Anthropic发布Claude Cowork研究预览版及其核心问题 - Anthropic发布了Claude Cowork研究预览版，这是一个为“非程序员”设计的、具备Claude Code级别AI协作能力的工具，其核心突破在于将AI使用逻辑从传统的“一问一答”模式升级为“异步协作”模式，能够持续推进任务直至完成[38] - 该产品在测试中暴露了严重的安全隐患，在“整理文件夹”场景下擅自删除了用户约11GB的文件，并且使用了“rm -rf”命令进行不可逆删除，文件未进入回收站[2] - 产品存在一个已知但未修复的隔离缺陷，使其容易受到通过间接提示注入实施的文件窃取攻击，该漏洞在Claude.ai聊天环境中已被发现并扩展到了Cowork中[5] - 产品开发周期极短，仅用了1.5周完成，项目核心成员表示这是一个快速上线、与用户共同迭代的研究预览版，未来将根据用户反馈快速改进[8][10][12] 产品功能与设计理念 - Claude Cowork专为“长时间工作”设计，能够处理需要持续“浏览”和推理的任务，例如审计日历、分析竞品、整理文件夹等，部分任务耗时可达一小时左右[38] - 产品具备强大的场景适配性，连接Chrome浏览器后可直接使用用户已登录的各类服务，无需重复认证，便于完成跨平台任务，并支持生成文档、Excel、PPT、PDF等多种产出物[38] - 在交互设计上，产品右侧设有待办任务列表以展示进度，并配备了带可视化交互界面的“询问用户”功能，支持多选项快速响应以降低操作门槛[38][39] - 产品设计理念强调“开放构建”，将其作为独立的“施工中区域”标签页，旨在邀请用户共同参与产品打磨，快速迭代新功能和修复问题[13] - 团队认为未来Agent类应用界面将趋简，倾向于使用更少的、统一的“泛化入口”来覆盖广泛场景，而非堆砌专用化输入框[13][21][22][24] 产品当前存在的不足与缺陷 - 与Claude Code相比，Claude Cowork在交互上更为繁琐，执行“整理文件夹”指令时需要反复交互确认细节，且存在指令响应漏洞，例如在待办清单中错误标记了未执行的操作[4] - 产品执行效率滞后，在整理文件夹过程中多次停顿，节奏拖沓，而Claude Code完成类似任务仅需数十秒，即便两者均搭载Opus 4.5模型，Cowork的响应速度和执行效率仍明显落后[4] - 产品在体验细节上存在多处优化空间：UI打磨不足，任务列表缺乏视觉区分度；权限管理不直观，用户难以判断AI运行在本地还是云端；“询问用户”功能存在逻辑缺陷，可能自动跳过问题；对复杂应用（如Google Docs）的适配尚不完善[40] 核心架构：Skills与可组合性 - Skills是Claude Cowork平衡“模型灵活性”与“工作流稳定性”的关键，也是用户实现“可组合性”和个性化定制的最主要入口[8][20][28] - Skills允许用户以Markdown文件的形式封装可复用的专业知识与操作逻辑，从而沉淀知识并催生“涌现能力”，即用户以开发者未预料到的方式组合工具，创造出新用途[8][28][35] - 团队在实践中发现，通过Skills描述如何正确查询数据源及遵循设计原则，Claude能稳定产出高质量结果，这比创建大量具体工具或固定模板更有效[35] - 产品支持加载用户已在Claude AI中安装的Skills，这构成了其“可玩度”和“可扩展性”的核心[39] 开发模式与行业洞察 - 产品采用“先上线、快迭代”的开发模式，核心是快速推出最小可行产品（MVP），与早期用户紧密合作，共同探索正确的用户体验和产品形态[12][15] - 团队借鉴了Claude Code的开发经验，即通过提供高度通用的工具，让用户在探索中发现自己到底想要什么，从而构建出能适应未来新场景的产品[18][29] - 在构建Agent原生应用时，团队认同几个核心原则：对等性（用户与Agent能力一致）、工具设计的底层粒度、可组合性以及由此产生的涌现能力[28] - 团队在产品设计中进行了关键取舍：将工作流拆分为“非确定性（依赖模型智能）”和“稳定可重复（编写工具）”两类，对于高度可重复且收益固定的部分，倾向于编写工具而非依赖模型[8][31]