Claude Cowork：把程序员的配置活，打包给白领

程序员愿意为 Claude Code 手写一份 CLAUDE.md，把项目背景、代码规范、常用命令都喂给它；愿意装几个 MCP，让它连上外部工具；愿意在踩坑之后把经验封成一个 skill，下次直接复用。这些都是”配置”的活儿，程序员干得动，因为这活儿本质上和写代码是一回事——都是把脑子里的隐性知识变成显性文件。

大多数不写代码的白领做不到这一步。他们会提问，但不会配置。Claude Cowork 想补的，就是这道差距。这期视频来自檀东东·Tango，30 分钟走了一遍 Cowork 的界面、项目管理、三级指令、memory、MCP、skill、自动化任务和手机远程操作，案例给得很扎实（原视频：https://www.youtube.com/watch?v=ER7mb6-hdvs）。

Cowork 是什么

Claude 桌面客户端现在是三合一：Chat、Cowork、Code。Chat 和网页版完全同步，日常提问用它，连按两次 Option 直接问就行。Code 是给程序员用的，不用多解释。

Cowork 夹在中间，面向的是天天和电脑打交道、但不写代码的白领。它和 Chat 的关键差别有两个：Cowork 默认联网（Chat 要手动开），而且以本地文件系统为基础——能读、写、创建、改你电脑上的文件，干完活直接落盘，不用你再复制粘贴到别处。

新建一个 Cowork 任务，先要选模型，这里有个容易忽略的细节：会话一旦开始，模型就锁死了，中途换不了。视频给的经验很直接：简单任务用 Sonnet 4.6 加自适应思考，复杂任务用 Opus 4.7 加自适应思考，两档基本够用，不用纠结 Haiku。”自适应思考”是 Opus 4.7 引入的机制，模型自己判断问题难度，简单问题直接给答案，复杂问题才展开更长的推理链，不用再像以前那样手动开关”extended thinking”。

配置核心：三级指令和自动记忆

三级 instructions 加 memory，是视频里讲得最细的一段，也是 Cowork 和普通聊天机器人拉开差距的地方。

三级从下到上分别是 folder instructions（管当前工作文件夹）、project instructions（管一个项目下的多个文件夹）、global instructions（管所有会话，相当于系统提示词）。层级越高管得越宽，也越该写得抽象——global 该交代的是”你是谁、什么岗位、什么背景”，不用写太细，避免和下层指令打架。

视频里的例子是做一张车辆登记表。讲者先建了个”数据管理”项目，让 Cowork 用表格 skill 建好表，然后补了一条 folder instruction：”所有新建表格单元格配色只能用绿色和紫色”。Cowork 读到这条指令，把已经建好的蓝色表头直接改成了要求的配色。指令是实时生效的，不用等到下一次任务才起作用。

再往下，讲者直接对 Cowork 说”请记住，往后我给你发的照片，你直接输出更新后的表格，不用输出其他文字”。Cowork 自己创建了一个 MEMORY.md 文件，把这条偏好记了下来，之后每次都照做，不用再重复交代。这个 memory 只在当前项目生效，换一个项目就是全新状态，互不干扰。

三级指令还有个细节：project instructions 允许一个项目关联多个文件夹。视频里讲者在”数据管理”项目下又加了一个”数据清洗”文件夹，让 Cowork 把表格复制过去——第一次操作因为文件夹是新加的，Cowork 会弹窗请求权限，这是正常的授权流程，不是故障。

几个实战案例

视频给了几个案例，PDF 翻译和 PPT 生成这两段最能看出 Cowork 的实际水平。先看长文档翻译里的一条经验：讲者要把一份 60 多页的硕士论文扫描件译成中文，论文里藏文、日文、汉文、英文混排。Cowork 一开始想走 OCR（先识别文字再翻译），讲者提前打断，要求直接走”纯视觉”路线——把每一页当图片直接喂给模型翻译，不做文字识别。

原因很直接：混排文字的 OCR 极容易识别错行、认错语言，返工成本比多等一会儿高得多。视频里这条经验挺实用：Cowork 处理长程任务时，路径和工具通常不用管，它自己会规划；但风格、术语这类”选择题”，提前说清楚能省一次试探，也省 token。翻译过程中 Cowork 把”碉楼”错译成”卡尔”，讲者指出后，它顺手把其他相关术语也一并修订了一遍，没有只改被指出的那一处。

PPT 生成是视频里演示效果最扎实的一段。给到需求后，Cowork 调用内置的 pptx skill，生成的第一版就是信息密度很高的研究报告，图表可编辑，数据来源标注清楚——比如某页引用某法律 agent 公司 D 轮融资 5.5 亿美元、估值约 56 亿美元、ARR 1 亿美元，数字和排版都对得上。唯一的短板是没有配图，Cowork 自己不会生成图片。

讲者的解法是往上加一层：找到火山引擎 seedream5 这个生图模型的 API，让 Cowork 通过 MCP（一种让 AI 连接外部工具的协议）连过去，往后凡是需要配图的任务，默认调用它。手搓这个 MCP，视频里说十几分钟能搞定，配图也不用人工写提示词，Cowork 会自己参考 PPT 的文案和风格去生成，效果讲者形容为”非常完美”。

MCP 管连接，Skill 管说明书

视频对 MCP 和 Skill 的区分讲得很清楚：MCP 解决的是”AI 能不能碰到”，Skill 解决的是”AI 能不能做好”。二者都是 Anthropic 自己提出的协议，前者已经开源，后者是可分发的能力包方案。做 Excel、PPT、Word 这类文档，Cowork 靠的是内置能力（沙箱里跑 Python，调 openpyxl、python-pptx 这些库）加配套 skill，不需要连外部工具；只有像”自动配图”这种本身不具备的能力，才需要 MCP 出场。

Skill 也可以自己造。视频给的例子是核对发票：检查抬头税号、统计发票号和开票日期、汇总金额。讲者把需求说清楚，Cowork 调用官方的 skill-creator 工具，一个回合就生成了一个可复用的”发票助手” skill，之后再丢一个文件夹进去，直接跑出汇总 Excel，金额和讲者自己用计算器核对的结果完全一致。这个案例基本讲清楚了 Cowork 手搓 skill 的门槛：你不需要懂 skill 该怎么设计，说清楚要干什么、验收标准是什么，剩下的交给 skill-creator。

自动化：定时任务、看板和远程指挥

Cowork 还有三个进阶功能：定时任务、live artifacts（实时看板）和 dispatch（远程分发）。

定时任务的典型用法是每日简报。讲者把这套流程一路加码：先是定时生成科技 AI 简报，再叠加 seedream5 给简报配一张信息海报，最后干脆让 Cowork 直接生成排版好的公众号文章草稿——只要给到公众号后台的 APP ID 和 secret，从选题、写作到配图排版全部自动跑完，人只需要做最后的审核和发布。讲者把这一整套流程固化成了一个叫 wechat daily briefing 的 skill，随时能调用。

Live artifacts 是一块常驻在 Cowork 里的网页，可以连外部数据源做实时看板。讲者没有外部系统要接，就用它做了一个选题管理看板：按”必做/想做/考虑中/已发布”分类、自动配色、能排序。这块看板是磨了好几轮才成型的：后来发现卡片没法用快捷键缩放，又追加了两版修复才搞定。

Dispatch 是手机端远程操作电脑上的 Cowork，视频里评价最高。开启 computer use（让 Cowork 能通过视觉截图操作电脑）之后，讲者在地铁上就能用手机 App 派发任务、传照片、审核结果——写一篇 2000 多字的公众号文章、生成配图、审核发布，全程不用碰电脑。前提是电脑这端的工具和工作流已经提前打磨好，Dispatch 干的事是把”执行”从本地搬到手机，人只剩审核和拍板。

我的判断：这套东西，原本是程序员的

这是我看完视频后的延伸判断，视频本身没有直接这么说。

有个框架能解释清楚 Cowork 到底在做什么：Agent 等于模型加 Harness。这个说法最早由 LangChain 一篇分析文章讲透。模型本身只能输入输出文本，除此之外让它”能干活”的所有东西——系统提示词、工具、文件系统、编排逻辑——统称 harness，通俗讲就是”不属于模型本身的部分”。程序员熟悉的 Claude Code，本质就是这套 harness 面向开发者的产品化。

对着这个框架看 Cowork，几乎每一块能力都能找到对应物。三级 instructions 是系统提示词，skill 和 connector 是工具，本地文件系统加沙箱跑 Python 是打包好的基础设施，dispatch 远程分发是编排逻辑，定时任务是触发钩子。

Claude Code 的记忆系统也是同一个思路：CLAUDE.md 手写指令加自动记忆两条线，按用户、项目、本地几层加载，层层叠加不互相覆盖。Cowork 的 global/project/folder 三级 instructions 加 MEMORY.md 自动记忆，结构几乎是同一套设计逻辑的翻版。Anthropic 把程序员产品里验证过的那套”分层配置加自动沉淀”，原样搬进了白领产品。

差别在使用门槛。Claude Code 要求你会写 CLAUDE.md、会读文档接 MCP、愿意去折腾 skill 的目录结构。Cowork 把这些全部改造成了对话框里一句话就能触发的动作：”记住这个偏好””表格配色只能用绿色和紫色””帮我做个能检查发票的 skill”。程序员和普通白领之间的 AI 能力差距，很大一部分不是模型能力差距，是这套配置活儿愿不愿意干、会不会干的差距。Cowork 想做的，是把干这活儿的门槛，从命令行降到对话框。

这里有个时间上的小细节值得记一笔：视频发布于 5 月 24 日，四天后的 5 月 28 日，Anthropic 发布了 Opus 4.8，同时把 Effort Control（响应质量和速度可以手动调节）带到了 Cowork。视频里说”Opus 4.7 之后就只剩自适应思考”，现在已经多了一档手动可调的空间——照着视频操作时，模型面板可能已经和视频里不完全一样了。

如果打算上手，有两点视频里提过但容易被忽略：一是 memory 不跨项目，换个项目就是全新状态，别指望它记住你在别的项目里教过的规矩；二是界面目前只有英文，Cowork 的系统语言设置本身不支持中文，但不影响用中文和它对话干活。

视频里还有个提醒挺实在：识别车牌和手机号这类任务，只能用来联系车主挪车，不能挪作他用。涉及个人信息的自动化流程，合规这根弦得绷紧。