你有没有想过,为什么我们和 AI 聊了这么久,它还是只能"说",不能"做"?
刚刚,Anthropic 发布了 Claude Cowork,这个产品让我眼前一亮。它不是又一个聊天机器人,而是一个真正能帮你干活的数字同事。
今天我们来拆解一下 Cowork 背后的底层架构:它如何把“会说的模型”变成“能做的系统”。
如果你更关心“怎么用、怎么管、怎么试点”(任务模板、护栏、指标),我把落地部分单独写成了另一篇:Claude Cowork 落地指南:任务模板、安全护栏与成果物交付
太长不看版
- • 范式转移:AI 从"Oracle 模式"(被动问答)进化到"Agentic 模式"(主动协作),思维与行动的断裂被弥合
- • 虚拟化隔离:Cowork 在本机 VM 隔离环境中执行任务,对文件和网络访问进行严格控制;据第三方分析,macOS 版本疑似通过 Apple Virtualization Framework (AVF) 实现
- • MCP 协议:Model Context Protocol 是 AI 时代的"USB-C 接口",通过 Resources/Tools/Prompts 三种原语,让 Agent 能标准化地连接各种数据源和工具
- • Agentic 循环:感知-规划-行动-反思的闭环设计,让 AI 能自主完成复杂任务并从错误中学习
- • 共享架构:Cowork 与 Claude Code 共享同类 agentic 架构与工作流模式,GUI 更像是"控制面/可视化外壳",把同类能力下沉给更多人
1. 范式转移:从 Oracle 模式到 Agentic 协作
在软件工程与人机交互的漫长演进史中,我们正处于一个决定性的转折点。
过去二十年,我们经历了从命令行接口(CLI)的精确控制到图形用户界面(GUI)的直观操作,再到近年来自然语言界面(LUI)的初步尝试。然而,直到 LLM 具备了工具使用(Tool Use)和长期规划能力之前,AI 在开发与办公场景中的角色主要停留在 "Oracle(神谕)"模式:
用户提出问题,AI 给出一个基于概率预测的文本答案,但最终的决策、验证与执行仍需人类手动完成。
这种模式存在一个根本性的断裂——思维与行动的分离。
Claude Cowork 的出现,以及其底层的 Claude Code 架构,标志着我们正式跨越了这一断裂,进入了 "Agentic(代理原生)"时代。在这个新时代,AI 不再仅仅是生成文本的引擎,而是被赋予了手脚(工具)、眼睛(视觉感知)和环境感知能力的数字实体。它不仅能"说",更能"做"。
1.1 认知的外部化与执行的闭环
在传统的软件开发生命周期(SDLC)或复杂知识工作中,最大的瓶颈往往不在于"知道怎么做",而在于繁琐的上下文切换和执行细节。
例如,重构一个遗留模块,开发者需要:理解代码 → 查找引用 → 修改文件 → 运行测试 → 修复错误 → 提交代码。这是一个典型的 OODA 循环(观察-调整-决策-行动)。
Claude Cowork 的核心价值在于它接管了这个循环的中间环节。通过深度集成到用户的桌面环境,它将 认知的外部化(Reasoning) 与 执行的闭环(Execution) 统一在同一个上下文中。
这并非简单的自动化脚本,因为脚本无法处理非确定性错误,而 Cowork 依靠 LLM 的推理能力,能够在遇到错误(如编译失败、文件未找到)时进行自我反思与修正。
1.2 "计算机使用"(Computer Use)的民主化
虽然 Claude Code 为开发者提供了强大的终端交互能力,但它的 CLI 形态天然地将非技术用户拒之门外。
Cowork 的架构意义在于,它将这种通过代码和工具操作计算机的能力,封装进了一个用户友好的 GUI 外壳中。这不仅是界面的改变,更是底层能力的泛化。
从技术角度看,Cowork 实现了一种"人机协作"的理想形态:
- • 人类负责高阶的意图定义和关键节点的审批(Human-in-the-Loop)
- • AI负责底层的任务分解、工具调用和状态管理
这种分工极大地释放了人类的认知带宽,让我们能够专注于最具创造性的部分。
2. 架构解剖学:Claude Cowork 的深层构造
要理解 Cowork 的强大与局限,我们必须剥开其 Electron 应用的表层,深入其操作系统层面的实现。
根据公开资料与技术分析,Cowork 并非简单的 API 包装器,而是一个运行在用户本地的复杂分布式系统缩影。
2.1 虚拟化与安全边界:VM 隔离的实现
在企业级环境或个人设备上运行 Agent,核心风险在于 "不可控的副作用"。
一个拥有文件读写权限和 Shell 执行能力的 AI,如果缺乏严格的约束,可能因幻觉或提示注入(Prompt Injection)导致灾难性的后果(如误删关键文件、泄露敏感数据)。
根据 Anthropic 官方文档,Cowork 在本机 VM 隔离环境中执行任务,并对文件/网络访问进行控制。据第三方观察与逆向分析(特别是 Simon Willison 的深度拆解),macOS 版本疑似采用了一种硬核的隔离方案:基于 Apple Virtualization Framework (AVF) 的轻量级虚拟机。
2.1.1 架构拓扑图
为了直观展示 Cowork 的安全隔离机制,我们构建了如下架构拓扑图:
``
2.1.2 为什么可能选择 AVF + Linux VM?(第三方推断)
传统的沙盒技术(如 macOS 的 App Sandbox 或 Docker 容器)在隔离性和性能之间往往难以两全。Docker 在 macOS 上依赖 Linux VM,开销较大且文件系统性能一直是瓶颈。
而 AVF 是 Apple Silicon 芯片原生的虚拟化框架,能够以极低的开销启动虚拟机。
据第三方观察与逆向分析(主要来自 Simon Willison 等技术人员的拆解),Cowork 在 macOS 上疑似采用以下实现方式:
计算隔离:Agent 的执行环境疑似运行在独立的 Linux 虚拟机内(配套定制 rootfs),而非直接在宿主用户空间。这样即便出现恶意指令(例如试图执行 rm -rf /),其破坏范围也被限制在临时的 Guest 环境中,无法触及宿主系统。
环境一致性:这解决了"在我的机器上能运行"的经典难题。无论用户的宿主机安装了何种版本的 Python、Node.js 或系统库,Agent 在一个标准化的、预装了必要工具链(git, grep, curl 等)的 Linux 环境中运行。这极大地提高了任务执行的成功率和可预测性。
注意:以上为基于公开观察的技术推断,官方公开口径仅确认"在本机 VM 隔离环境中执行,并对文件/网络访问进行控制",具体实现细节可能随版本更新而变化。
2.1.3 文件共享:穿越边界的受控访问
仅仅隔离是不够的,Cowork 的任务是处理用户的文件。这就涉及到了虚拟机与宿主机之间的高性能文件共享。
根据官方文档和第三方观察,Cowork 疑似采用以下文件共享机制:
按需挂载(On-Demand Mounting):Cowork 并不拥有对宿主机文件系统的完全访问权限。在 UI 层面,用户必须显式地选择一个文件夹(Project Folder)授权给 Cowork。在底层,通过 VM 文件共享/挂载机制(可能包括 VirtioFS 等技术)将宿主机的特定目录映射到执行环境中。
权限投影:这种架构实现了物理级别的权限控制。Agent 无法读取未被授权挂载的目录(如 ~/.ssh 或 ~/Documents),因为它所在的隔离环境中根本不存在这些路径。这比任何软件层面的权限检查(如系统提示词中的"请不要读取敏感文件")都要安全可靠得多。
注意:具体的文件共享实现(如是否使用 VirtioFS、挂载点路径等细节)未被官方公开,第三方分析中也出现了 mount/bindfs 等多种线索,具体机制可能因平台和版本而异。
2.1.4 补充:公开资料中常被提及的实现细节(仅供参考)
下面这些点来自公开讨论与二次整理,可能随预览版迭代而变化;我们把它们放在“补充”里,避免被误读成官方承诺:
- • 平台门槛:有分析认为 macOS 13+ 且 Apple Silicon 是关键前提。
- • 镜像交付:有分析提到会下载签名的 Linux VM bundle(例如
rootfs.img一类产物)。 - • 资源配额:有分析提到 VM 资源配置相对克制(CPU/内存配额),以平衡性能与宿主占用。
- • “VM 内再套沙箱”:有分析提到 VM 内部可能使用
bubblewrap/seccomp等机制进一步收敛执行进程的权限与系统调用面。 - • 统一网络出口:有分析提到执行环境可能默认不直连外网,网络请求通过宿主侧代理/转发组件收口,便于策略与审计。
2.2 Claude Code 与 Cowork 的架构关系
许多用户和分析师最初误以为 Cowork 是一个全新的独立产品。根据 Anthropic 官方文档,Cowork "使用与 Claude Code 相同的 agentic 架构"(uses the same agentic architecture that powers Claude Code)。这意味着两者共享同类 agentic 架构与工作流模式,GUI 更像是控制面/可视化外壳,把同类能力下沉给更广泛的人群。
| 特性 | Claude Code (CLI) | Claude Cowork (GUI) | 架构含义 |
|---|---|---|---|
| 运行环境 | 用户终端 (Host Shell) | 嵌入式 Linux VM (Guest Shell) | Cowork 提供了更强的隔离性和环境标准化 |
| 交互模式 | 文本流、命令行参数 | 聊天界面、文件预览、可视化进度 | 核心推理循环(Reasoning Loop)是相同的 |
| 上下文管理 | 依赖 CLAUDE.md 和文件读取 | 依赖 CLAUDE.md、UI… |