来源：Lenny的增长笔记 ID：gh_7860d1306b48 作者：Lenny
···编者按···
这篇文章敏锐地捕捉到了AI演进的关键节点：从“回答问题”的聊天工具，进化为“主动行动”的协作系统。Anthropic推出的Co-work，表面上是技术迭代，实则揭示了数字化工作的底层范式迁移。
过去几年，数字化改造了大量业务流程，但知识工作者最核心的困境始终未解——邮件、日历、文档、IM这些数字工具之间仍是孤岛，人被迫成为数据流转的中介。Co-work的价值正在于此：通过“项目”沉淀上下文、“连接器”打通工具边界、“技能”固化重复流程，让AI第一次能真正替你执行而非只是建议。
这背后折射出的命题更值得深思：数字化的下一站，不是让工具更强大，而是让工具学会协作。当AI能记住你的工作习惯、接入你的数字资产、接手你的重复劳动，人的角色才真正从“操作者”升维为“架构者”。这不仅是效率革命，更是对知识工作者数字生存方式的重新定义。
···正文···
摘要很多人用 AI 还停留在“问一个问题，拿一个答案”的阶段。但 Anthropic 在 Claude 桌面端推出的 Co-work，真正想做的不是另一个聊天框，而是一个能接入邮箱、日历、Slack、Notion、Google Drive，并且持续记住你工作方式的“行动系统”。它最值得关注的地方，不是能不能替代程序员，而是它第一次把项目、技能、子 Agent、定时任务这些原本偏技术的能力，包装成普通职场人也能上手的工作流。
这两年，几乎所有人都在用 AI，但绝大多数人的用法其实很像“高级搜索”。
你问它一个问题，它回你一段答案；你让它改一封邮件，它给你一个版本；你让它总结一份文档，它吐出几点要点。好用当然是好用，但这种用法有一个很明显的天花板：AI 只是回答你，却没有真正替你工作。
最近看到 Claire Vo 和 10X 的 JJ 聊 Anthropic 新工具 Co-work，我觉得里面有一个判断特别值得普通职场人认真看一眼：
AI 的下一步，不是聊天更像人，而是开始像一个真正的协作系统。
这也是 Co-work 这类产品最值得讨论的地方。它不只是把聊天界面换个皮，也不只是把 Claude Code 做成一个更“像按钮”的版本。它真正切中的，是一大批并不写代码、但每天都在处理信息、文档、邮件、沟通和决策的人。
换句话说，它面向的不是“开发者如何更快敲代码”，而是“普通知识工作者如何把 AI 变成自己的日常操作系统”。
Co-work 真正解决的，不是聊天，而是“让 AI 开始做事”
为什么很多人第一次看到 Co-work 会困惑？
因为它看上去像是夹在普通聊天和 Claude Code 之间的中间态：你说它像聊天吧，它又能操作电脑、调用工具；你说它像编程代理吧，它又是一个相对友好的桌面界面，甚至更像给普通人准备的。
但如果你把它放到真实工作场景里，定位就清楚了。
Chat 模式解决的是“你来问，我来答”；Claude Code 解决的是“你来定义，我来构建”；而 Co-work 解决的，是中间那块最常见却最容易被忽视的工作：整理、连接、执行、跟进、协作。
比如：
• 看邮箱，帮你起草回复
• 看 Slack，帮你整理哪些消息值得优先处理
• 看日历，帮你准备当天会议
• 看文档库，快速找到与当前项目有关的资料
• 根据你的历史输出风格，按你的口吻写内容
• 把固定流程沉淀下来，下一次直接调用
这和单纯“问 AI 一个问题”有根本差别。
前者是一锤子买卖，后者是在搭系统。
所以 JJ 在视频里讲得特别准确：很多非技术用户之所以会很快喜欢上 Co-work，不是因为他们突然学会了更复杂的 Prompt，而是因为这个界面终于把“连接业务工具，然后让 AI 在这些工具之间替你跑腿”这件事做得足够顺手了。
项目，不是什么高深概念，本质上就是“一个文件夹”
整段对话里，我觉得最重要的普及点之一，是他们把“项目”这个概念讲得非常落地。
很多人一听见 AI 产品里出现 project、skill、sub-agent 这些词，马上就会紧张，觉得这是给工程师准备的高级玩法。但实际上，在 Co-work 里，project 的本质非常朴素：
它就是你电脑上的一个文件夹。
你正在做一个招聘项目，就建一个招聘文件夹；你在准备一个 workshop，就建一个 workshop 文件夹；你想搭自己的“日常工作系统”，就建一个 daily operating system 文件夹。
这个文件夹里放什么？
• 相关文档
• 过往素材
• 工作规则
• 参考样本
• 你自己的偏好说明
• 这个项目里逐步积累出来的技能和记忆
一旦把这个文件夹挂到 Co-work 的项目里，Claude 看到的就不再只是你刚输入的一句话，而是你围绕这件事沉淀下来的整个上下文。
这一步为什么重要？
因为大多数人用 AI 之所以总觉得“每次都得重新解释”，并不是模型不够聪明，而是上下文一直是断的。你今天在一个聊天框里说完，明天换个窗口，它又不知道你是谁、你在做什么、你怎么判断好坏。
而项目的作用，就是把这种“每次从零开始”的低效，变成“从一套已有语境继续往前推进”。
这不是炫技，是生产力。
真正的门槛，不是 Prompt，而是你有没有把自己的工作方式放进去
JJ 在演示里做了一件很聪明的事：他不是一上来就写一个复杂自动化，而是先往项目里放一个叫“brain”的 Markdown 文件。
这个文件本质上就是一份“我是谁、我怎么工作、我偏好什么、我和谁协作”的说明书。
它可能包括：
• 你的工作偏好
• 你的团队成员是谁
• 你写作的风格是什么
• 你怎么看待优先级
• 你希望 AI 如何和你配合
很多人会觉得这不就是提示词吗？
是，但它和临时 Prompt 的差别很大。临时 Prompt 解决的是单次任务，brain 解决的是长期协作。
你可以把它理解成：如果普通聊天是“每次新招一个实习生来帮忙”，那项目里的这套文件结构，就是“给这个实习生发员工手册、流程文档和团队介绍，让他第二次来时不至于还问你同样的问题”。
这也解释了为什么 Co-work 会被很多非技术用户觉得“突然好用了”。
不是因为它比以前更会聊天，而是因为它开始能逐步积累你的工作语境。
Connectors 才是 Co-work 最被低估的地方
如果说 project 解决的是“上下文从哪来”，那 connectors 解决的就是“AI 到底能接触什么现实世界的信息”。
在这期演示里，JJ 接了 Gmail、Google Calendar、Google Drive、Notion、Slack。接完之后，Claude 不只是知道这些工具的存在，而是可以在授权范围内真正去读、去写、去操作。
这件事的意义非常大。
因为过去很多人用 AI，其实一直卡在一个荒唐的断点上：AI 已经给你想好了下一步，但你还得自己手动去邮箱、日历、文档库、IM 工具里把这些动作做一遍。
这就像一个很聪明的顾问告诉你“建议你这样执行”，但他不能真正帮你执行。
而 connectors 的价值，是把“建议”推向“行动”。
更重要的是，它不仅是执行入口，也是信息入口。
比如视频里一个非常有代表性的用法：让 Co-work 去读你过去 30 天发出的邮件，然后为你自动生成一份邮件写作风格技能。
这个场景特别典型。
很多人都抱怨 AI 写邮件“有 AI 味”，原因往往不是 AI 不会写，而是它根本没见过你怎么写。它不知道你平时是简洁直接，还是温和铺垫；不知道你是喜欢三段式表达，还是喜欢 bullet point；不知道你在对内沟通和对外沟通时口气差多少。
一旦它读过你真实发过的邮件，事情就完全不一样了。
这时候 AI 不再是在模仿“互联网上常见的邮件风格”，而是在逐渐拟合“你自己的表达习惯”。
这才是有用的个性化。
Skill 不是花哨功能，而是“把重复工作固化下来”
整段讨论里，Claire 提到了一个特别好的说法：给自己列一张“反待办清单”。
什么意思？
就是你先别想“AI 能做什么”，而是先想“有哪些事情，我再也不想从头做第二次了”。
比如：
• 再也不想手动起草第一版邮件
• 再也不想每次写周报都重新搭结构
• 再也不想每次写 newsletter 都重讲一遍要求
• 再也不想每次准备会议都从零收集材料
这些，就是最适合被做成 Skill 的东西。
Skill 本质上是什么？
就是一套可复用、可调用的工作说明。它把你已经验证过的流程、标准、结构和偏好，封装成一个以后可以随时再用的模块。
这件事对普通职场人的意义，比很多人以为的要大得多。
因为知识工作里最浪费时间的部分，往往不是最难的部分，而是那些“明明做过很多次，却还要重新组织一遍”的工作。
Skill 的价值，不在于它多智能，而在于它帮你减少重启成本。
当你有了邮件 Skill、会议准备 Skill、周报 Skill、写作 Skill、复盘 Skill，你和 AI 的关系就会从“每次重新解释任务”，慢慢变成“调用一个已经磨合过的协作协议”。
这时候 AI 才真正开始像一个搭档。
子 Agent 最适合做的，不是炫技，而是“预演反馈
视频里我很喜欢的另一个点，是 JJ 把 sub-agents 用在了“多视角预反馈”这件事上。
这是个非常实用、但过去经常被低估的场景。
他说得很直白：如果你是产品经理，可以让三个子 Agent 分别扮演你的老板、工程搭档和客户；如果你做营销，可以让三个子 Agent 扮演不同 ICP；如果你是一个 solo founder，那这些子 Agent 甚至可以替代现实里那些你暂时找不到的人，先给你一轮反馈。
这个用法为什么好？
因为现实里的高质量反馈太贵了。
你想让同事看 PRD，得约时间；你想让老板提意见，得挑时机；你想让客户给真实反馈，周期更长。很多时候，我们不是不知道反馈重要，而是根本来不及在每一轮都拿到足够多的反馈。
而子 Agent 的价值，是先帮你把第一轮粗糙、显而易见、不同视角下的问题筛出来。
它不是替代真人，而是在真人介入之前，把材料先打磨到一个更像样的程度。
这对远程协作尤其有用。
因为远程工作最大的成本之一，就是同步沟通很贵。能不能在开会前，先让几个 AI 视角帮你过一遍材料，往往直接决定了你开会时讨论的是“低级错误”，还是“真正重要的问题”。
定时任务，才是“AI 日常操作系统”最像操作系统的地方
如果说 connectors 让 AI 接上了现实世界，skills 让 AI 学会了你的方法，那 scheduled tasks 解决的就是最后一个问题：
能不能让 AI 主动在固定时间替你跑一段流程，而不是每次都等你来叫它？
JJ 在演示里做了一个很典型的 morning debrief。
每天早上 7:30，让 Co-work 自动去看邮箱、Slack 和日历，然后生成一份当天的行动计划：什么消息需要优先处理，什么会议需要提前准备，今天有哪些关键节点要注意。
这是一个非常好的示范，因为它体现了“操作系统思维”。
很多人理解自动化，还是停留在“省一次操作”；但真正有价值的自动化，往往是把你每天都会发生的那种认知负担，提前搬走。
你每天早上真正累的，并不是点开邮箱那一下，而是进入状态之前那一堆零碎判断：
• 今天最重要的是什么？
• 有没有谁昨晚发了必须优先处理的消息？
• 哪个会议需要我提前看资料？
• 我到底应该先做深度工作，还是先清积压沟通？
如果 AI 能稳定地帮你把这些问题先整理成一个“开机界面”，那它就不只是一个工具，而更像你工作系统里的调度器了。
这也是为什么 Claire 说，它不一定只能用于工作。你完全可以把它用在家庭事务、装修、婚礼筹备、房屋维护、旅行安排这些项目上。
所谓“项目”，不是只有公司业务才配拥有。凡是持续一段时间、需要多步推进、涉及多种信息源的事情，都值得被放进一个 AI 项目系统里。
普通人真正该学的，不是更复杂的 Prompt，而是四个更底层的能力
看完这段对话，我觉得普通知识工作者真正值得学的，不是某一个 Co-work 按钮怎么点，而是四个更底层的能力。
第一，学会按项目组织上下文。
不要把所有事情都丢进一个聊天框里。不同目标，不同文件夹，不同项目记忆。
第二，学会把重复工作写成 Skill。
不要每次重讲一遍要求。凡是做过三次以上、结构相对稳定的事情，都值得固化。
第三，学会用连接器把 AI 接到真实工作流里。
只有接到邮箱、日历、文档、沟通工具，AI 才有可能从“会说”变成“会做”。
第四，学会渐进式建立信任。
先让它读，再让它写；先让它起草，再让它执行；先让它给建议，再让它定时运行。不要一上来就把所有权限都交出去，但也别永远停留在“只敢问一句”的阶段。
这四件事，比会不会写一条花哨 Prompt 重要得多。
因为真正决定你能不能把 AI 用进日常工作的，不是模型参数，也不是功能列表，而是你有没有开始把自己的工作方法，转译成 AI 能接住、能复用、能长期配合的结构。
结语
Co-work 这类产品最值得注意的，不是它证明了 AI 又多强，而是它让一件事越来越清楚：
未来最有优势的人，不一定是最会写代码的人，而是最会把自己的工作系统交给 AI 的人。
这句话听上去很大，但落到今天，其实非常具体。
你只需要从一个项目开始，建一个文件夹，把资料放进去，把自己的偏好写进去，接上几个关键工具，先做一个真的能省你时间的小 Skill，再慢慢加上反馈机制和定时任务。
当你这样做时，你会发现自己和 AI 的关系正在变化。
它不再只是一个随叫随到的答题器，而开始变成一个知道你在做什么、知道你如何判断好坏、知道你每天如何推进工作，并且能在关键节点替你分担负荷的系统。
从这个意义上说，Co-work 最值得普通人学的，不是“怎么用一个新产品”，而是另一种工作方式：
少一点一次性的聊天， 多一点可复用的系统；少一点从零开始， 多一点持续积累。
这可能才是这一波 AI 工具真正的分水岭。
不是谁问得更快，而是谁更早开始搭自己的 AI 操作系统。
点击下方关键字，查看原创热文
典型案例：| | | | | | |
理念解读：| | | | | |
应用场景：| | | | | | | | | |
业务系统：| | | |
数智科普：| | |
米多是国内领先的营销数字化整体解决方案提供商，为企业提供顶层设计（营销数字化蓝图/架构/体系等）、系统规划（一物一码/智能营销/渠道管理）及运营落地（扫码发红包/一元换购/五码合一等）提供服务，用数字化驱动业务增长。
热门跟贴