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。

而就在北京时间的今天（1 月 13 日），Anthropic 推出了 Claude Cowork，直接称其为：「用于其他工作的 Claude Code。」

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。

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。

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。

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。

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。