自1月28以来，软件和服务的股价蒸发近8300亿美元。

“美股方面，周三开盘不久后，甲骨文重挫4.2%。

随之，其他软件巨头也纷纷走低：Adobe下跌 2.6%，Salesforce跌3.3%，Atlassian跌3%……

仅在当地时间周二交易中，短短24小时，软件、法律科技、数据服务公司市值蒸发了约2850-3000亿美元。

路透称，自1月28以来，软件和服务的股价蒸发近8300亿美元。”

市场在慌什么？答案是Anthropic刚发布的Claude Cowork——一个能在你电脑上自主工作的AI助手。

我花了两个晚上研究它背后的技术，发现这玩意儿不简单。它不是简单的“AI+自动化”，而是把近几年学术界最前沿的几个概念攒在一起，做成了一个能用的产品。

今天把Claude Cowork拆开来看看。

它到底是什么？

Claude Cowork是一个基于Agentic AI架构的桌面应用。

等等，“Agentic AI”是什么？这个词最近才在学术圈火起来。2025年5月，一篇发在arXiv上的论文《AI Agents vs. Agentic AI: A Conceptual Taxonomy》专门辨析了这两个概念[1]。

简单说：

• AI Agent（AI智能体）是单一的任务执行者，你给它一个指令，它执行，完事。
• Agentic AI（自主AI系统）不一样，它能把复杂任务拆解成多个子任务，协调多个“子智能体”并行工作，还能在过程中自己调整计划。

Claude Cowork属于后者。

它的核心能力是“sub-agent coordination”（子智能体协调）。官方文档里说得很直白：“Claude breaks complex work into smaller tasks and coordinates parallel workstreams to complete them.”

用人话说就是：你给它一个大活儿，它会自己拆成好几个小活儿，同时干，干完了再组装起来给你。

这个思路其实来自2024年一篇叫《ChatDev: Communicative Agents for Software Development》的论文。研究者设计了一个“虚拟CEO”智能体，负责把任务分给不同部门的智能体，然后整合输出。Cowork应该也是借鉴了这套架构[1]。

为什么需要它？

因为人类的工作方式变了。

以前我们用软件，是“点点点”——点开文件、复制、粘贴、保存。AI出现后，变成了“对话”——你说一句，它生成一段文字或代码。

但这两种模式都有问题：

1. “点点点”模式太碎片化，你得自己管理所有细节。
2. “对话”模式太浅层，AI每次只能回答一个问题，做不了复杂任务。

Cowork的出现，是为了解决“我有一堆文件需要整理，但我不想一个个告诉AI该怎么做”这类需求。

比如：你的Downloads文件夹乱成一团，里面有合同、截图、发票、PPT。你希望AI能：

• 识别文件类型
• 创建对应文件夹
• 移动并重命名文件
• 生成一个汇总表格

这事儿单靠对话式AI做不到，因为涉及太多步骤和判断。但Cowork可以，因为它用的是“ReAct”范式。

它是怎么做到的？

ReAct是“Reasoning and Acting”的缩写，2022年由普林斯顿大学和Google Brain团队提出[2]。

传统的“Chain-of-Thought”（思维链）prompting只负责推理，不负责行动。ReAct把推理和行动交织在一起：

Thought(思考): 我需要先找到所有PDF文件 
Action(行动): 搜索Downloads文件夹下的.pdf文件 
Observation(观察): 找到15个PDF文件 
Thought: 我需要判断这些PDF的类型 
Action: 读取每个PDF的前几页内容 
​​​​​​​... 

这个循环一直持续，直到任务完成。

Wei等人在2022年发表的《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》论文证明，让LLM生成“中间推理步骤”能显著提升复杂任务的表现[3]。ReAct在此基础上加入了“行动”环节，让AI不只是想，还能做。

Cowork的实现中，这些“行动”包括：

• 读写本地文件
• 调用外部工具（如搜索引擎）
• 使用插件（Plugins）扩展能力

这就引出了下一个问题。

它工作在哪里？

你的本地电脑上。

这个设计很关键。不同于ChatGPT或Gemini这种纯云端服务，Cowork需要访问你的文件系统，所以它必须在本地运行。

目前只支持macOS的Claude Desktop应用。你需要：

1. 安装Claude桌面应用
2. 开通付费订阅（Pro/Max/Team/Enterprise）
3. 手动给Cowork授权访问某个文件夹

这种“本地运行+云端模型”的混合架构，好处是数据不离开你的设备，坏处是你得保持网络连接。

值得一提的是，Cowork的对话历史存储在本地，不受Anthropic数据保留政策约束。这意味着你的工作记录不会被上传到云端——除非你明确分享。

什么时候用？

当任务复杂度超过“三次对话”的时候。

如果你的需求是“帮我写一封邮件”，用普通对话模式就够了。但如果是“把这50张发票截图整理成Excel，计算总额，生成月度报表，并发送给财务”，Cowork就派上用场了。

论文《The role of agentic AI in shaping a smart future》提到，Agentic AI适合的场景包括[4]：

• 需要持续上下文的任务（长时间运行）
• 需要多模态协调的任务（处理文本、图片、表格）
• 需要分布式劳动的任务（多步骤并行执行）

这些场景的共同特点是：任务本身需要“计划-执行-调整”的循环，单次对话完成不了。

谁在用？

理论上是“所有知识工作者”，但实际上门槛不低。

Cowork目前是“research preview”（研究预览版），功能还不稳定。有用户反馈说它会误删文件，所以Anthropic建议不要用于“受监管的工作负载”。

从市场反应来看，最慌的是法律、销售、财务等领域的软件公司。为什么？因为Cowork发布了一堆行业插件：

• Legal Plugin（法律插件）：起草合同、检索判例
• Sales Plugin（销售插件）：研究潜在客户、准备商务谈判
• Finance Plugin（财务插件）：分析财务报表、构建模型

这些插件本质上是“预先训练好的专业子智能体”。它们被集成进Cowork后，就能自动完成原本需要专业软件才能做的事。

这就是为什么股市会跳水——市场担心这些插件会取代现有的垂直SaaS工具。

成本如何？

分两部分：订阅费和算力成本。

订阅费：

• Pro：$25/月
• Max：$149.99/月（Cowork最早对这个tier开放）
• Team/Enterprise：定制价格

算力成本：Cowork运行时会持续调用Claude API，消耗token。因为是“Agentic”模式，它会生成大量中间推理步骤，token消耗比普通对话高3-5倍。

但从另一个角度看，如果Cowork能替你完成一个原本需要2小时的任务，节省下来的时间成本远高于API费用。

这背后涉及一个学术问题：Agentic AI的“效率边界”在哪里？

有研究指出，当任务复杂度超过一定阈值时，Agentic AI的性能会快速提升；但如果任务过于简单，反而会因为“协调成本”导致效率下降[1]。这就是为什么Cowork不适合回答“今天天气怎么样”这种问题。

我的一些观察

研究Cowork的时候，我翻了不少论文。有几个有意思的发现：

1. ReAct不是万能的

ReAct在2022年火了，但后续研究发现它也有局限。2024年的一篇论文《Exploring ReAct Prompting for Task-Oriented Dialogue》指出：在某些任务中，ReAct的成功率低于传统方法，但用户满意度反而更高[5]。

原因是：ReAct生成的推理轨迹更“像人”，让用户觉得AI在“认真思考”，即使最终结果不完美，用户也更愿意接受。

这对产品设计是个启发——有时候“透明度”比“准确度”更重要。

1. 多智能体协调是个难题

Cowork能协调多个子智能体并行工作，听起来很酷。但学术界对这事儿有争议。

2025年的一篇综述《Agentic AI: A Comprehensive Survey》提到，多智能体系统存在“拜占庭问题”——当某个子智能体出错时，整个系统可能崩溃[7]。

解决方案之一是引入“Contract Net Protocol”（合同网协议），让子智能体之间通过“招标”方式分配任务，减少单点故障[6]。不知道Cowork有没有用类似机制。

1. Agentic AI的“灵魂侵蚀”

这个词来自一篇2024年的论文《BMAM: Brain-inspired Multi-Agent Memory Framework》[7]。研究者发现：长时间运行的Agentic AI会逐渐“忘记”早期的任务目标，出现“目标漂移”。

他们提出的解决方案是设计一个类似人脑的记忆系统，包括：

• 情景记忆（episodic memory）：记住具体事件
• 语义记忆（semantic memory）：记住概念和知识
• 显著性记忆（salience-aware memory）：记住重要信息

Cowork会不会遇到类似问题？目前还不清楚，但这是个值得关注的方向。

写在最后

Claude Cowork不是第一个Agentic AI产品，也不会是最后一个。

但它的出现，标志着AI从“对话工具”向“工作伙伴”的转变。这个转变的核心不是技术本身，而是“自主性”——AI开始能自己拆解任务、协调资源、调整计划。

这对人类意味着什么？

短期来看，某些重复性的知识工作会被自动化。长期来看，人类和AI的协作模式会彻底改变——我们不再需要事无巨细地指挥AI，而是给它一个目标，让它自己去完成。

这听起来很美好，但也有风险。当AI能自主行动时，如何确保它的行为符合人类意图？如何防止它做出不可逆的错误决策？

这些问题，学术界还在研究。而Cowork，已经在路上了。

---

参考文献

[1] Sapkota, R., et al. (2025). AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges. arXiv:2505.10468

[2] Yao, S., Zhao, J., Yu, D., et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv:2210.03629

[3] Wei, J., Wang, X., Schuurmans, D., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. arXiv:2201.11903

[4] Soodeh Hosseini, Hossein Seilani. (2025). The role of agentic AI in shaping a smart future: A systematic review.

[5] Elizabeth, M., et al. (2024). Exploring ReAct Prompting for Task-Oriented Dialogue: Insights and Shortcomings. arXiv:2412.01262

[6] Mohamad Abou Ali, Fadi Dornaika. (2025). Agentic AI: A comprehensive survey of architectures, applications, and future directions. arXiv:2510.25445

[7] Yang Li, Jiaxiang Liu, Yusong Wang, Yujie Wu, Mingkun Xu. (2026). Brain-inspired Multi-Agent Memory Framework (BMAM). arXiv:2601.20465