KeyFrame內部研究專用

Claude Cowork 最友善的手把手教學!你還在叫 AI 幫你想答案?但高手們都已經在用 AI 交成品了 ~

PAPAYA 電腦教室·4月6日週一·18 min中文

三句話摘要

Claude Cowork 是 Anthropic 2026 年推出的桌面 AI 工作助理,能自主操作電腦、管理檔案、執行排程任務,並透過 Subagent 並行處理多工。 Claude Cowork 的核心價值在於把 AI 從「回答問題的工具」升級為「能自主執行、排程、並行處理工作的數位員工」,而 CLAUDE.md 記憶 + Skills SOP + Subagent 並行三者組合,是實現這個目標的關鍵架構。 資料夾即工作邊界:Cowork 只在用戶指派的資料夾內讀寫,舊文件放入即成 AI 的背景知識庫,既保障安全也提供上下文,Claude 能直接參照生成新文件。

重點整理

重點
  • 1

    資料夾即工作邊界:Cowork 只在用戶指派的資料夾內讀寫,舊文件放入即成 AI 的背景知識庫,既保障安全也提供上下文,Claude 能直接參照生成新文件。

  • 2

    CLAUDE.md 是持久記憶核心:每次進入專案時 Claude 會優先讀取此自動生成的文件,作為行為準則,用戶只需寫入一次規範(如用字風格、個資處理原則),後續任務無需重複提醒。

  • 3

    排程 + Subagent 實現主動式自動化:Project 可設定定期排程(如每周一晚上 7 點生成 PPT),並行派出多個 Subagent 同時搜集資料後統一彙整,比線性執行省時且不佔滿對話記憶。

  • 4

    Skills 解耦知識與對話:將 SOP、範本、流程寫成 Skill 檔案存於後台,Claude 依指令按需載入,避免將大量提示詞塞入記憶空間,且可跨任務重複套用。

實用技巧與重點

乾貨
  • 訂閱方案:Claude Pro,每月 20 美元
  • 介面三分頁:Chat(一般問答)、Code(工程師開發)、Cowork(工作自動化)
  • 模型選項:Opus(深度推理)、Haiku(快速簡單任務)、Sonnet(效能與實用兼顧)
  • Extended Thinking 開關:任務前後脈絡複雜時開啟,讓模型投入更多時間拆解問題
  • CLAUDE.md:由 Cowork 自動生成,儲存專案記憶與行為準則
  • Dispatch 功能:手機 App 遠端下指令,桌機端執行;需保持電腦喚醒 + 安裝 Chrome 擴充功能
  • Computer Use:給予 Claude 更高權限,可透過螢幕截圖實際操控電腦軟體,需在設定 > 一般中開啟
  • Subagent:多個分身並行執行任務,最後統一彙整回報
  • Connectors 可串接工具:Canva(設計)、Google 日曆(行程管理)、Gmail(郵件發送)
  • Skill 檔案格式:副檔名為 `.skill`,可安裝、啟用、停用、刪除
  • 啟用 Skill 方式:輸入斜線符號(如 `/welcome-email`)或自然語言指令,Claude 自動判斷
  • Plugins:將 Skills + Connectors 打包成完整工具箱,可直接安裝官方範本
  • Scheduled 面板:設定排程的兩種方式——點選 + 號填表,或直接用白話描述任務與週期
  • Run Now 按鈕:手動立即執行排程任務
  • 案例數字:3 位 Subagent 並行搜集相機資訊、Photoshop/Lightroom 教學、最後統一彙整

結論

結論

Claude Cowork 的核心價值在於把 AI 從「回答問題的工具」升級為「能自主執行、排程、並行處理工作的數位員工」,而 CLAUDE.md 記憶 + Skills SOP + Subagent 並行三者組合,是實現這個目標的關鍵架構。

完整解析

詳細

Claude Cowork 是 Anthropic 於 2026 年推出的桌面 AI 工作助理,與過去純問答式 AI 最根本的差異在於:它不只給答案,而是真正替你把事情做完。使用前提是下載桌面版應用程式(Windows / Mac 皆可),並訂閱每月 20 美元的 Claude Pro 方案。介面分為三個分頁——Chat 負責一般對話,Code 面向工程師開發,而 Cowork 則是本篇的核心,定位為全能工作執行中心。

Cowork 的設計哲學圍繞著「資料夾即工作區」展開。用戶指定一個本機資料夾作為專案目錄,Claude 的所有讀寫操作都限縮在這個範圍內,形成安全隔離。將舊文件放入資料夾後,Claude 便能以此作為背景知識庫,直接參照舊範本生成新文件,例如依去年課程資訊自動產出今年的 Word 檔。Cowork 還能接受圖片輸入,把紙本名單翻拍成圖後上傳,Claude 可進行 OCR 辨識並轉為 Excel 試算表,同步完成人數統計,且結果會自動回填至相關的 Word 文件——整個流程無需人工中介。

為了讓 AI 能跨任務保持一致性,Cowork 引入了兩項記憶機制。其一是自動生成的 CLAUDE.md 文件,用於儲存專案的行為準則(如寫作風格、個資處理規則),Claude 每次進入專案時會優先讀取,不需用戶重複說明。其二是 Project 的專屬記憶空間,Claude 會學習用戶的工作偏好,例如記住「製作簡報時要主動詢問是否提供圖片素材」,並在下次任務中自動執行。Project 還支援排程功能,可設定在固定時間(如每周一晚上 7 點)自動生成 PPT 簡報,使 Claude 從被動工具進化為主動值勤的助理。面對需要同時搜集多方資訊的任務,Cowork 可派出多個 Subagent 並行作業,各自完成後統一彙整,相較於線性執行大幅縮短時間,也避免資訊量過大導致對話記憶爆滿。

在外部整合層面,Cowork 提供 Connectors 機制,可串接 Canva 進行設計稿生成與編輯、連結 Google 日曆批次新增課程行程、以及透過 Gmail 大量寄送個人化歡迎信。針對重複性高的任務,Skills 功能允許用戶將完整的 SOP 與範本寫成獨立的 `.skill` 檔案,平時靜置後台,Claude 接到相關指令時才自動載入,從而節省寶貴的上下文記憶空間。Skills 與 Connectors 還可進一步打包成 Plugins,直接套用官方現成範本。此外,開啟 Computer Use 選項後,Claude 可透過螢幕截圖實際操控電腦軟體,例如遠端打開 Keynote 將簡報轉存為 PPT 格式並上傳雲端,協助用戶在緊急情況下即時化解危機。

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

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
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。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。