Anthropic 给 AI 配了台电脑，要让它真干活

Anthropic 推出的 Claude Cowork 产品及其核心功能 Dispatch，展示了 AI 如何通过拥有独立的本地虚拟机环境从对话工具转变为真正的生产力协作对象。开发团队通过让 AI 自主编写大部分代码，在短短十天内实现了这一创新，证明了在执行成本大幅降低的背景下，“先实践后筛选”已成为新的研发范式。该系统允许用户通过自然语言指令创建和组合自动化工作流，能够处理文件管理、代码修复及日程调度等复杂长流程任务。作者同时指出，这种技术飞跃正深刻影响就业市场，尤其是初级职位面临被取代的风险，迫使职业发展与教育模式必须加速转型。总之，为 AI 配置专属电脑不仅提升了办事效率，更标志着**通用人工智能（AGI）**正在重塑社会运作的底层逻辑。

3 月 17 日，Claude Cowork 上线了一个新功能：Dispatch 。

你在手机上派个任务，然后离开。等你回来，任务已经做完了：文件整理好了，表格生成了，流程跑完了。

整个过程，没人在操作电脑。

这背后，是 Anthropic 的一次全新尝试：直接给 Claude 配一台专属电脑。

负责这个 Cowork产品的 Felix Rieseberg 在最近的访谈里，讲了三件事：为什么要这样设计、如何用 10 天极限赶工出来，以及这会带来什么冲击。

第一节｜AI 需要一台自己的电脑

Anthropic 给 Claude 配了一台电脑。

不是让它帮你操作你的电脑，而是在虚拟机里，给它配置了一个独立的工作环境。

Felix Rieseberg 说：

“程序员写代码需要电脑。如果公司不给配电脑，只能用邮件发代码，根本没法工作。”

Claude 也一样。如果它只能在对话框里回答你，但碰不到文件、装不了工具、连不上浏览器，它再聪明也做不了什么。

所以 Anthropic 给Claude 配了一台 Linux 虚拟机。里面可以装Python、Node.js，可以调用浏览器，可以读写文件。

这个虚拟机不大，但功能完整。Claude 可以在里面安装需要的工具，运行代码，处理数据，不需要每次都问你要权限。更重要的是，这是一个隔离的环境。你的本地文件不会被随意访问，Claude 的操作都在可控范围内。它有足够的自由度去完成任务，但也有明确的边界。

为什么选择本地，而不是云端？

Felix 的理由是：

“整个硅谷都低估了本地计算机的价值。为什么我们都在用笔记本电脑，而不是只用平板或云端设备？”

因为很多工作场景，云端解决不了。

如果把你的所有工作数据都同步到云端，首先是权限问题：你要给每个云端工具单独授权，管理起来是个灾难。

其次是安全问题：很多网站检测到你从两个不同地方登录，会直接锁定账户。银行尤其严格。

更重要的是，本地运行意味着数据不出你的电脑。对企业用户来说，这是刚需。

Anthropic 的选择是：给 Claude 配一台它自己的虚拟机，就在你的本地电脑上运行。数据不出你的设备，但 Claude 有足够的能力去完成复杂任务。

刚刚上线的 Dispatch 功能就基于这个设计：你在手机上派个任务给 Claude，然后离开，它在你电脑上把事做完，回来看结果就行。Claude 会调用本地文件、连接器、各种工具，最后把表格、文档、处理结果交回来。

这让很多原本需要你手动完成的流程，现在可以整段交出去了。

Felix 自己就在用：他让 Cowork 去翻系统的崩溃日志，自动筛选出可以修复的Bug，然后调度多个 Claude 实例分头去修改。整个过程不需要人工干预。

也有用户用它处理视频素材：把一批文件扔给 Cowork，它自动整理、重命名、生成描述文案，完成整套发布流程。不需要人工一个个点。

这些事情，对话框里的 AI 做不了。因为它碰不到你的文件系统，也没法持续运行一个长流程。

但一旦给了它一台电脑，就完全不同了。

它从“会回答问题的工具”，变成了“能接手任务的协作对象”。

给 AI 配台电脑，就是为了让它能真正干活。

第二节｜Claude写了自己 90% 的代码

给 AI 配台电脑，听起来是个大工程。

但 Anthropic 做这件事，只用了10天。

Cowork 的大部分代码，是Claude自己写的。

Felix 在访谈里说，Anthropic 的工程师很少手动写代码。他们的工作更多是：告诉 Claude 要做什么，然后 Claude 负责实现。

实际上，Claude 现在编写了 Anthropic 公司代码库的约90%。在某些开发冲刺中，Claude 几乎完成了整个代码库的编写。

Felix 说：

“我们现在不写备忘录，直接把所有候选方案都做出来，然后挑最好的。”

过去做产品，要先梳理需求，写规格说明，评估技术方案，然后再开发。每一步都要投入大量时间和人力。现在，执行变便宜之后，很多决策可以跳过讨论，直接动手。想不清楚A方案好还是B方案好？那就把A和B都做出来，看效果再决定。

因为“做出来”这件事本身，成本已经很低了。

当开发成本足够低，产品开发就从“想好再做”，变成“做了再选”。

Cowork 本身就是这样做出来的。

它有个核心功能：Skills。

Skills是什么？就是用纯文本写的指令文件，告诉 Claude 怎么完成某类任务。设计很简单：用 Markdown 格式写一段说明，告诉 Claude 这个任务要调用哪些工具、遵循什么流程、注意哪些细节。

就这样。没有复杂的配置，没有代码，甚至不需要懂技术。

Felix说：“任何人都可以制作一个Skill。一条短信可能就是一个Skill。”

更重要的是，Claude 可以自己生成 Skills。

有个用户的做法是：先让 Cowork 处理一批文件，完成整套上传流程。做完之后，告诉 Cowork：“把刚才的流程变成一个 Skill ”。

Cowork 照做了。

然后他发现，这个 Skill 太大了，有些步骤可能会失败，或者有时只需要其中某个环节。

于是又告诉 Cowork：“把这个 Skill 拆成三个小的”。

拆完之后，Cowork 还自动生成了一个父 Skill，用来协调这三个子 Skill。

整个过程，用户没写一行代码，只是用自然语言说要做什么。

还有人用它管理日历：每天早上 Cowork 自动检查日程，发现冲突就重新安排，遇到重要会议就提醒。这也是一个Skill，而且可以根据个人习惯不断调整。。

这些场景有个共同点：让 AI 接手一整段流程。而且用得越多越好用，因为会积累越来越多适合你工作场景的 Skills，可以复用、分享、组合。

就像玩工厂建造游戏一样：从自动化一些小事情开始，然后不断叠加，最后整个工作流程都被优化了。

10 天能做出 Cowork，用的也是这个方法。

Anthropic 团队直接把几个候选方案都做出来，测试、对比、选择。Claude 承担了大部分写代码工作，人负责定方向、做决策、把控质量。

Cowork证明的就是：有了 AI 之后，做事的方式变了。从想清楚再做，变成做出来再选。

第三节｜留给适应的时间不多了

当 AI 开始能真正干活，第一个被影响的，是那些刚入行的人。

Felix 直言：

“在 Anthropic，我们很担忧这些工具未来会对就业市场产生的影响，特别是对初级员工。”

整理文档、处理数据、跑流程、做初步分析，这些重复性的、标准化的工作，在很多行业里本来就是分配给新人的。

因为这正是新人积累经验的方式。

现在，这些环节开始被 AI 替代了。

另一方面，有经验的人效率在提升。资深工程师用这类工具后，产出明显增加。他们可以把基础工作交给 AI，自己专注在更需要判断的部分。

两端的差距在拉大：

有经验的人，因为知道怎么拆解任务、怎么调度工具，效率翻倍。

刚入行的人，发现原本用来学习的那些基础工作，正在消失。

市场冲击会相当大，而且人们还没准备好。职业路径可能需要重新设计。

怎么重新设计？滑铁卢大学提供了一个思路。这所大学的毕业生，在很多公司都表现得更有准备。原因是课程里包含大量实习，学生在不同公司实习，积累真实的工作经验。

Felix 观察到：“有实习经验的毕业生，明显比只会在课堂学习的更有心理准备。”

当基础工作被压缩，入行路径也需要跟着变。滑铁卢模式给了一个方向：让新人更早接触真实工作场景。

访谈里，主持人还提出了另一个思路：能不能用 AI 模拟这些场景？

逻辑是：传统工作里，你可能花三年才能经历几个真正让你成长的关键时刻。比如第一次主导项目、第一次处理重大 Bug、第一次向客户汇报，这些让人快速成长的时刻可能只有几十个，其他大部分时间都在做重复性的事。

如果用 AI 创建这些关键场景的模拟环境，让人在虚拟项目里经历决策、犯错、纠正、总结呢？这样一周内，你基本上可以获得相当于三年的项目和经验。

就像读大学一样，人们花钱去学习如何做事。只是这次更着急，学习过程被大幅压缩了。

因为留给适应的时间不多了。

很多人在问：AI 什么时候会超越人类智能？也就是 AI 的能力加速到一个临界点，开始自我强化，整个社会的运转方式都会被改变。

有人说可能还要 10 年，有人说可能只要 1 年。

Felix 的判断是：

“现在争论是五年还是十年意义不大。如果我们相当确定 AI 会比人类聪明，就应该赶紧去应对。”

也就是说，AGI 方向已经确定了。

Cowork 这类产品的出现，就是这个方向的标志。

它带来的冲击，会影响职业路径，会影响教育方式，会影响整个劳动力市场的结构。

这些问题，不是某个公司能解决的，需要整个社会去应对。

结语

AI 不会一下子取代人。

它先接手的，是重复性的工作。

执行变便宜，决定做什么比埋头做更关键。

参考资料：

https://www.youtube.com/watch?v=ZpZ7lFoWaT8&t=1s

https://www.latent.space/p/felix-anthropic

https://www.linkedin.com/posts/felixrieseberg_quick-personal-update-after-two-really-rewarding-activity-7325655275984637956-v0zu

来源：官方媒体/网络新闻

本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，编辑：深思，36氪经授权发布。