Felix 谈 Anthropic Claude Cowork 诞生、本地优先代理与知识工作的未来

来源： Latent Space Podcast | Felix Rieseberg | 2026-03 播客： Latent Space 分类： Anthropic 原文发表： Mar 17, 2026 纪要生成： 2026-03-18

全集重点

Claude Cowork 起源：基于 Claude Code 意外的非编码用途爆发，仅用 10天 整合内部组件完成开发，面向非终端用户开放代理能力
原型优先文化：Anthropic 执行成本大幅降低，无需长文档论证，直接构建多个候选版本，基于实际效果择优
本地优先设计：硅谷普遍低估本地电脑价值，通过 VM 沙箱平衡安全边界与自主执行能力，解决授权疲劳问题
技能的核心价值：基于 Markdown 的轻量级技能抽象比刚性 MCP 工具架构更灵活，可实现可复用、可迁移的自动化工作流
AI 产品趋势：通用大模型与底层原语日益强大，大量垂直 AI wrapper 产品可能被整合，知识工作将从问答转向长周期低干预委托

嘉宾/话题简介

Felix Rieseberg 是开源框架 Electron 核心维护者，曾主导 Slack 桌面端开发，有丰富的跨平台桌面应用构建经验，目前是 Anthropic 技术成员，负责 Claude Cowork 产品研发。本次播客中他分享了 Claude Cowork 从意外发现需求到 10 天快速上线的完整历程，深入解读了 Anthropic 的原型优先文化、本地优先代理的设计逻辑，以及 AI 时代知识工作、劳动力市场的变化趋势。

分节详述

00:00 开篇与低成本执行时代的到来

本节重点

播客在 Kernel 新工作室录制，核心讨论 Claude Cowork 设计逻辑与 AI 代理未来
大模型时代产品执行成本大幅降低，可快速构建所有候选方案再择优选择
大量用户将 Claude Code 用于非编码知识工作，催生 Claude Cowork 研发需求

详细精要

录制背景介绍：本次是 Latent Space 播客在 Kernel 新工作室的首期录制，嘉宾为 Anthropic 技术成员 Felix Rieseberg。
主持人 swyx 透露已深度使用 Claude Cowork 管理播客内容生产、视频上传等工作，效率提升明显
Felix 表示团队经常发现用户使用 Cowork 的场景远超预期，比如设计师用它给 SVG 表情做动画
低成本执行的产业变化：传统产品开发需要先做用户调研、写需求文档、论证辩论再落地，大模型时代执行成本大幅下降。
Anthropic 内部现在的开发逻辑是无需写长备忘录，直接快速构建所有候选方案，基于实际使用效果选择最优版本
这一变化仅在最近 1 年左右出现，大幅缩短了产品从想法到落地的周期
Claude Cowork 的需求起源：2025 年底团队发现大量非技术用户使用 Claude Code 处理非编码工作，比如管理报销、整理知识库、处理 Obsidian 笔记等。
即使是技术开发者也大量用 Claude Code 处理非技术任务，终端原生的 Claude Code 门槛过高，无法覆盖普通知识工作者
团队决定基于 Claude Code 打造更低门槛的版本，面向非终端用户开放代理能力

💬 精华片段（中文）

我们现在基本是不再写备忘录了，直接把所有候选方案都快速做出来，然后挑最好的就行。

"We internally at Anthropic are now pretty much closer to the point where we’re like, don’t even write a memo, just like build, let’s build all the candidates very quickly. Let’s just build all of them and then pick the best ones."

02:47 Claude Cowork 的定位与“友好但更强大”的产品逻辑

本节重点

Claude Cowork 是基于 VM 的 Claude Code 友好版本，面向非终端原生用户开放代理工作流
友好不是功能简化，而是功能超集，类似 VS Code 最初比 Visual Studio 简单但可扩展性更强
核心价值是让用户无需掌握终端操作，即可使用 Claude 的代理能力处理各类知识工作

详细精要

Claude Cowork 的核心定义：本质是运行在轻量虚拟机中的 Claude Code，新增了更多安全护栏与便捷功能，无需用户掌握终端操作即可使用。
无需用户自行安装 Python、Node.js 等运行环境，也无需掌握 brew 等包管理工具
核心目标是将 Claude Code 的代理能力从技术开发者扩展到所有知识工作者
“友好即超集”的产品逻辑：Claude Cowork 表面上是降低门槛的友好版本，实际是功能更全的超集产品，类似 VS Code 和 Visual Studio 的关系。
VS Code 最初被认为是 Visual Studio 的简化版，最终凭借极强的可扩展性、可定制性成为主流开发工具
Claude Cowork 同样具备极强的可扩展性，可轻松接入用户现有工作流，适配各类个性化需求
主持人 swyx 表示实际使用中 Cowork 的能力比 Claude Code 更强，尤其在 Chrome 集成、任务规划等方面体验更好
用户感知差异的核心原因：Cowork 针对知识工作场景做了大量系统提示词优化，降低了用户使用门槛，同时保留了全部底层能力。
技术用户可继续使用全部 Claude Code 的编码能力，非技术用户可通过自然语言完成复杂任务
目前大量用户已经用 Cowork 处理动画制作、内容管理、财务分析等跨场景任务

💬 精华片段（中文）

我个人认为 VS Code 的可扩展性和可定制性是它成功的核心原因，你几乎可以把它接入任何工作流，修改起来非常容易。我认为 Claude Cowork 也在走同样的路线，它非常容易扩展，很容易融入你的现有工作流。

"My personal belief is that the Hackability and the extendability has like played a pretty big role, right? You can hook in Visual Studio Code that like almost any workload, it's so easy to hack on, so easy to put extensions for it. And I think cowork might be hitting a similar thing where it's very easy to extend and it's very easy to bring into your workflows."

05:33 10天上线背后的 Anthropic 原型优先文化

本节重点

Claude Cowork 仅用 10 天就完成开发上线，核心是整合了 Anthropic 内部大量已有的原型组件
Anthropic 内部有浓厚的原型优先、Demo 优先文化，大量未对外发布的内部原型为产品落地提供了基础
平台层组件的价值越来越高，基于成熟的底层原语搭建新产品的效率远高于从零开发

详细精要

10天上线的核心逻辑：Claude Cowork 并非从零开发，而是从 Anthropic 过去 1 年半积累的大量内部原型中挑选合适的组件拼接而成，类似用 React 等成熟框架搭建网站。
过去 1 年半 Anthropic 已经在探索如何将用户从问答范式引导到任务执行范式，做了大量相关原型
团队直接复用了 Claude Code 的全部核心能力，仅新增了 VM 层、GUI 界面和知识工作场景的提示词优化
原型优先的开发文化：Anthropic 内部推崇先做原型、先跑 Demo，而非先做需求论证，大量内部实验即使不对外发布也有很高价值。
传统开发中需要纠结的技术选型、需求优先级问题，现在直接做多个版本测试，根据小范围用户反馈选择最优解
这种文化大幅降低了试错成本，很多创意可以在几天内就完成原型验证
平台原语的价值提升：大模型时代虽然代码生成成本趋近于零，但成熟的平台层组件、底层原语的价值反而越来越高。
基于已有的 Claude Code、VM 组件、Chrome 集成能力等原语搭建新产品，效率远高于从零重建
Felix 不认为未来会是人人都跑自己的个性化软件的场景，通用平台的协同价值依然不可替代

💬 精华片段（中文）

大家提到 10 天上线的时候，我觉得有必要说明这不是从零开始做的，我们之前已经有大量的内部组件，就像你建网站会用 React 一样，我们只是把已经有的乐高块拼起来而已。

"I think it's important to me to mention that within Double Scratch there was like a lot of stuff already happening, right? Like, and I think it's important for people to remember that when you build a website, you use React, you use like a bunch of other things. And this is like a similar scenario with like a lot of pieces we already had."

08:00 本地优先的代理设计逻辑

本节重点

硅谷普遍低估本地电脑的价值，将 AI 代理部署在用户工作的设备上能力更强
Claude Cowork 给 Claude 分配独立的 VM 环境，既是安全边界也是能力解锁的基础
本地部署无需逐一申请各类云端权限，也避免了账号多地点登录被风控的问题

详细精要

本地电脑的价值被低估：当前行业普遍倾向于云端部署 AI 代理，但 Felix 认为本地设备的价值被严重低估，类似现在大家依然在用 MacBook 而非 Chromebook/iPad 作为主力生产设备。
AI 代理需要和用户使用的所有工具打通，云端部署需要逐一申请各类权限，维护成本极高
将用户全部工作数据克隆到云端的隐私风险极高，大部分用户和企业无法接受
VM 作为核心设计载体：Claude Cowork 为 Claude 分配独立的轻量 Linux VM，同时解决了安全和能力两个核心问题。
安全层面：VM 作为沙箱隔离了 Claude 的操作和用户宿主系统，避免恶意操作影响用户设备
能力层面：Claude 可在 VM 中自由安装需要的工具、运行脚本，无需用户提前配置环境，也无需频繁征求用户授权
本地部署的实践优势：本地优先设计避免了很多云端部署的现实问题，适配更多企业的安全管控要求。
比如直接读取本地 Chrome Cookie 操作网页的场景，云端部署会触发大部分网站的异地登录风控，需要用户手动验证
企业管控设备中用户通常没有安装软件的权限，VM 内的操作不受企业管控规则限制，同时不会影响宿主系统安全

💬 精华片段（中文）

我通常给我爸的解释是，如果你是开发者，你的老板告诉你不需要电脑，只需要通过邮件收发代码，那效率肯定很低。给 Claude 一台属于它的电脑是一样的道理。

"The analogy I've given my dad this morning who is still like quite insistent on using chat even for like coding things, is if you were a developer and your employer told you that you don't need a computer, they're just gonna like, send you emails with a code and you send emails with code back like that, maybe work for Patrick Miles in the back, but that it's not very effective."

09:20 Cowork 核心架构与 Eval 逻辑

本节重点

Claude Cowork 核心架构由 VM 层、Chrome 集成、知识工作场景优化的系统提示词三部分组成
Cowork 和 Claude Code 的核心差异是评估指标不同，前者针对知识工作场景优化，后者针对编码场景优化
Cowork 会主动使用规划工具和询问用户工具，避免长周期任务偏离用户需求

详细精要

核心架构拆解：Claude Cowork 没有对 Claude Code 的核心逻辑做修改，主要新增了三层能力。
轻量 VM 层：提供隔离的运行环境，支持自由安装工具，同时作为安全护栏
Claude Chrome 集成：可直接操作浏览器，读取 DOM 内容、执行网页操作，无需额外的 MCP 连接器
知识工作优化的系统提示词：引导模型主动做任务规划、主动询问用户模糊需求，适配长周期知识工作场景
Eval 逻辑差异：Claude Cowork 和 Claude Code 的核心差异是评估（Eval）指标的不同，对应不同的优化方向。
Claude Code 主要基于编码任务套件做评估，优化编码准确率、效率等指标
Claude Cowork 主要基于金融、法律、行政管理等知识工作场景做评估，优化任务完成率、用户沟通效率等指标
未来随着模型通用能力提升，两者的差异可能会逐步缩小
长周期任务的优化逻辑：针对知识工作任务周期长、需求模糊的特点，Cowork 被引导优先做两个动作。
主动生成多步任务计划，展示给用户确认后再执行，避免做无用功
遇到需求模糊的点主动询问用户，而非默认按照自己的理解执行

💬 精华片段（中文）

当任务周期变长，需求也会变得更模糊，所以我们会告诉 Cowork 要重度使用规划工具和询问用户的工具，先搞清楚用户到底想要什么，不要跑出去工作4小时然后带回来错误的结果。

"Because the work, when it gets longer, it gets a little bit more ambiguous. We do tell co-work to make heavy use of the planning tool or to make heavy use of the ask user question tool, right? We do want it to come up with like different scenarios of, okay, tease out what the user actually wants. Don't go off to work for like four hours and then come back with the wrong thing."

24:21 技能的价值与 MCP 的对比

本节重点

基于 Markdown 的技能是轻量级的工作流抽象层，可实现可复用、个性化的自动化
技能比刚性 MCP 工具架构更灵活，无需严格符合工具 Schema 要求，适配性更强
技能的核心优势是学习成本极低，只要能用自然语言描述工作流程就能生成技能

详细精要

技能的起源：技能的概念来自团队内部的原型实验，最初团队想做连接数据仓库的定制工具，后来发现直接给模型一份描述 API 用法的 Markdown 文件就可以实现需求。
不需要开发专门的 MCP 连接器，也不需要严格定义工具调用的 Schema，模型可以自行理解 Markdown 中的使用说明
这种模式的效果远超预期，团队逐步将其抽象为“技能”功能开放给用户
技能和 MCP 的核心差异：技能是基于文本的轻量抽象，MCP 是基于刚性 Schema 的工具协议，两者适用场景不同。
MCP 适合标准化、高频调用的工具场景，但开发、维护成本高，适配新场景速度慢
技能没有固定格式，只要能用自然语言描述工作流程就能生成，开发成本几乎为零，适配个性化场景的能力极强
Felix 认为未来技能的适用范围会比 MCP 更广，大部分个性化场景用户会优先选择生成技能而非开发 MCP 工具
技能的可复用价值：技能可以保存、分享、重复使用，用户可以逐步搭建自己的个人自动化工作流集合。
比如用户可以把视频上传、日历管理、文件整理等高频任务做成技能，后续直接调用即可
技能可以嵌套、拆分，用户可以把复杂任务拆分为多个子技能，再通过父技能统一调度

💬 精华片段（中文）

技能最棒的地方是任何人都能做，一条短信都可以成为技能，而且可以高度个性化。你只要像教新同事一样告诉 Claude 怎么做这件事，它就能理解。

"One thing that is very fun for me about skills in particular is that they're so easy to make. Like anyone can make a skill, like a text message, could be a skill, and they can be so hyper personalized to you."

27:44 Cowork 实际使用场景演示

本节重点

播客现场演示了用 Claude Cowork 整理桌面、自动上传 YouTube 视频、日历自动化等高频场景
用户可以引导 Cowork 把重复性任务自动生成技能，后续无需重复描述需求
浏览器上下文和 DOM 访问能力大幅提升了 Cowork 处理网页相关任务的效率

详细精要

内容生产场景：主持人 swyx 用 Claude Cowork 实现了播客内容生产的全流程自动化。
自动从 Zoom 下载录制视频，通过视觉能力识别视频内容生成标题、简介，自动上传到 YouTube
引导 Cowork 将整个流程拆分为3个子技能，再通过父技能统一调度，后续可以一键执行
无需对接 YouTube API，也无需开发专门的工具，全程通过自然语言引导即可完成
个人效率场景：大量用户使用 Cowork 处理高频个人效率任务，降低重复劳动成本。
日历管理：自动检查日历冲突，按照用户预设的优先级规则调整会议时间，比如高管安排的会议优先保留
文件整理：自动整理桌面、下载文件夹，按照文件类型、主题分类归档，用户可以随时调整规则
行政事务：处理报税、费用报销、差旅预订等需要大量点击操作的行政任务
浏览器操作场景：Claude Chrome 集成能力让 Cowork 可以直接处理网页相关任务，无需额外工具。
自动申请 Google Cloud 账号、获取 API 密钥，解决 Google Cloud 控制台操作复杂的问题
直接读取 DOM 内容调试网页问题，比单纯通过代码调试效率更高
自动操作企业内部系统，无需对接专门的 API

💬 精华片段（中文）

大家适应 Claude Cowork 的方式通常是先把一个你平时要反复点击的知识工作任务交给它，然后逐步扩大它的权限范围，随着信任度提升不断把更多任务委托给它，就像搭建自己的自动化帝国一样。

"You start really small. You start automating something really tiny and like once it clicks, you keep adding onto this like automation empire. Just like make your life easier and easier."

37:47 技能可移植性与 AI 产品的生存空间

本节重点

Claude 生态内的技能和插件采用统一的文件格式，支持 Claude Code 和 Claude Cowork 通用
行业尚未解决技能的公共可复用性和个人私有上下文的结合问题
大量垂直 AI wrapper 产品长期来看可能被通用大模型和底层平台的原生能力整合

详细精要

技能可移植性现状：目前 Claude 生态内的技能采用纯文件格式，支持跨产品通用，用户可以直接导入 GitHub 仓库作为技能源。
技能本质是 Markdown 文本文件，不需要复杂的托管服务，天然具备可移植性
普通知识工作者目前还难以理解“导入 GitHub 仓库作为技能源”的操作，易用性还有很大提升空间
技能的公共与私有结合问题：当前行业尚未解决通用技能和个人私有上下文的结合问题。
通用技能（比如预订机票）的流程是标准化的，但用户的个人偏好（比如座位选择、起降时间偏好、常旅客信息）是私有的
目前的技能格式还不支持灵活的参数插值，用户需要手动修改通用技能加入个人信息，使用成本较高
垂直 AI 产品的生存挑战：Felix 认为大量做特定场景 wrapper 的垂直 AI 产品长期来看会面临被整合的风险。
短期来看垂直产品凭借场景优化可以获得用户，但随着大模型通用能力提升，这些场景优化的价值会逐步降低
只有深度绑定用户数据、具备强网络效应的垂直产品才能长期存活，单纯做模型调用 wrapper 的产品没有护城河

💬 精华片段（中文）

我认为很多短期内看起来效果很好的 AI 应用，都是因为针对特定场景做了专门优化，但等未来大模型的通用能力提升，不需要专门引导就能做好这些场景的时候，这些应用的价值就不存在了。

"I think we're gonna see a lot of like applications and companies that do very impressive things with ai that in the short term might seem very effective ‘cause they're very specialized to individual use cases. But I think once models get better generalization and get better at like those specific use cases without being super guided on those, I'm not sure how long that's gonna stick around."

46:19 初级岗位的影响与劳动力市场变化

本节重点

Anthropic 公开表示 AI 对劳动力市场的影响会很大，尤其是初级岗位受到的冲击最明显
滑铁卢大学的实习模式值得参考，密集的真实项目经验比纯理论学习更能提升毕业生竞争力
模拟工作、密集实践的培养模式可能成为未来应对初级岗位替代的解决方案

详细精要

初级岗位的替代风险：当前 AI 自动化的主要是大量重复性、低复杂度的工作，而这类工作通常是分配给初级员工的，会直接影响新人的职业发展路径。
软件工程师、行政、财务、法律等行业的初级岗位都会受到不同程度的冲击
资深员工的生产力会被 AI 大幅提升，单位产出提升会进一步减少对初级员工的需求
滑铁卢模式的参考价值：Felix 认为滑铁卢大学的培养模式值得推广，该校学生一半时间在学校学习，一半时间在企业实习，毕业生的实战能力远高于纯理论培养的学生。
滑铁卢毕业生通常有多个企业的实习经验，熟悉真实的产品开发流程、团队协作方式，入职后可以快速上手
纯理论培养的学生入职后通常需要1-3年的实战锻炼才能达到同等水平，未来这一差距会被 AI 进一步放大
未来的培养方向：模拟工作、密集实践的模式可能成为未来职业教育的主流，压缩新人的成长周期。
可以用 AI 模拟真实的工作场景，让新人在短时间内密集体验各种项目场景，积累经验
比如金融行业可以用 AI 模拟真实的交易场景、风险处理场景，让新人在几个月内获得过去几年才能积累的经验
年轻群体对 AI 的接受度更高、学习能力更强，反而可能比资深员工更快适应 AI 时代的工作模式

💬 精华片段（中文）

Anthropic 公开表态过，我们认为 AI 对劳动力市场的影响会非常大，整个社会还没有做好准备，我们应该更多地讨论这个问题，而不是回避。

"Anthropic is on the record as saying we do believe that the impact on the market is going to be sizable and we do not think that people overall are ready. Right. And we do actually think we should probably talk about it as a society much more."

58:06 VM 沙箱设计与安全授权平衡

本节重点

VM 沙箱是平衡安全和能力的核心方案，解决了“每步授权”的用户体验问题和“无限制权限”的安全问题
Claude Cowork 的 VM 基于 macOS 虚拟化框架和 Windows WSL2 实现，兼容性强，适配企业管控设备
沙箱设计大幅降低了企业 IT 部门的管理成本，无需担心 Claude 安装的工具影响宿主系统安全

详细精要

沙箱的核心价值：传统 AI 代理的安全方案只有两个极端，要么每步操作都需要用户授权，导致授权疲劳，要么给代理全部权限，安全风险极高。
VM 沙箱提供了中间方案：Claude 在 VM 内可以自由操作，不会影响宿主系统，用户只需要设置整体的网络、文件访问权限即可
用户不需要理解脚本是否安全，也不需要逐行审核代码，大幅降低了使用门槛
VM 的技术实现：Claude Cowork 的 VM 针对不同操作系统做了原生适配，性能和兼容性都达到了可用水平。
macOS 版本基于 Apple 原生虚拟化框架实现，启动速度快、性能损耗低
Windows 版本基于 Windows 主机计算系统实现，和 WSL2 用的是同一套底层能力，兼容性强
团队自研了网络驱动，适配企业的网络包检测、VPN 等特殊网络环境，大部分企业管控设备都可以正常使用
企业场景的适配优势：VM 沙箱的设计非常符合企业的安全管控要求，大幅降低了企业的落地成本。
企业 IT 部门只需要管控 VM 的网络访问、文件导出权限即可，不需要限制用户安装软件的权限
即使 Claude 在 VM 内运行了恶意代码，也不会影响企业的内网安全，数据泄露风险大幅降低

💬 精华片段（中文）

我们不需要等待模型达到 100% 对齐才能推出有用的产品，完全可以用行业已经用了很多年的瑞士奶酪安全模型，通过多层防护控制风险，而不是为了绝对安全牺牲产品的实用性。

"I don't even think we need to build perfect systems. I don't think we need to wait for like a hundred percent model alignment. We can rely on the same Swiss cheese model we've used in the industry for a long time."

1:11:18 Cowork 未来规划与代理的终局

本节重点

Claude Cowork 未来会持续迭代，每周都会发布新功能，核心方向是提升本地设备上的代理能力
长期目标是引导用户从“向 AI 提问”转向“向 AI 委托长周期、大范围的任务”，逐步降低干预频率
未来会探索多代理协作、跨用户技能共享等能力，适配团队协作场景

详细精要

短期迭代规划：Claude Cowork 会保持快速迭代节奏，核心优化方向有三个。
继续优化本地设备的集成能力，支持更多本地工具、系统的调用
提升代理的自主执行能力，减少需要用户干预的场景，支持更长周期的任务执行
优化 VM 的启动速度、资源占用，提升使用体验
长期产品终局：Claude Cowork 的终局是成为用户的数字同事，而非单纯的工具。
用户不需要关注底层技术实现，只需要像安排同事工作一样给 Cowork 分配任务，就可以拿到结果
未来会探索 Cowork 直接接入企业现有协作工具的能力，比如分配 Slack 账号、直接在 Google Docs 里评论交互，融入现有工作流
多代理协作的探索：团队正在探索多代理协作的场景，适配企业团队工作流。
目前已经有用户用多个 Cowork 实例分工处理复杂任务，比如一个实例负责收集 bug，一个实例负责修复 bug
未来会探索跨用户的技能共享、代理协作能力，让不同用户的 Cowork 可以互相沟通、交换技能、协同完成任务
Anthropic Labs 的定位：Anthropic Labs 是内部的前沿探索团队，负责开发还未对外发布的、高风险高回报的原型产品。
Labs 团队的目标是探索看起来不可能实现的创意，不需要考虑短期商业化
成熟的原型会逐步整合到 Claude Code、Claude Cowork 等对外产品中

💬 精华片段（中文）

我们的核心目标是一步步引导用户，从习惯问 Claude 问题拿答案，到慢慢学会把更大范围、更长周期的任务委托给它，逐步降低干预频率，这才是代理产品的真正价值。

"We're continuing to go off this hill climbing on slowly taking users who are used to asking questions and getting an answer to slowly teaching them to like step more and more away. And that claw take over like bigger and bigger tasks and work both in time as well as in like scope."

1:15:13 Electron 的设计哲学与桌面软件的未来

本节重点

Electron 的核心价值是内置 Chromium 作为可控的渲染栈，解决了不同操作系统原生 WebView 兼容性差的问题
Chromium 是目前最成熟的渲染引擎，甚至 Unreal Engine 都内置 Chromium 处理文本渲染场景
短期内 AI 还无法替代 Electron 的价值，未来 AI 可以直接生成原生应用时，跨平台框架的需求可能会降低

详细精要

Electron 的核心设计逻辑：Electron 选择内置完整 Chromium 而非使用操作系统原生 WebView，核心是为了解决兼容性问题。
操作系统原生 WebView 的版本和操作系统绑定，出现渲染 bug 时无法独立升级，只能要求用户升级系统，用户体验极差
内置 Chromium 可以完全控制渲染栈的版本，所有用户的渲染效果一致，出现问题可以快速修复
Chromium 的工程价值：Chromium 是目前最成熟的跨平台渲染引擎，是软件工程的奇迹。
Chromium 适配了几乎所有的硬件、驱动场景，内置了大量硬件兼容性补丁，确保在任何设备上都能正常渲染
甚至 Unreal Engine 都内置 Chromium 处理文本、网页渲染场景，足见其成熟度
桌面软件的未来：AI 时代桌面软件的形态会发生变化，但底层的渲染、跨平台需求依然存在。
短期内 AI 还无法生成高性能、低内存占用的原生应用，Electron 这类跨平台框架依然有价值
未来如果 AI 可以直接生成多平台原生应用，且质量达到人类开发者水平，跨平台框架的需求可能会逐步降低

💬 精华片段（中文）

Electron 最受欢迎的地方就是它足够通用，你几乎可以用它构建任何桌面应用，我当初完全没想到会有这么多不同类型的应用基于 Electron 开发，从 Slack 到 1Password 再到 Bloom，覆盖了完全不同的场景。

"Electron itself is like very abstractable and generalizable. Right? Like so many apps run in it. And I think it would've been hard for me to predict how many apps actually end up using Electron."

专业术语注释

术语	解释
Claude Cowork（英文）	Anthropic 推出的面向知识工作者的代理工具，基于 Claude Code 开发，运行在轻量 VM 中，无需终端操作即可使用
Claude Code（英文）	Anthropic 推出的面向开发者的编码代理工具，可在终端中运行，具备代码生成、调试、项目管理等能力
Electron（英文）	开源跨平台桌面应用开发框架，允许使用 HTML/CSS/JS 等 Web 技术构建桌面应用，支持 Windows/macOS/Linux 多平台
VM (Virtual Machine)（英文）	虚拟机，本集中是 Claude Cowork 的核心运行环境，作为安全沙箱隔离 Claude 的操作和用户宿主系统，同时允许 Claude 自由安装工具、运行脚本
MCP (Model Context Protocol)（英文）	模型上下文协议，用于定义大模型调用工具的刚性 Schema 规范，开发成本高但适合标准化工具场景
Eval (Evaluation)（英文）	评估，Anthropic 内部测试模型和产品效果的流程，基于完整的交互转录本（包括工具调用、文件输出等）衡量输出质量
WSL 2 (Windows Subsystem for Linux 2)（英文）	微软推出的 Windows 平台上的 Linux 子系统，Claude Cowork Windows 版本基于其底层的 Windows 主机计算系统实现
Chromium（英文）	谷歌主导的开源浏览器项目，是 Chrome、Edge 等浏览器的底层核心，Electron 内置 Chromium 作为统一渲染栈，解决跨平台兼容性问题
Sandboxing（英文）	沙箱技术，用于隔离程序运行环境，防止恶意操作影响宿主系统，本集中 Claude Cowork 通过 VM 沙箱平衡安全风险和代理能力
Local-first（英文）	本地优先，一种产品设计理念，优先将计算、数据存储放在用户本地设备而非云端，本集中是 Claude Cowork 的核心设计原则

延伸思考

如何平衡技能的公共可复用性和个人/企业私有上下文的安全性？未来是否会出现独立的技能托管、跨代理同步的基础设施？
大模型能力快速迭代的背景下，垂直 AI 产品的护城河是什么？如何避免被通用大模型和底层平台的原生能力整合？
AI 对初级岗位的替代已经成为明确趋势，教育体系需要做出哪些调整？模拟工作、密集实践的培养模式是否会成为主流？
本地优先的代理设计和云端代理各自的适用场景是什么？未来用户是否会同时使用多个不同部署位置的 AI 代理处理不同任务？
AI 代理的“同事化”趋势下，企业的组织架构、工作流会发生哪些变化？如何定义人类和 AI 代理的权责边界？

原文发表：Mar 17, 2026 · 纪要生成：2026-03-18