Claude Cowork产品技术负责人：AI同事、本地优先Agent以及知识工作的未来 丨Latent Space
输入“/”快速插入内容
Claude Cowork产品技术负责人：AI同事、本地优先Agent以及知识工作的未来 丨Latent Space
Claude Cowork产品技术负责人：AI同事、本地优先Agent以及知识工作的未来 丨Latent Space
用户4242用户42423月31日修改
原创 Capihom Capihom 晚点再听LaterCast2026年3月30日 22:09 北京
我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 4000 字，如果你现在没有时间，试试转成播客稍后再听
"想让 AI 真正好用？给它一台自己的电脑。"
"写一个 Skill 不需要任何教程——像对我解释一样对 Claude 解释就行，它比我理解得更快。"
"别写产品文档了，直接把所有方案都造出来，然后选最好的那个。"
Felix Rieseberg 在 Anthropic 的头衔是"Member of Technical Staff"——他自嘲这是"将会跟随我们一辈子的官方头衔"。实际上，他是 Claude Cowork 的产品技术负责人。此前他在微软参与了 Electron 的早期开发，也是 Visual Studio Code 从一个"不太严肃的编辑器"成长为统治全球开发者工具的亲历者。
这期 Latent Space 播客对话的价值在于：Felix 从产品设计的第一原则出发，解释了 Anthropic 为何在"云优先"的浪潮中，执意把 AI agent 留在你的本地电脑——以及虚拟机、Skills、零执行成本这套组合拳，究竟在改变哪些根本性的东西。如果你关心 AI agent的产品逻辑、知识工作的自动化路径、或者 Anthropic 内部的工程文化，这期值得细读。
Claude Coworker 是什么：不是阉割版，是超集
主持人 Alessio 一上来就问出了很多人心中的疑问：Claude Coworker 是给不会用命令行的人用的"简化版 Claude Code"吗？Felix 直接否定了这个预设。 Coworker 的本质，是把 Claude Code 装进一台虚拟机，配上更多护栏和更友好的界面——关键词是"完整"，不是"简化"。 去年年底，Anthropic 注意到 Claude Code 的用户画像在悄悄变化：越来越多非技术用户开始用它处理报销、整理知识库、管理 Obsidian 笔记。这件事让团队意识到，他们需要把这种能力带给更广泛的人群——尤其是那些不想先打开终端的人。Coworker 的目标，不是降低上限，而是降低门槛，同时保留甚至扩大上限。Felix 提到，他自己在开发 Coworker 的过程中，反而开始把 Coworker 用于自己的编程工作，因为它与 Chrome 和其他工具的集成比单纯的终端更顺滑。
"VS Code 刚出来的时候，有声音说它是给不严肃的开发者用的简化版 Visual Studio。但最终 VS Code 成功的核心是可扩展性和可 hack 性——每个人都能把它接入自己的工作流。我认为 Coworker 正在走一条类似的路。"
本地优先的哲学：硅谷低估了你的 MacBook
在 AI 基础设施的讨论里，"云端优先"几乎被当成了默认共识。Felix 对此有明确的异见，而且他的论据不是技术层面的，而是一个很朴素的观察：如果云端真的可以无缝替代本地，为什么我们还都在用 MacBook，而不是 iPad 或 Chromebook？ 本地计算机的价值，被硅谷整体性地低估了。 Felix 也直接点出了云端方案在实践中绕不开的现实障碍。举个例子：如果把用户本地电脑的 Chrome cookies 同步到云端，银行账户可能因为探测到"异常登录地点"而被直接锁定。这不是某个产品的技术问题，而是整个行业的基础设施都还没有准备好迎接"AI Agent在云端替你完成一切任务"这种转变。在那一天到来之前，把 Claude 放在用户正在工作的地方，是最务实的选择。Felix 的逻辑是：与其一件一件地把本地资源搬到云端，不如把 AI Agent 放到本地，直接访问用户已经拥有的一切。
"当我把 Claude 想象成一个应该对你极其有用的实体，我认为这个实体需要能访问你所有能访问的工具。否则，它会在各种复杂的地方受到束缚。"
给 Claude 配一台虚拟机：不只是为了安全
Coworker 技术架构的核心是：在用户本地运行一台轻量级 Linux 虚拟机，把 Claude Code 放进去。很多人的第一反应是"这是安全沙盒"。Felix 说，安全确实是原因之一，但即使完全不考虑安全，虚拟机本身就是个好主意。类比是：给同事一台自己的电脑，比让他在没有电脑的情况下通过发邮件传代码，要有效得多。在 VM 内部，Claude Code 拥有完整的 Linux 系统权限，可以自由安装 Python、Node.js、任意 CLI 工具，完全按需配置环境。 网络进出口受严格控制，但用自然语言就可以配置权限边界——不需要让律师审批"能不能安装 Homebrew"。 这种抽象层带来的最直接收益是：Claude 不需要在每一步操作前等待人类审批，它可以像一个真正的工程师一样，自主解决遇到的技术依赖问题，然后继续完成任务。Felix 把大量时间花在研究"哪些东西放进系统提示词能让 Coworker 更有效"，本质上就是在给 Claude 提供关于用户工作上下文的丰富背景信息，让它的决策更贴合真实工作场景。
"如果你的雇主告诉你不需要电脑，他们只通过邮件给你发代码、你回邮件发代码——这也许对处理 PE 文件能凑合，但绝不是高效的工作方式。"
10 天构建的真相：先造所有候选方案，再选最好的
外界流传的一个数字是：Coworker 只用 10 天就构建出来了。Felix 花时间认真澄清了这个说法背后的语境。首先，Anthropic 在此之前已经积累了超过一年半的内部原型——Coworker 是从这些原型中挑选正确模块拼装出来的，并非从零开始。核心决策是"不重写 Claude Code"，直接以 Claude Code 为底座向上构建，把大量已有基础设施直接复用。"10 天"背后真正有意义的信号，是 Anthropic 内部一种工作方式的转变： 当执行成本趋近于零，你不再需要花三个月写 PRD、做用户调研、设计评审——你直接把所有候选方案都造出来，小范围测试，然后选最好的那个往前推。 Felix 认为这种转变发生得比大多数人意识到的要快——一年前这还是例外，今天它正在成为前沿产品团队的工作默认值。要注意的是，这套方法成立的前提是团队已经有清晰的平台底座，执行成本低并不意味着平台积累不重要，恰恰相反，厚实的基础设施越来越值钱。
"以前我们在技术 A 还是技术 B 之间要做代价高昂的选择。现在，你直接两个都建，然后看哪个好。这在一年前还是例外，今天正在变成常态。"
Skills 的诞生：一个 Markdown 文件打败了所有 MCP
Skills 是 Coworker 生态里看起来简单、实则颠覆性的设计决策。它的起源是一个偶然发现：Anthropic 内部团队想让 Coworker 连接数据仓库，本来在认真构建专用工具和标准接口，但最终发现——只需要给 Claude 一个 Markdown 文件，写清楚"如果你想查数据，这是 API 端点，这是认证方式，你自己想怎么用"，Claude 就能搞定剩下的一切。这个发现的含义很深远： 你不需要把所有能力都封装成标准接口，你只需要给 Claude 足够清楚的说明书。 之后团队把同样的模式反复套用到各种场景，效果都成立，于是"把这件事包装成一个通用机制"这个念头就产生了，Skills 就这样诞生了。Skills 是纯文本文件，可以放在任意 GitHub 仓库里分发，没有中心化注册表，没有专有格式，没有需要学习的 DSL。这种刻意的"低技术含量"，恰恰是它可移植性和可扩展性的来源。Felix 说，Skills 和 MCP 不是完全竞争关系，但他观察到越来越多用户在跳过复杂的 MCP 配置，直接用一段文字告诉 Claude 该怎么做——效果反而更好。
"你不需要任何教程来写一个 Skill。向 Claude 解释一件事，就像你向我解释一样——Claude 大概比我更快理解。"
真实工作流：从 Bug 自动化到 YouTube 上传
理论说够了，看真实案例更有说服力。Felix 自己的用例是：他不再手动筛选每天的 crash 报告，而是让 Coworker 抓取内部 bug 工具里的所有问题，把"看起来可修复的 bug"和"操作系统级崩溃"分开，然后为每个可修复的 bug 生成一个 prompt 文件，再通过 Claude remote 为每个 bug 启动一个独立的修复任务。整个流程他发出指令后去开会，回来时工作已经完成——多个 Claude 实例在并行处理不同的 bug。主持人 Swix 展示的用例同样令人印象深刻：他原来每周手动从 Zoom 下载录制视频、上传 YouTube、手动命名每个文件，流程极其繁琐。 他把这个任务交给 Coworker，Coworker 不仅完成了下载和上传，还学会了逐帧分析视频画面来自动命名，并主动把整个工作流打包成可复用的 Skills，甚至还把其中一个大 Skill 拆分成三个小 Skill 以便在任务失败时单独重跑。 Felix 觉得这个案例非常典型："最让用户感到惊喜的，往往是我们设计时根本没想到的用法。"
"你从一个原本需要手动点击的知识工作任务开始，然后问：如果再往前推一步呢？再往前推一步呢？就这样不断扩展 Coworker 的边界，同时也在教它如何替代你。有点像玩 Factorio——从自动化一件很小的事情开始，一旦感觉对了，你就会不停地往这个自动化帝国上添砖加瓦。"
Skills 可移植性的难题：哪部分是你的，哪部分属于所有人
Swix 提出了一个现实痛点：他在另一个 AI 工具里有一个用于办公室访客门禁登记的 Skill，但这个 Skill 无法直接移植到 Coworker。每次换工具就得重建一遍，Skills 成了困在各个产品孤岛里的私人资产。Felix 认为，Skills 的真正难题不是文件格式的兼容，而是"个人偏好"和"通用逻辑"的混合方式还没有标准化的解法。以订机票的 Skill 为例，"选最便宜的航班"是所有人通用的，但"偏好靠窗还是靠走道、从哪个机场出发、愿意接受几次中转"是高度个人化的。 Felix 更倾向的路径是：Skills 始终是纯文件，靠文件系统天然的可移植性解决跨平台问题，就像 claude.md 和 agents.md 今天已经在做的事情——符号链接，直接同步。 现有的临时方案是字符串插值，他坦承这很笨拙，但在更好的解法出现之前，"告诉 Coworker 你的问题，让 Coworker 来帮你建符号链接"也是一个出路。
"我真的很喜欢把 AI Agent 想象成另一个同事。你希望所有同事对你的偏好、你的工作方式、你的 Skills 保持同步——这件事今天的解法，基本上还是复制粘贴文件。"
AI 对初级员工的冲击：Anthropic 内部的担忧与另一种可能
访谈最后，主持人问了一个尖锐的问题：哪些行业会因 AI 而消失？Felix 没有回避，也没有给出轻飘飘的安慰答案。他说，Anthropic 内部"深深担忧"这些工具对劳动力市场的冲击——尤其是初级员工。那些本来会被分配到重复性、低复杂度任务的入门级岗位，是受冲击最大的群体。这不是抽象的担忧，因为当我们谈论"自动化那些最烦人、最低效的任务"时，在很多行业，那些任务本来会交给刚入职的年轻人来完成。与此同时，Felix 也提出了另一种可能： 用 AI 加速初级工程师的成长曲线，而不是取代他们。 把一个分布式系统项目压缩成一周完成，在模拟环境里经历本来需要三个月才能遇到的关键学习时刻，一年积累三年密度的经验。类比是 Jane Street 的训练营，或者更通俗地说：上大学本就是在为模拟真实工作付费。只不过这次，模拟的成本和密度都被 AI 彻底改变了。高级工程师呢？Felix 的观察是，他们的生产力在加速，提供的价值在增加——差异化不会消失，只是会发生在更高的层次上。
"我们在 Anthropic 深深担忧这些工具对劳动力市场的影响，尤其是初级员工。当我们谈论自动化那些'最烦人的任务'时，坦诚地说，在很多行业那些任务本来会交给入门级员工来做。"
结语：给 Claude 一台自己的电脑
Anthropic 选择把 AI 留在本地的理由，归根结底只有一句话：给 Claude 一台自己的电脑，是让它真正成为你同事的前提。云端优先的叙事很诱人，但本地虚拟机加上纯文本 Skills 这套组合，目前给出了最务实的答案。下一步值得关注的问题是：当 Skills 的个人化与通用化问题被解决，当跨 Agent 的技能同步变得像符号链接一样简单，你的"自动化帝国"究竟会长成什么形状——这件事每个人的答案都不一样，而那正是 Felix 觉得这份工作最有趣的地方。
内容来源："Anthropic's Felix Rieseberg on AI Coworkers, Local-First Agents, and the Future of Skills"丨Latent Space Podcast
如果你喜欢深度好文，可以用「晚点再听 LaterCast 小程序」，将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣