成等場景下行之有效，但在真實工作流中卻暴露出明顯局限——上下文需要反復提供，文件需要人工整理，輸出結果往往還要用戶自行轉換為可用格式。

Cowork 試圖解決的，正是這一斷裂問題。

在 Cowork 模式下，用戶可以直接授予 Claude 對本地指定文件夾的訪問權限。需要強調的是，這種訪問并非“全盤授權”，而是由用戶明確選擇、逐一控制的結果。Claude 只能看到、讀取、編輯或創建那些被允許的文件和目錄，而無法觸及任何未授權內容。

一旦獲得權限，Claude 的能力邊界就發生了質變。它不再只是基于文本上下文“想象”文件內容，而是可以直接操作真實存在的工作材料。例如，它可以掃描一個雜亂無章的下載文件夾，按照文件類型、時間或用途進行分類和重命名；可以從大量截圖中提取關鍵信息，自動生成一份結構化的費用清單；也可以將零散的會議筆記、草稿和片段，整理成一份邏輯清晰的報告初稿。

這種能力的本質，并不是簡單的“更聰明”，而是 Claude 被嵌入進了用戶的實際工作環境之中。

Anthropic 在產品說明中多次強調，Cowork 的體驗更接近“給同事布置任務”，而不是與機器人來回對話。一旦任務被下達，Claude 會自行拆解步驟、規劃執行路徑，并在執行過程中持續向用戶同步進展。用戶無需等待任務完成即可插入新的反饋或補充想法，這些指令會被自動排隊、并行處理。

這也是 Cowork 與普通對話模式最根本的差異之一：它默認假設用戶的工作是多線程的，而不是線性的。

當然，“更自主”的能力，意味著更高的風險。

讓 AI 進入文件系統，甚至具備修改、創建和刪除文件的能力，無疑是一種能力躍遷，同時也是風險躍遷。Anthropic 并未回避這一點，反而在產品介紹中反復提醒用戶保持警惕。

首先是操作層面的風險。如果收到明確指令，Claude 確實可以執行具有破壞性的操作，例如刪除本地文件或批量修改內容。一旦指令本身存在歧義，或者模型誤解了用戶意圖，后果可能是不可逆的。

因此，在 Cowork 中，Claude 在執行任何“重要操作”之前，都會主動征求用戶確認。這種設計并非形式上的“彈窗提示”，而是希望用戶在關鍵節點重新審視任務目標，必要時進行糾正或細化指令。Anthropic 也明確建議，在涉及高風險操作時，用戶應提供盡可能清晰、具體的指示，而不是依賴模糊的自然語言。

另一類更復雜、也更具行業共性的風險，是“提示注入”（Prompt Injection）。

在 Cowork 的工作過程中，Claude 可能會接觸來自互聯網的內容，例如網頁、文檔或第三方信息源。如果這些內容中被惡意嵌入了指令，試圖誘導模型偏離原本的任務計劃，就可能引發安全問題。Anthropic 表示，他們已經構建了針對提示注入的多層防御機制，但也坦言，“代理安全”——即確保 AI 在現實世界中執行操作時的可控性——仍然是整個行業正在積極探索的前沿問題。

從這個角度看，Cowork 并不是一個“已經完全成熟”的產品，而更像是一次對未來工作方式的現實實驗。

Anthropic 也明確指出，這些風險并非 Cowork 獨有，而是所有具備“行動能力”的 AI 工具都會面臨的問題。只是對許多用戶來說，Cowork 可能是第一次接觸到一個超越簡單對話、真正能夠影響本地環境的 AI，因此更需要建立正確的使用習慣和風險意識。

研究預覽版背后的產品邏輯

Cowork 目前被定義為“研究預覽版”，這一定位本身就釋放了明確信號：Anthropic 并不認為自己已經找到了最終形態，而是希望通過真實用戶的使用反饋，加速產品迭代。

根據官方披露，Anthropic 計劃在后續版本中引入多項重要改進。其中包括跨設備同步能力，使 Cowork 不再局限于單一終端；以及將其移植到 Windows 平臺，從而覆蓋更廣泛的辦公人群。同時，安全機制也將持續強化，尤其是在代理行為可解釋性和可控性方面。

從產品路徑上看，Cowork 與 Claude Code 之間存在清晰的繼承關系。兩者共享相同的底層架構，這意味著 Cowork 在能力上，理論上可以完成 Claude Code 已經證明可行的許多復雜任務。不同之處在于，Cowork 將這些能力重新封裝為更偏向非技術用戶的交互方式，降低了使用門檻。

如果說 Claude Code 面向的是“愿意為效率付出學習成本”的開發者群體，那么 Cowork 的目標人群顯然更加廣泛：內容創作者、產品經理、運營人員、行政人員，乃至任何需要與文件、資料和信息打交道的知識工作者。

在掌握 Cowork 的基本使用方式后，用戶還可以進一步擴展 Claude 的能力邊界。

首先是連接器。Claude 可以通過用戶已有的連接器，訪問外部信息源，從而將本地任務與外部數據打通。這使得 Cowork 不再只是一個“本地整理工具”，而是可以承擔跨系統的信息整合角色。

其次是新增的一系列技能。這些技能專門用于提升 Claude 在創建文檔、演示文稿以及其他常見辦公文件時的表現，使其輸出更加貼近真實工作場景的格式和標準。

此外，如果用戶在 Chrome 瀏覽器中將 Cowork 與 Claude 配對使用，Claude 還可以完成需要訪問瀏覽器的任務。這一步，實際上進一步模糊了“對話 AI”“自動化工具”和“數字員工”之間的界限。

從整體設計來看，Cowork 試圖減少用戶在“提供上下文”和“整理結果”上的認知負擔。用戶無需手動拼接背景信息，也無需將 Claude 的輸出再加工成可用成果。更重要的是，用戶不必為了等待 AI 完成某個任務而中斷自己的工作節奏——任務可以被連續布置、并行執行。

Anthropic 在描述這種體驗時，用了一個耐人尋味的比喻：這更像是給同事留言，而不是來回溝通。

用戶：沒有 Linux 版本，差評！

在 Cowork 發布之后，迅速在開發者社區、AI 產品圈以及更廣泛的知識工作者群體中引發討論。與以往單純圍繞模型能力、跑分或價格的爭論不同，這一次的焦點明顯轉向了一個更現實的問題：“AI 是否真的開始成為一個可以被信任、被授權的工作參與者？”

在 Reddit 上的最新討論串里，有用戶評論指出他們“很期待嘗試這個功能”，認為 Anthropic 近來在產品和用戶信任構建上做得不錯。

因為僅限 macOS 和訂閱計劃，部分用戶感到遺憾。在另一個 Reddit 討論串中，有用戶對 Cowork 的平臺限制表達了不滿或遺憾，評論集中在“只支持 macOS”這一點上。

此外，值得注意的是，有些評論雖然不是專門針對 Cowork，但有一些用戶還是對Anthropic 近期產品策略與溝通的不滿，對 Cowork 的發布背景和用戶關系具有間接關聯語境。

在 Reddit 平臺，有長期用戶表示，自己已經從忠實支持者變成對 Anthropic 的信任下降甚至不滿。該用戶指出：

“作為很早一批用戶，我原本極力推薦 Claude，但最近幾個月感覺 Anthropic 的產品質量溝通都變差了。”

https://claude.com/blog/cowork-research-preview

https://x.com/bcherny/status/2010809450844831752

https://www.reddit.com/r/singularity/comments/1qb6qv1/introducing_cowork_claude_claude/?utm_source=chatgpt.com

模型夠聰明但檢索慢？私域數據分散調不動？向量計算成本太高？這些統統不是事！1 月 20 日 · 上海 PolarDB DevCon 帶你現場破局！活動不講虛的，只聊實戰，三大分論壇涵蓋云原生 / 數智融合 / 開源生態，既有前沿創新，更有落地案例！即刻點擊【閱讀原文】或掃碼預約報名！