AI摘要：过去半年，Claude Code 可以称得上异军突起，Claude 模型本身就很突出的代码能力，加上智能体设计思路的特点，已经让它成了开发者群体里评价极高的一款 AI 工具，关键是真的能把复杂的代码任务拆解、执行，并持续推进。
而就在北京时间1月13日，Anthropic 推出了 Claude Cowork，直接称其为：「用于其他工作的 Claude Code。」
图片来源：Anthropic
Anthropic 并不打算把 Cowork 包装成一个全新的「桌面 AI 助手」，而是试图把 Claude Code 已经被验证过的那套智能体 AI 能力（基于 Claude Agent SDK 构建），迁移到更广泛的 PC 工作场景中而且比起 Claude Cowork 本身就是受 Claude Code 程序员用户各种五花八门的用例启发打造出来的，面向更多元的大众用户。
过去半年，Claude Code 可以称得上异军突起，Claude 模型本身就很突出的代码能力，加上智能体设计思路的特点，已经让它成了开发者群体里评价极高的一款 AI 工具，关键是真的能把复杂的代码任务拆解、执行，并持续推进。
而就在北京时间1月13日，Anthropic 推出了 Claude Cowork，直接称其为：「用于其他工作的 Claude Code。」
图片来源：Anthropic
Anthropic 并不打算把 Cowork 包装成一个全新的「桌面 AI 助手」，而是试图把 Claude Code 已经被验证过的那套智能体 AI 能力（基于 Claude Agent SDK 构建），迁移到更广泛的 PC 工作场景中：文件整理、资料处理、内容生成、项目维护等。这些场景说起来可能并不性感，却构成了绝大多数知识工作的日常。
从行业角度来看，这也是一个明显的分水岭。过去一年，PC 智能体的讨论始终围绕着「能力上限」展开：一种是侧重云端，在相对简单的云端环境充分发挥智能体 AI 的能力，一种则是基于现实的 PC 操作系统环境，充分模拟人类来使用电脑进行一步一步的操作。
隐私、效率、体验……坦白讲，这两种路线或多或少都存在明显的问题，今天普通消费者更多还是在 AI 对话、Ctrl+C、Ctrl+V 中进行所谓的「AI 办公」。
Claude Cowork 的选择则是不追求系统级接管，而是在指定文件夹中，以日常办公最核心的文件「代理一切」，包括创建、读取、编辑修改文件、批量更改文件名、整理文件等等。除此之外，Claude Cowork 更多就是「用于其他工作的 Claude Code」。
看起来，这并不像一次野心勃勃的「革命」，但或许这才是 AI 彻底改变打工人办公体验的开始。
从文件到文件，Claude Cowork 到底能做什么？
理解 Claude Cowork，最简单的方式不是看功能说明，而是看它在真实文件里是怎么被用起来的。
在 Simon Willison 的博客中，他分享了一个非常有代表性的例子：把本地存放文章的文件夹交给 Claude Cowork，让它梳理过去几个月未发布的文章草稿，再推荐下最接近发布状态的稿子。
这个例子之所以重要，是因为它非常清楚地展示了 Claude Cowork 的工作方式：它的处理方式不只是联网搜资料，更重要的是，它能从处理办公最核心的「媒介」——本地文件，可以是.md、.txt、.docx、.html、.pdf 等各种文件。
某种程度上，这些本地文件也是 AI 最好的上下文。尤其作为媒体编辑，大量稿件、资料都是以文件形式保存在本地，利用 Claude Cowork 完全可以盘活这些「故纸堆」。类似的，各个行业打工人在日常办公中也往往以「文件」作为核心结果，不管是项目总结还是后续的工作，都是 AI 最好的「参考资料」。
本地和云端也不是非此即彼，Claude Cowork 保留了「连接器」功能，可以直接连接 Google Drive、Notion 等平台和服务，将分散在不同平台的内容和本地文件作为 AI 随时可调用的「关键上下文」。
当然不只是读取，更重要的是，Claude Cowork 能够直接创建和修改文件，比如通过云端会议平台（连接器）或本地会议纪要让 AI 总结本周会议并找出待办事项，甚至基于此询问如何提升工作效率。文件的修改也不需要人工进行手动操作，而是 AI 基于本地或云端文件（如 Google Drive）进行编辑。
这恰恰是 Claude Cowork 与我们熟悉的 AI 办公体验之间最本质的区别。过去一段时间里，大多数所谓的 AI 办公，仍然停留在对话层：你把文件上传给 AI，告诉它你想做什么，它给你一段结果，然后你再把这段结果搬回自己的工作目录，继续整理、修改、保存。AI 负责「想」，人负责「落地」。
有意思的是，Claude Cowork 也支持平时不太起眼但很重要的「文件管理」。官方演示中就展示了一个例子，比如将「桌面」设为指定文件夹后，直接可以让 AI 梳理桌面凌乱的文件。
说实话，很多开发者对此并不陌生。去年发布的 Claude Code 之所以在开发者群体中引发强烈反响，并不只是因为 Claude 模型在代码能力上公认更强，也是它让 AI 围绕一个真实的工程目录持续工作：理解目标、拆解步骤、修改代码、反复推进。
Claude Cowork 所做的，是把这套已经在代码世界里被验证过的执行范式，迁移到更广泛的 PC 工作场景中。区别只在于对象发生了变化。Claude Code 面对的是代码仓库，而 Claude Cowork 面对的，则是文档、表格、素材和项目文件夹。但两者共享的，是同一种 Agentic AI 的核心逻辑：
图片来源：Anthropic Anthropic 并不打算把 Cowork 包装成一个全新的「桌面 AI 助手」，而是试图把 Claude Code 已经被验证过的那套智能体 AI 能力（基于 Claude Agent SDK 构建），迁移到更广泛的 PC 工作场景中而且比起 Claude Cowork 本身就是受 Claude Code 程序员用户各种五花八门的用例启发打造出来的，面向更多元的大众用户。
过去半年，Claude Code 可以称得上异军突起，Claude 模型本身就很突出的代码能力，加上智能体设计思路的特点，已经让它成了开发者群体里评价极高的一款 AI 工具，关键是真的能把复杂的代码任务拆解、执行，并持续推进。
而就在北京时间1月13日，Anthropic 推出了 Claude Cowork，直接称其为：「用于其他工作的 Claude Code。」
图片来源：Anthropic
Anthropic 并不打算把 Cowork 包装成一个全新的「桌面 AI 助手」，而是试图把 Claude Code 已经被验证过的那套智能体 AI 能力（基于 Claude Agent SDK 构建），迁移到更广泛的 PC 工作场景中：文件整理、资料处理、内容生成、项目维护等。这些场景说起来可能并不性感，却构成了绝大多数知识工作的日常。
从行业角度来看，这也是一个明显的分水岭。过去一年，PC 智能体的讨论始终围绕着「能力上限」展开：一种是侧重云端，在相对简单的云端环境充分发挥智能体 AI 的能力，一种则是基于现实的 PC 操作系统环境，充分模拟人类来使用电脑进行一步一步的操作。
隐私、效率、体验……坦白讲，这两种路线或多或少都存在明显的问题，今天普通消费者更多还是在 AI 对话、Ctrl+C、Ctrl+V 中进行所谓的「AI 办公」。
Claude Cowork 的选择则是不追求系统级接管，而是在指定文件夹中，以日常办公最核心的文件「代理一切」，包括创建、读取、编辑修改文件、批量更改文件名、整理文件等等。除此之外，Claude Cowork 更多就是「用于其他工作的 Claude Code」。
看起来，这并不像一次野心勃勃的「革命」，但或许这才是 AI 彻底改变打工人办公体验的开始。
从文件到文件，Claude Cowork 到底能做什么？
理解 Claude Cowork，最简单的方式不是看功能说明，而是看它在真实文件里是怎么被用起来的。
在 Simon Willison 的博客中，他分享了一个非常有代表性的例子：把本地存放文章的文件夹交给 Claude Cowork，让它梳理过去几个月未发布的文章草稿，再推荐下最接近发布状态的稿子。
图片来源：Simon Willison's Weblog
这个任务真正麻烦的地方在于，光靠文件名和修改时间并不能给出准确答案。Claude Cowork 的做法是，主动搜索他的网站，逐篇核对文章是否已经上线，再回到本地文件夹中给出最终判断。最后交付的，并不是一段解释过程的文字，而是一份基于真实文件状态整理好的结果。
这个例子之所以重要，是因为它非常清楚地展示了 Claude Cowork 的工作方式：它的处理方式不只是联网搜资料，更重要的是，它能从处理办公最核心的「媒介」——本地文件，可以是.md、.txt、.docx、.html、.pdf 等各种文件。
某种程度上，这些本地文件也是 AI 最好的上下文。尤其作为媒体编辑，大量稿件、资料都是以文件形式保存在本地，利用 Claude Cowork 完全可以盘活这些「故纸堆」。类似的，各个行业打工人在日常办公中也往往以「文件」作为核心结果，不管是项目总结还是后续的工作，都是 AI 最好的「参考资料」。
本地和云端也不是非此即彼，Claude Cowork 保留了「连接器」功能，可以直接连接 Google Drive、Notion 等平台和服务，将分散在不同平台的内容和本地文件作为 AI 随时可调用的「关键上下文」。
当然不只是读取，更重要的是，Claude Cowork 能够直接创建和修改文件，比如通过云端会议平台（连接器）或本地会议纪要让 AI 总结本周会议并找出待办事项，甚至基于此询问如何提升工作效率。文件的修改也不需要人工进行手动操作，而是 AI 基于本地或云端文件（如 Google Drive）进行编辑。
这恰恰是 Claude Cowork 与我们熟悉的 AI 办公体验之间最本质的区别。过去一段时间里，大多数所谓的 AI 办公，仍然停留在对话层：你把文件上传给 AI，告诉它你想做什么，它给你一段结果，然后你再把这段结果搬回自己的工作目录，继续整理、修改、保存。AI 负责「想」，人负责「落地」。
有意思的是，Claude Cowork 也支持平时不太起眼但很重要的「文件管理」。官方演示中就展示了一个例子，比如将「桌面」设为指定文件夹后，直接可以让 AI 梳理桌面凌乱的文件。
图片来源：Anthropic
值得一说的是，Claude Cowork 并非基于 GUI 图形用户界面继续一步步的操作，本质上还会借助操作系统的软件接口进行基础操作，还做了沙盒化的处理，一方面避免了 GUI 方式的隐私泄露、攻击等问题，另一方面也避免了全局操作占用用户界面的问题。
说实话，很多开发者对此并不陌生。去年发布的 Claude Code 之所以在开发者群体中引发强烈反响，并不只是因为 Claude 模型在代码能力上公认更强，也是它让 AI 围绕一个真实的工程目录持续工作：理解目标、拆解步骤、修改代码、反复推进。
Claude Cowork 所做的，是把这套已经在代码世界里被验证过的执行范式，迁移到更广泛的 PC 工作场景中。区别只在于对象发生了变化。Claude Code 面对的是代码仓库，而 Claude Cowork 面对的，则是文档、表格、素材和项目文件夹。但两者共享的，是同一种 Agentic AI 的核心逻辑：
围绕一个受控的工作空间，把「目标」转化为一系列可以被执行、也可以被检查的结果。
放到真实办公环境中，Claude Cowork 的价值也变得更加具体，核心是压缩大量长期存在、却很少被认真对待的中间成本：项目资料在数周甚至数月后的回顾与整理，零散素材向可用文稿的转化过程，图片、截图、票据向结构化文档的整理，以及一个长期项目在不同阶段反复积累的维护工作。
这些任务并不复杂，却持续消耗注意力，也极难通过传统的自动化流程彻底解决。Claude Cowork 的意义正在于，让 AI 可以安全地接手这些高频、低风险、但极其耗时的工作。
智能体 AI 也要「混合」，Claude Cowork 值得被学习
不过目前体验 Claude Cowork 的门槛还是太高了，仅限订阅 Claude Max（100 美元起/月）的 macOS 用户，Windows 端正在开发，但并未透露未来会否下放到 Claude Pro（17 美元/月）。
从经验来看，大概率是会的。而且比起 Claude Cowork 本身就是受 Claude Code 程序员用户各种五花八门的用例启发打造出来的，面向更多元的大众用户。唯一的问题是，Cowork 不是唯一在桌面端尝试的通用智能体 AI。
以 OpenAI 的 ChatGPT agent 为代表，部分厂商选择把执行过程几乎完全放在云端。用户输入任务后，可以合上电脑去做别的事，回来拿到一份已经跑完的结果。它解决的是「时间占用」问题，但代价也很明确：执行发生在云端，与本地文件和权限始终隔着一层。
ChatGPT agent 主打云端路线，图片来源：OpenAI
另一方面，以 Gemini Computer Use 为代表，更强调通过图形用户界面进行操作，在可控环境中模拟「像人一样使用电脑」。这种方式直观、通用，但复杂度与风险也随之上升，一旦进入更开放的桌面环境，稳定性和安全成本都会被迅速放大。
在国内，AI 办公走的则是完全不同的方向。无论是阿里的钉钉，还是字节的飞书，智能体都没有试图接管 PC，而是直接嵌入企业协同平台。对普通员工来说，AI 出现的方式更具体：会议纪要、待办事项、文档生成、流程自动流转。执行权被严格限制在平台内部，换来的是权限清晰、风险可控，以及真正能落地的效率提升。
如果再把豆包手机助手的后台运行模式放进来对比，会更有意思。豆包证明了一件事：用户确实愿意把任务交出去，让 AI 在前台和后台持续跑。但它同样提前暴露了另一面——当智能体 AI 开始接管系统层，风控、隐私和越权问题都会迅速浮出水面。
对照之下，Claude Cowork 没有走云端全托管，也没有走本地全局代理，而是把执行权严格限定在「你授权的文件夹」之内，再通过云端模型和连接器补齐能力。这种方式不追求极限效率，却最大程度降低了心理负担和使用风险。
相比更激进的方案，Claude Cowork 提供了一种更容易被接受的中间形态，但已经足够改变日常的办公体验。这或许不是 PC 智能体的终点，却很可能是它真正走向大众之前的开始。
本文来自“雷科技”，36氪经授权发布。
点击阅读原文