實測Claude4.5+Gemini3版Cowork，這就是多模態(tài)Agent的正確玩法

我最擔心的事情還是發(fā)生了。

試玩AI已經(jīng)跟不上開發(fā)AI的速度了，最近一個月我是Claude Code Skills，Claude Cowork，Clawdbot還沒玩夠又到下一個，我剛熟悉用Skills把文章發(fā)到X上，下周clawdbot就把這事包了。

為了省token，我的主力還是Claude code和Cowork，Cowork拿來處理本地文件就是無敵的，這兩天我拿到了天工Skywork桌面版的內(nèi)測，它在Cowork的基礎(chǔ)上做出了點不一樣。

skywork.ai/desktop 上線就全量

首先它原生支持Wins，因為我用Mac當主力機已經(jīng)有五六年了，Wins的快捷鍵早就忘了，所以它天然就可以幫我完成文件整理的工作，比方說我直接告訴它，

這是一個包含許多來自不同地方的旅游景點圖片的文件夾。將它們整理到不同類型的子文件夾中，每個文件夾的名稱代表圖片所在國家或地區(qū)。如果圖片無法分類，請將它們放入名為“未分類”的文件夾中。

這個任務的難度因為是相機拍的圖片，文件名一點用都沒有，需要模型理解每張圖片的內(nèi)容。

埃菲爾鐵塔，富士山，金字塔，它能通過圖像識別，準確判斷出這些照片的地理歸屬，然后自動執(zhí)行創(chuàng)建文件夾和移動文件的操作。我跳過了上傳下載新建文件夾，直接拿到的就是一個結(jié)構(gòu)清晰系統(tǒng)。

Skywork Cowork接入了多模態(tài)版本之子Gemini 3.0 Pro，我就用這個模型來把長視頻轉(zhuǎn)圖文筆記。而且Banana2也封裝成了Skills，整理文件夾里的零散筆記的時候順手就把信息圖做了，

我盤了一下，光是文檔處理就有pptx/docx/pdf/xlsx四件套，聯(lián)網(wǎng)搜索也帶上了Reddit/ArXiv(論文)/X/Youtube的，70個Skills相當夠用。許愿后續(xù)版本可以自己開發(fā)Skills或者錄入Github項目當Skills。

所以這一次，我跟我的肝一拍即可，決定用Skywork Cowork解決這兩周Claude Code Skills，Claude Cowork，Clawdbot的高光案例。

Here we go！

能自動整理文件還不是Cowork的極限，

我直接讓它二次利用整理好的圖片文件，

做一個PPT，這里每個子文件夾包含不同旅游景點的圖片。選擇所有景點并為每個景點創(chuàng)建一個單獨的幻燈片，介紹其名稱和基本信息。

然后它就kukuku開始干活了，

做成版PPT最耗時的部分，就是尋找素材，排版，填寫文字。有些素材我還不能用AI生成的。

所以這時候Cowork可以通過Skills自動調(diào)用PPT，批量插入圖片，通過圖片信息，聯(lián)網(wǎng)搜索相關(guān)的基礎(chǔ)介紹，自動填充到幻燈片里。

于是我設(shè)計了第三個，也是最復雜的一個案例，

視頻下載+視頻多模態(tài)分析+自動截圖+文檔生成

我自己看到都有點頭皮發(fā)麻，

【如何快速自學一個新領(lǐng)域？】（這里貼的是B站鏈接）用 Yt-Dlp Downloader 下載并整理 B站合集到本地指定文件夾，然后用Gemini 3.0 Pro對每個視頻逐段理解并和字幕逐行對齊，凡是字幕未覆蓋的關(guān)鍵信息就按時間戳截圖命名為 視頻名_時間戳_主題.png 并寫入要點說明，最后用 Summarize 產(chǎn)出 1頁總覽+章節(jié)目錄+每章知識卡片+截圖索引表，并用 docx 生成一份可直接分享的 Word 文檔保存

這個case我本來是拿來測上限，我真沒想到能給我做出來。這個場景的痛點，是因為我每天有看不完的文章，刷不完的視頻。

如何在一個全新的領(lǐng)域里快速入門？

比如我最近想了解某個知識，在B站上找到了一個非常好的系列視頻。傳統(tǒng)的方式是，打開視頻，準備好筆記本，一邊看一邊暫停，手動記錄要點。

一個小時的視頻，可能要花兩三個小時才能完成筆記。這個過程非常反人性，特別是那種對著黑板講的視頻，一個分神ppt就切走了，我就算用其他AI把字幕下載下來總結(jié)，就會丟掉一部分ppt的信息。

Cowork把所有的臟活累活都干了，

我只需要去吸收最精華的知識本身，而且我是接受AI帶來的信息損耗的，因為仔細想想就是我去聽一張圖一張圖做筆記，偶爾也要翻看原視頻。

后面兩個case是上一次我測試Cowork的時候，發(fā)生評論區(qū)很多人提到的，

Excel類數(shù)據(jù)處理。幾百幾百條不夠挑戰(zhàn)性，我直接上一千，

用xlsx生成1000條模擬員工數(shù)據(jù)與工資明細并計算稅前稅后與匯總統(tǒng)計，再用Invoice Generator生成每人一頁工資條文件，隨后用Outlook按 [收件人郵箱清單Excel路徑] 批量發(fā)送并在郵件中寫入個性化字段與注意事項，最后輸出一份發(fā)送日志與統(tǒng)計報表到xlsx

這個流程極易出錯，要是放在公司里沒有系統(tǒng)輔助，我純?nèi)斯ひ惶熳?0條估計就要休息下班了。

但對于Cowork來說，這是一個純粹的邏輯執(zhí)行任務，中間的一些列還直接按工種的不同，生成不同的內(nèi)容。

昨天公眾號發(fā)了25年年度創(chuàng)作回顧，我一年活躍了364天，寫也寫了254篇內(nèi)容了，所以我就想把更詳細的數(shù)據(jù)導出來讓Cowrok分析一下，做個北極星指標出來。

用 xlsx 讀取 公眾號數(shù)據(jù)]并自動識別字段含義與口徑，按 天 周 月 生成核心漏斗與北極星指標表，輸出 包含指標定義 計算公式 異常值提示 結(jié)論建議 的分析報告到 docx，同時生成一份新 xlsx 含透視表與趨勢圖

PS，這里是模擬數(shù)據(jù)

用了一段時間后，這就成了很符合直覺的操作，我電腦還裝著ppt/word/excel這些軟件就是給AI用的，我不需要去記在哪里選中什么數(shù)據(jù)能做什么樣的折線圖。

要是Claude Code Skills，Claude Cowork，Clawdbot三個形態(tài)融合之后的Agent會什么樣呢？

我是希望就直接連主動提問都不需要了，

全天候錄屏?語音輸入，

把tokens價格打到地心，提示語也沒有復雜結(jié)構(gòu)了，純語音。Agent會成為我所看所想的延伸，

所以，我一直鼓勵身邊的所有人，

遇到問題，不管有多復雜，先試著用AI解決。

這樣你會發(fā)現(xiàn)很多意想不到的好用法，

比起去看十大用法和精選案例，。

自己去探索，碰壁，

反而能找到最適合你自己的工作心流。

不需要給AI設(shè)限，

也不用怕它運行失敗，

對于一個可以無限次執(zhí)行的Agent來說，

重復就是我們最大的底氣。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉(zhuǎn)發(fā)｜評論

如果想要第一時間收到推送，不妨給我個星標

如果你有更有趣的玩法，歡迎在評論區(qū)和我聊聊

更多的內(nèi)容正在不斷填坑中……