KeyFrame內部研究專用

10分鐘精通 Claude Cowork 全自動辦公,99%的人用錯了!別再把AI當聊天機器人

YAHA学堂·4月21日週二·11 min中文

三句話摘要

用 Claude Code(Cowork)當 AI 員工,取代手動整理檔案、分析文件、製作 Excel 與 PPT 的繁瑣工作流程。 把 Claude Code 當員工而非聊天機器人,用 DOWN 框架下精確指令、用 Skills 固化流程、一次交代多任務,每週可穩定節省數小時重複性工作。 思維轉換:從聊天到委派任務。 Cowork 的正確心態是把它當營運長,直接交代任務並給予執行權限,而非問問題等答案,這樣才能真正解放雙手去做其他事。

重點整理

重點
  • 1

    思維轉換:從聊天到委派任務。 Cowork 的正確心態是把它當營運長,直接交代任務並給予執行權限,而非問問題等答案,這樣才能真正解放雙手去做其他事。

  • 2

    DOWN 框架決定指令品質。 模糊指令會讓 Cowork 反問或按自己邏輯執行,只要事先想清楚三個問題(做完長什麼樣、需要什麼背景、有什麼限制),多花 30 秒就能讓結果完全符合預期。

  • 3

    Skills 系統讓好指令永久複用。 將精確指令存成 Markdown 模板(如 fileprocessor.md),搭配 inbox/processed/outputs/reference 四資料夾架構,形成可重複觸發的標準作業流程。

  • 4

    多任務並行比分次交代效益更高。 一次送出整理、分析、製表三項任務,Cowork 自動規劃步驟並讓前一步的輸出直接餵給下一步,整體品質優於分次執行。

實用技巧與重點

乾貨
  • 時間對比:手動整理檔案 15–20 分鐘 → Cowork 數分鐘;18 張收據 key 進 Excel 45 分鐘 → 數分鐘;20 份文件研究報告 2–3 小時 → 自動完成;PPT 製作省至少 1 小時
  • 每週預估節省:3–4 小時;一年 150–200 小時
  • 工具平台:Claude Desktop App(Mac / Windows),從 claude.com 下載
  • 權限設定:將執行權限改為「Skip all approvals」
  • DOWN 框架三問:①做完長什麼樣?②需要什麼背景資訊?③有什麼限制?(每次必加「不要刪除任何檔案」)
  • Skills 建立步驟:工作資料夾 → 新建 skills/ → 新建 fileprocessor.md → 貼入指令模板 → 存檔
  • Inbox 四資料夾:inbox(待處理)、processed(完成)、outputs(Cowork 產出)、reference(唯讀參考)
  • 研究分析實測:20 份客戶回饋交叉比對,找出三大問題:App 不穩定(12/20 提及)、積分 60 天無通知過期(9/20)、各門市員工訓練不一致(7/20);App 問卷平均分 2.7 分
  • Excel 功能:自動抓取日期、廠商、金額;SUM 公式為活公式;超過 100 元條件格式標紅;按分類圖表工作表;模糊收據自動標注「需人工確認」
  • PPT 產出:9 頁投影片,含執行摘要、市場機會、選址分析等,附講者備忘稿
  • 現況:Research Preview 測試階段,Gmail / Google 日曆連接器尚不穩定,檔案與文件核心功能已穩定

結論

結論

把 Claude Code 當員工而非聊天機器人,用 DOWN 框架下精確指令、用 Skills 固化流程、一次交代多任務,每週可穩定節省數小時重複性工作。

完整解析

詳細

Claude Code(影片稱為 Cowork)的核心定位不是聊天機器人,而是能實際操作本機檔案的 AI 員工。Anthropic 自己的比喻是:普通 Claude 是研究員,Claude Code 是工程師,而 Cowork(即 Claude 的代理模式)則像營運長——你交代事情,它去做,你去忙別的,回來看成果。安裝 Claude Desktop App 後,介面右側即是 Cowork 的操作區,第一步要將執行權限調整為「Skip all approvals」,讓它能在不逐步詢問的情況下自主完成任務。

影片以一個真實情境開場:接手咖啡店後,發票、合約、收據混雜在同一資料夾,光靠人工一份一份打開判斷再移動,至少需要 15–20 分鐘。把相同任務交給 Cowork,它讀的是每份檔案的「內容」而非檔名,幾分鐘內自動建立分類資料夾並產出一份變更記錄,說明每個檔案被移動的原因。但講者也點出陷阱:若指令模糊,Cowork 會按自己的邏輯分類,可能把合約和收據放在一起,甚至改掉你不想改的檔名。解法是 DOWN 框架——下指令前花 30 秒想三件事:做完長什麼樣?需要什麼背景資訊?有什麼限制?加上一句「不要刪除任何檔案」幾乎是必備保險。相同的檔案、相同的工具,指令精確與否的結果差距天壤之別。

為了避免每次重新打相同的 prompt,影片介紹了 Skills 系統:在工作目錄建立 `skills/fileprocessor.md`,把精確指令模板存進去,搭配 inbox / processed / outputs / reference 四個資料夾,形成標準工作流——把新檔案丟進 inbox,告訴 Cowork「用 fileprocessor 這個 skill 處理我的 inbox」,剩下的它自己跑完。這個架構一次建好,往後只需一行指令觸發,規則要調整也只改那份 md 檔即可。

影片後半段展示更重量級的任務:20 份咖啡店客戶回饋(問卷、email、訪談、客服單)交叉比對,Cowork 自動整理出三大問題並附上提及次數與問卷平均分;18 張收據(含模糊照片)直接產出有公式、有條件格式、有圖表的三工作表 Excel 檔,模糊的那兩張自動標注需人工確認;10 份散亂的展店筆記整合成 9 頁 PPT,含講者備忘稿,套主題就能上台簡報。最終,講者示範「AI 員工模式」——一次送出整理、製表、寫摘要三項任務,Cowork 自動規劃步驟順序,前一步的輸出直接成為下一步的輸入,效果比分次執行更好。每週重複幾次這類工作,估計可省 3–4 小時,換算一年約 150–200 小時。目前 Cowork 仍是 Research Preview 測試階段,Gmail 與 Google 日曆等連接器尚不穩定,但檔案整理、研究分析、Excel 與 PPT 等核心功能已可穩定使用。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。