Claude Cowork 完全入门:7大核心能力实战解析

Claude Cowork 通过本地文件访问、持久记忆、连接器与技能四项能力叠加,将聊天框升级为真正交付成果的自动化工作助手。
Claude Cowork 是 Anthropic 推出的桌面原生工作助手,与 Claude Chat 的根本区别在于三点:直接访问本地文件(突破 20 文件/30MB 云端限制)、更大的上下文窗口、以及真正交付文件而非聊天回复。其七项核心能力中,最具价值的是持久记忆(通过本地 CLAUDE.md 与 MEMORY.md 实现无上限记忆)、连接器(打通 Gmail、Notion、Google Drive 等工具协同作业)、技能(将反复执行的工作流固化为一键复用流程),以及定时任务(在前述能力叠加下近乎可靠地自动运行)。当前最大短板是浏览器扩展——速度慢、易中断、耗量大,且 Cowork 无法强制开启网页搜索。Cowork 的真正威力来自七项能力的协同而非单点功能,需要数周反馈积累才能充分发挥。
如果你每天都在用 Claude Chat,对 Claude Code 望而却步,又听说过 Cowork 却不知道它到底能做什么——这篇文章正适合你。Claude Cowork 是 Anthropic 推出的桌面原生应用,它不只是一个聊天框,而是能真正访问本地文件、记忆你的偏好、连接外部工具并自动执行任务的工作助手。本文基于 B 站 UP 主的 20 分钟实战教程,拆解 Cowork 的 7 项核心能力,并说明它在实际工作流中的定位。
Cowork 与 Claude Chat 的三大本质区别
理解 Cowork 的前提,是先搞清楚它和我们熟悉的 Claude Chat 有何不同。两者都需要联网,但 Chat 会把文件上传到云端,这带来了硬性限制:单次对话最多 20 个文件,每个文件不超过 30MB。而 Cowork 直接访问本地文件,这些限制统统不存在,可以轻松处理更多、更大的文件。
Cowork 还拥有大得多的上下文窗口,意味着你能在触发「压缩对话」(Compacting,即 Claude 为腾出空间而总结此前上下文、可能丢失关键细节)之前完成更多工作。
第二个区别更关键:Claude Chat 给你的是一个需要自己复制、排版、下载的聊天回复,而 Cowork 真正「干活」——它把可直接使用的文件交付到你的文件夹里。
第三,由于前两点差异,给 Cowork 下指令的方式也要改变。Chat 用的是「任务优先」语言,一步步告诉它做什么;Cowork 则用「结果优先」语言,定义最终产物、约束条件和质量标准,然后让它自己跑完。例如:「我在这个文件夹里有 15 张缩略图原图,需要按主题整理进子文件夹,并用描述性文件名命名。」
「上下文窗口」指模型在单次对话中能同时处理的文字总量,通常以 token(词元)计算,大约 1000 个汉字约等于 1500 个 token。当对话内容超出窗口上限,模型就必须「压缩」(Compacting)——即用摘要替换早期对话,原始细节由此丢失。Claude 3.7 系列的上下文窗口约为 200K token,而 Cowork 借助本地文件访问可在窗口内直接引用文件内容而非上传副本,实际可用空间因此更充裕。这对需要在同一任务中反复引用大量素材(如一整本合同或数十页会议记录)的工作流尤为重要。
必做的初始设置
正式使用前有几项设置务必配置好。在 Settings 的 Cowork 标签页中,可以添加仅对 Cowork 生效的指令,这些指令本质上是「护栏」,能阻止它在未经允许的情况下动你的文件——比如「在删除、覆盖或重命名任何现有文件前,先告诉我会发生什么变化并等待确认」。把它们想象成自行车的辅助轮,熟练后可以逐步移除。
在 Capabilities 中开启两项记忆功能,关闭位置元数据以保护隐私,工具访问设为「按需加载」。最后在文档目录下新建一个名为 Cowork Playground 的子文件夹,让今天的所有操作都限定在这一个文件夹内,其余文件不受影响。

需要强调的是,Cowork 对文件访问极为严格。即便你把下载文件夹里的文件拖进对话,如果它不在授权文件夹内,Cowork 能看到却读不了。所以跟着操作时,务必把所有文件放进 Playground 文件夹。
能力一:直接创建、编辑与整理文件
这是其他所有能力的基础。举个例子:在 Playground 里放入一个含 100 多张收据(PDF 与 JPEG 混合)的文件夹,告诉 Cowork「从收据文件夹里生成一份费用报表,给我带日期、供应商、类别、金额和合计行的 Excel,模糊不清的标记出来待核验」。
借助护栏指令,Cowork 会先列出计划步骤、等待确认,然后逐张读取图片、提取信息,直接输出格式化的 Excel 文件,并对可疑行做好标记。这在 Claude Chat 里基本做不到——20 个文件的限制就卡死了,而且即便文件够少,Chat 也只会给你一个聊天框里的表格,还得自己下载保存。
类似地,它可以把 400MB 以上的超大 PDF 按章节拆分成多个带描述性文件名的小文件,也能把 Notebook LM 生成的「图片式」不可编辑 PPT 重建为带真实文本框、可修改的演示文稿。
能力二:持久记忆
持久记忆是本文最重要的能力,而它之所以可能,正是因为 Cowork 拥有本地文件访问权。
Claude Chat 其实也有记忆——你让它记住某个偏好,它在后续对话中就会沿用。但 Chat 的记忆存在云端,容量有硬性上限。Cowork 则把记忆写入电脑上真实的文件,能记住你要求保留的每一个决定、每一项偏好,想存多久存多久。

实际用法:你可以让 Cowork 总结一份会议记录,拿到结果后对结构不满意并自己做了修改,再告诉它「把你的版本和我的版本对比,把这些偏好存进可见的根目录 CLAUDE.md 和 MEMORY.md 文件,下次记住」。Cowork 会在 Playground 根目录创建这两个文件,之后每当你让它记住什么,就会写入其中——写得越多,它越懂你的工作方式。
能力三:连接器打通外部工具
默认情况下 Cowork 只能看到文件夹内的内容,连接器(Connectors)让它伸进你已经在用的工具,如 Gmail、Google Drive、Notion 等,既能读取也能直接在里面工作。在左侧 Customize → Connectors 中添加即可,建议至少连接 Gmail、Google Calendar、Google Drive 和 Notion。
连好 Gmail 后,可以让它「阅读过去一个月的邮件,提炼我的语气风格并保存为写作原则」,之后起草邮件时它就会沿用你的语气。更强的是两个连接器协同:让它把 Google Drive 里的 Gemini 会议转录与 Notion 里的会议记录交叉比对,找出「说了但没写进记录」的承诺与行动项。找不到现成工具时,还可通过 MCP 添加自定义连接器。
MCP(Model Context Protocol)是 Anthropic 于 2024 年底提出的开放协议,旨在为 AI 模型与外部工具、数据源之间的通信定义统一标准。可以把它理解为 AI 领域的「USB 接口」:工具开发者按照 MCP 规范暴露接口,AI 客户端(如 Cowork)就能即插即用地调用这些工具,无需为每个工具单独开发适配层。目前已有数据库、代码执行环境、企业 SaaS 等多类工具提供 MCP 服务端实现。对于 Cowork 用户而言,这意味着当官方连接器目录中找不到你需要的工具时,只要该工具有 MCP 服务端,就可以将其地址填入 Cowork 的自定义连接器,从而将几乎任何外部服务纳入工作流。
能力四:技能(Skills)
技能的核心逻辑是:你先走一遍真实工作流,再把它固化成可一键复用的流程。简单例子是让 Cowork 把某段文字改得更清晰简洁,满意后对它说「把刚才做的变成一个清晰简洁技能」,它会调用自带的 skill creator、问几个澄清问题,然后生成技能供你一键添加。

更实用的场景是周报:把三个团队格式各异的更新交给 Cowork,反复给反馈(先给三个跨团队核心指标、再给三条亮点三条不足、控制在 300 字内、输出 PDF),满意后让它「回看整段对话,创建一个周报技能」。这样原本 10 步的流程,以后每次都能自动重复,长期看节省大量时间。
关于技能有三点要注意:一是创建前要确保启用 Anthropic 的 skill creator;二是技能更新后需重新 copy 覆盖旧版本,且建议备份到 Google Drive,因为换电脑技能不会自动迁移;三是不推荐用「与 Claude 一起创建技能」的方式,先手动走完真实工作流再逆向生成,效果好得多。
能力五:项目(Projects)
可以简单理解为,Cowork 项目和 Claude Chat 项目基本相同,只是前者自带前面提到的全部能力——本地文件访问、持久记忆、连接器、技能。

一个值得点出的差异是:Cowork 项目可以直接写入自己的知识文件。在 Chat 项目里,让 Claude 固化学到的东西,它只能生成更新后的知识文件,你还得手动删掉旧文件;而在 Cowork 里,一句「把这条原则固化到某项目下」,它就直接写入指令文件,无需你额外操作。
能力六:浏览器扩展——最大短板所在
这项能力本身很简单:装了 Claude 浏览器扩展后,Cowork 理论上可以把任务委托给浏览器。但 UP 主坦言目前无法推荐,原因有三:一是慢,大多数交互都要先截图回传给 Cowork 再决定下一步;二是不可靠,经常任务做到一半就停了;三是消耗大,因为控制浏览器时它会过度谨慎、反复思考。
与此相关的一个弱点是网页搜索。Claude Chat 可以强制、开启或关闭网页搜索,甚至能在对话中途切换;而 Cowork 无法强制网页搜索,且常常回退到那个并不可靠的浏览器扩展,这是实打实的限制。
能力七:定时任务
定时任务并非新鲜功能,Gemini 和 ChatGPT 早就有。但 UP 主认为只有 Claude Cowork 的定时任务「近乎完美运行」,原因恰恰在于前面那些能力的叠加。
以每天早 6 点运行的「晨间收件箱整理」任务为例:它会生成报告并为所有邮件起草回复。背后的运作是——Cowork 把一套 Inbox Zero 工作流提炼成规则,借助本地文件访问保存为 Markdown 文档;通过连接器读取 Gmail 全部邮件,对照规则起草回复;而起初一周效果并不好,经过反复给反馈,持久记忆让它记住了修正(比如邮件签名的落款方式),如今已能像本人一样处理收件箱。
这背后是数周的反馈、上下文与「学习」的积累,也印证了 Cowork 真正的威力来自七项能力的协同,而非任何单一功能。
「Inbox Zero」是由生产力作家 Merlin Mann 提出的电子邮件管理理念,核心目标是让收件箱始终保持清空状态。具体做法是对每封邮件立即做出处置决定:立即回复、委派他人、推迟处理、归档或删除,而非将邮件作为代办事项积压在收件箱。这一方法论的价值在于减少「部分注意力持续消耗」——收件箱里堆积的未处理邮件会持续占据认知带宽。Cowork 的晨间任务正是将这套规则编码化:把个人化的分类与回复标准写入 Markdown 文件,让模型每天自动执行一遍,从而将需要反复决策的流程变为可自动运行的规则集。
小结
Claude Cowork 的价值不在于某个炫目的单点功能,而在于本地文件访问、持久记忆、连接器与技能四者的叠加——它们共同让 Cowork 从「给建议的聊天框」进化为「真正交付成果的工作助手」。对日常重度使用 Claude 的用户而言,花 20 分钟配置好 Playground、记忆文件与连接器,就能把一次次重复劳动沉淀为可自动运行的工作流。当然,浏览器扩展与强制网页搜索的缺失仍是现阶段的明显短板,值得在实际采用时留意。
相关推荐

从工作流到评估驱动:AI时代解决任务的范式转变
AI解题范式正从设计确定性工作流转向「定义评估+爬山优化」。本文解析评估驱动如何重塑任务解决方式、数据供应商的新角色、人类从执行者到方向制定者的转变,以及Agent应用界面的演化趋势。

收据伪造检测模型接近随机?文档图像取证的实战困境与破局思路
一个收据伪造检测项目的 ROC-AUC 始终接近随机水平,本文剖析文档图像取证中的小样本困境,并给出从二分类转向异常检测、自监督预训练、数值一致性校验等可验证的破局方向。

特斯拉Powerwall+电动车:停电时的双重备用供电方案
特斯拉Powerwall家庭储能系统结合电动车双向充电,可在停电时提供多重备用供电。本文解析Powerwall续航能力、车辆作为备用电池以及超充补能的闭环方案与现实边界。