多云协作：从写代码到编排 AI

Boris 的日常工作流是这样的：同时启动多个 AI 代理，在它们之间来回切换，确认状态、解决问题、推动进度。用他自己的话说，就是「照顾好我的 Claude 们」。

这意味着核心技能正在发生转移。过去是深入单一任务、亲手写逻辑；现在是并行管理多个 AI 代理，像一个项目经理一样分配和协调工作。

Cowork：不只是聊天，而是能操作你电脑的 AI

Claude Cowork 把这个理念推得更远。它不是一个对话框，而是一个真正能动手的助手：

  • 访问你的文件系统（需要授权）
  • 通过 Chrome 扩展控制浏览器
  • 生成演示文稿、电子表格、文档等文件
  • 通过 MCP（模型上下文协议）集成 500+ 工具
  • 可以修改和删除文件

安全方面，Anthropic 做了多层防护：后台运行虚拟机、删除操作前会提示确认、模型层面的对齐研究，以及提示注入保护。这个设计很实用——既给了 AI 足够的操作权限，又不至于让人睡不着觉。

最意外的用户群体

Boris 最初是在终端里构建 Claude Code 的，以为只有硬核工程师会用。结果他错了。

Anthropic 销售团队有一半人每周都在用 Claude Code。设计师、产品经理、数据科学家——几乎所有非技术岗位每天都在用。来自非工程师的需求是「最疯狂的事情」。Cowork 正是为此而生：一个更简单的界面版本，不需要终端知识，AI 会替你处理 Bash 命令。

繁琐任务的终结

知识工作者每天有大量时间花在这类事情上：重命名收据、在应用之间搬运数据、把邮件内容整理成表格、连接 A 应用和 B 应用。Boris 的愿景是把这些全部交给 AI 代理，让人腾出时间做真正有创造性的工作。

对独立开发者和一人公司来说，这一点尤其关键——你没有助理，没有运营团队，这些繁琐任务以前只能自己扛。

成本悖论：更贵的模型反而更省钱

一个反直觉的发现：更智能的模型虽然单个 token 价格更高，但总成本可能更低。原因很简单——笨模型磕磕绊绊需要 10,000 个 token 才能完成的任务，聪明模型 2,000 个 token 就搞定了。选模型不能只看单价，要看完成任务的总开销。

规划才是一切

使用 Opus 4.5 时，Boris 发现了一个关键规律：只要计划定义清晰，AI 执行代码就能做到「近乎完美」。

这意味着工作流应该是：

  1. 在规划上花更多时间，把需求和步骤想清楚
  2. 让 AI 处理具体执行
  3. 通过浏览器扩展、测试框架等手段验证输出

ClaudeMD 知识库：团队的共享记忆

Boris 的团队维护着一个共享的 ClaudeMD 文件——本质上是一个团队知识库，Claude 在每次任务前都会读取。里面记录了编码错误和修复方案、最佳实践、项目特定模式。

这就像给 AI 做入职培训，但这个「新同事」永远不会忘记学过的东西。对于一人公司来说，这个思路同样适用：维护一份自己的 ClaudeMD，把踩过的坑和项目规范写进去，让 AI 越用越顺手。

12 个月后的世界

被问到一年后 Cowork 会变成什么样，Boris 坦言自己的计划周期只有一周——模型迭代太快了。但他一年前做过一个预测：到年底，人们将不再手写代码。对他个人来说，这个预测已经成真。

他对未来的判断是：所有繁琐的连接、搬运、转换任务，模型都将能够完成，而且会越来越擅长。

如何开始

Boris 的建议是保持简单：

  1. 安装 Cowork
  2. 安装 Chrome 扩展
  3. 直接开始用，不要一上来就过度定制

与 Claude Code 面向工程师的高度可定制性不同，Cowork 的设计理念就是开箱即用。只有当你发现它不擅长某个特定软件时，再编写自定义技能。

对于工程师，Claude Code 依然是更强大的选择；对于非技术背景的独立创业者，Cowork 的门槛低得多。但两者的边界正在模糊——非工程师已经在用 Claude Code，工程师也可能在某些场景下更喜欢 Cowork。

归根结底，未来的核心竞争力不是写代码，也不是某个领域的深度专业知识，而是编排多个 AI 代理、定义清晰计划、验证输出的能力。问题不再是「AI 会不会取代我」，而是「我能同时高效管理多少个 AI 代理」。这个答案的上限，决定了一个人能撬动多大的事。