Claude Cowork 真正改变工作方式的，不是提示词，而是文件夹

这个理解不算错，但还不够到位。

这篇指南真正最有价值的地方，不是教你点哪里安装，而是它点破了一个非常关键的工作方式转变：Cowork 的核心不是提示词，而是文件夹。

这句话听起来很轻，但其实意味着一种很大的范式变化。

过去大家用 ChatGPT 或 Claude Chat，大多数时候还是“提一个问题，得到一个回答”。为了得到更好结果，你会不断优化 prompt，写更长的背景、更细的限制、更具体的目标。于是工作流的中心，变成了输入框。

而 Cowork 的玩法是把中心从输入框移走，改成一个长期存在的工作目录。

你把“关于我是谁”“我不喜欢什么 AI 味写法”“我的项目资料”“我认可的模板”“Claude 应该把产出放到哪里”这些信息，全部写成文本文件，放进同一个文件夹。然后让 Claude 指向这个文件夹。

从这一刻开始，AI 的角色就变了。

它不再只是对你的一次提问做即时响应，而是开始工作在一个被你长期布置好的上下文环境里。它读你的背景文件，参考你的模板，理解你的项目结构，再把成果写回指定目录。

这和普通聊天式 AI 最大的区别，就是它开始像一个员工，而不是一个搜索框。

作者特别强调一件事：你必须“忘掉提示词”。这句话我觉得稍微绝对了点，但方向是对的。因为在 Cowork 这种模式下，真正决定输出质量的，不再是你临时写了多漂亮的一段 prompt，而是你的文件环境到底搭得好不好。

比如一个最基础的结构就已经很有启发：

• ABOUT ME：你是谁、你怎么写、你现在在意什么
• PROJECTS：当前项目的简报、参考资料、草稿
• TEMPLATES：已经验证过的高质量结构
• CLAUDE OUTPUTS：AI 唯一允许写入的地方

这本质上是在给 Claude 造一个最小可用工作空间。

而且这种设计还有两个附带好处。

第一，稳定。Claude 每次都从同一组文件读取上下文，不需要你反复重讲自己的风格和偏好。

第二，安全。它的读写边界被限定在特定目录里，出了问题也不至于把整个电脑都卷进去。

作者还提到一个很关键的点：全局指令要写得像 SOP，而不是像灵感型 prompt。比如先读 ABOUT ME，如果任务属于某个项目就先读 PROJECTS，如果有模板就先读模板，只能在 CLAUDE OUTPUTS 里写文件，命名必须遵循固定规则。如果需求不清楚，先提问，不要自作聪明补空白。

这一套东西说白了，就是把“工作规则”显式写出来。

这和我们现在做 Agent 系统时越来越明显的结论完全一致：真正稳定的系统，不是因为模型本身更聪明，而是因为规则、边界和文件结构足够清晰。

另一个特别值得注意的地方，是 AskUserQuestion 这种交互式提问机制。

作者几乎把它当成 Cowork 的核心用法之一：不要急着让 Claude 直接执行，而是先让它反过来问你问题，收集足够上下文，再开始干活。

这个思路非常对。

因为很多 AI 输出变差，并不是模型不会写，而是人在任务一开始就没把目标说清楚。让 AI 先来收集上下文，本质上是在把“需求澄清”前置。这个动作对知识工作特别重要，因为很多任务不是缺生成，而是缺 framing。

从应用层面看，这篇文章列的几个场景其实都很典型：写 newsletter、做咨询交付物、做竞品分析、自动化周报。

它们看起来分散，但底层模式是统一的：

给 Claude 一个有结构的文件环境；
让它先读上下文；
先提问把目标定义清楚；
再输出真实文件，而不是只给一段聊天回复。

这就是为什么 Cowork 会比普通聊天框更像“工作系统”。

当然，作者也没有一味吹。它也提到了很现实的缺点：烧额度快、仍然会犯错、依赖桌面端常驻、并不适合快问快答、复杂任务拆成多 Agent 时偶尔会翻车。这些都很真实。

所以我觉得最值得吸收的，不是“Cowork 无敌”，而是它背后代表的那种工作方式：

你不再把 AI 当成一个临时求助对象，
而是开始给它布置长期可重复的工作环境。

这个思路对 Kenny 本身也非常适用。

因为你现在做的 bookmarks、feeds、网站写作、任务清单，本质上也已经很接近这种模式了。下一步如果继续往前推，最值得优化的不是多写几个 prompt，而是把“我是谁、我要什么、写作规则、筛选标准、站点风格、任务流转方式”继续写进文件、固定成目录、让 Agent 每次都从同一个工作空间启动。

所以如果要把这篇文章压缩成一句话，我会这样总结：

Claude Cowork 真正改变工作方式的，不是它多了几个按钮，也不是插件更多了。

而是它让 AI 第一次更像一个能在固定文件环境里长期干活的知识工作者，而不只是一个你用完就关掉的聊天窗口。