ARTICLE · 1301270

Claude发布的Duet,6000个插件随便连,24小时主动干活智能体

发布时间：2026-11-03 11:41:36 最近访问：2026-11-03 11:41:36

10月下旬，Anthropic放出了颠覆性新智能体Claude Duet。

过去咱们都是主动找AI，只有输入指令它们才能干活。现在，Duet可以主动来找你，把那些重复、枯燥的业务流程实现24小时自动化。

只有涉及消息、删除、资产、签文件等敏感动作才会来找你确认。

Claude Duet能帮你干点啥

在这个数字化爆炸时代，无论是普通人还是CEO每天都有海量任务要处理，一天下来各种会议、消息、发票、OA、待办混在一起，脑子像个塞满便签的抽屉，想找什么都得翻半天。

Claude Duet想做的就是帮你把这个抽屉整理清楚，主动帮你把重复、枯燥的业务流程实现24小时自动化，从而把精力放在真正重要的事情上。

支撑整套能力的核心，是自带的判断能力，底层跑的是Claude Opus5.5最新模型。Duet分得清哪些事情必须由你亲自处理，哪些可以往后放一放，什么时候停下来找你确认。

关注

重播分享赞

视频详情

效果展示

每天一早，Duet会扫一遍你接入的各类工具，汇总出一份精简早报。白天持续盯着绑定的应用，不会随便乱发通知，只有碰到需要你介入处理的状况才提醒你。

能接的自动化任务很广，从简单的会议安排到复杂场景下还能联动几十种工具搭数据看板，产出销售或者财务预测，做产品原型，甚至直接开发网页应用都没问题。

Claude Duet核心工作原理，接入6000多个插件

所有能力扎根在你原本的Claude账号上下文里面。之前保存的记忆、已经连通的第三方应用，全部直接继承，几乎不用额外配置。

变化主要在协作方式，不再是你找AI，换成Duet主动来找你。

同一个对话线程支持文字和语音两种方式发指令，不管只是一句简短回复，还是要花一周才能做完的大型项目，都放在同一个会话里推进。

就算你关掉设备，任务也不会中断。Duet自带一套搭载浏览器的虚拟运行环境，你的手机电脑不用一直保持在线。

你简单描述目标之后，它自己梳理步骤，判断该调用哪些工具，等到任务收尾，或是碰到必须你审核确认的节点，推送通知给到你。

通知不会无节制往外发，Duet每隔几小时轮询一遍绑定账号，如果不停扫描会飞快耗光额度。

团队还在打磨判断提醒时机的逻辑，会跟着测试用户的反馈持续调优。你也可以手动设定通知类型和接收频率，掌控消息打扰的节奏。

Duet可以独立读资料写草稿，把前期准备工作做完。但只要涉及发消息、发起付款、签署文件、删除内容这类动作，会完整展示操作清单，等你点头确认。

还有一部分行为属于硬性禁止，哪怕你同意也不能执行，像是证券交易、账户转账。任何已经授权的第三方工具，你随时都可以断开权限。

目前，Duet已经接入了Claude市场里超过6000个连接器和插件，适配大量商用工具。可以抓取Gmail、Slack未读消息，帮你写回复等等。

比如拉取QuickBooks、Stripe里逾期的发票；在Gusto里汇总工时奖金报销单据，为发薪资做好前置准备；产出招聘文案，等你修改确认之后发到领英；

起草协议，对接DocuSign走完审核和电子签名流程；依托HubSpot里面客户交易记录写跟进邮件；拿Canva处理发布会素材，打包成适合社交平台分发的内容；

还能搭建和打理Shopify店铺，后续会上可视化编辑器，发布之前先预览页面效果。

采购环节也有配套方案，借助Stripe的Link数字钱包，Duet帮你采买企业物资。商品信息先发给你核对，Link单独等你审批这笔支出，交易走虚拟卡完成，你的真实卡号不会暴露。

Shop Pay同样支持线上结账。等后续功能落地，拿到你的许可之后，还可以读取1Password里保存的账号信息，自动帮你登录网站。

真实用户案例

目前Claude Duet还处于测试阶段，仅限于美国Pro和Max用户申请使用。但Anthropic内部员工已经先用起来了，效果也挺不错的。

模型产品行为设计团队的Chelsea Larsson会在陪孩子之前把任务丢进去，Duet做完所有工作留存结果，等到晚上她有空再回看完整报告。

有意思的是，Claude Duet本身也是靠自己来迭代开发，产品负责人Karan Ahuja用它排用户访谈，配合产出原型，还能辅助代码上线。

品牌策略师Mya Dalton有一次客户通话刚好卡在登机前不久，Duet读完日历提前整理会谈材料，还自己揪出时间冲突，主动提议调整档期，她自己压根没留意会议和航班挤在了一起。

房产经纪创始人Jess Provencher每天等着早上的汇总简报，有一回没有收到任何指令，它自主发现预约看房的日期填错并且发出提醒，刚好就是她想要的状态，问题不用等她发问就能被挖出来。

南佛罗里达一家有110名员工的餐厅老板Amin Ebrahimi，用它处理账务、客服和营销，分门店核对发票。一堆零散信息收拢到一处，不用同时开上百个浏览器标签来回切换。

不过Duet现在还只是早期版本，Anthropic自己也承认可能读错对话线程或者误判紧急程度，个人事务比如订票这类表现还不算强。

但方向挺清楚，就是让 AI 从被动应答变成主动搭把手，把那些重复枯燥的活接过去，人只管做判断、做决定。

话说回来，工具越主动，对人的要求其实也变了。以前比的是谁会用提示词、谁问得巧，现在Duet 这类东西开始替你操心、替你排优先级。

真正拉开差距的反而是你能不能判断AI干得对不对、哪些事该放手、哪些事得自己盯着。

现在很多岗位都离不开数据分析，AI可以帮你写SQL、处理Excel、生成报表，但数据是否准确、指标是否合理、结论能否支撑业务决策，仍然需要人来判断。未来更有竞争力的求职者，是既能利用AI提高效率，又具备数据分析思维和业务判断能力的人。企业真正需要的，不只是会使用工具的人，而是能够从数据中发现问题、分析原因，并提出解决方案的人。

那么，你现在的数据分析能力，究竟能不能满足职场要求？不妨先测一测，看看自己距离真实岗位要求还有多远。扫码免费测，1分钟出结果。

摸清自己的真实水平，才知道该往哪个方向补。AI时代重要的不只是你学过什么，而是你能用所学解决什么问题、能否证明自己做得到、当工作方式发生变化时能否继续创造价值。

如果你想提升自己的AI+数据分析能力，向您推荐CDA最新推出《数智化数据分析与AI应用实践营》。

这门实践营，就是围绕这条企业对数据分析师的能力要求设计的。

（一）课程的核心，不是教更多工具，而是建立五项能力

第一，定义问题。

面对“销售下降”“客户流失”等模糊需求，知道怎样明确分析对象、拆解指标、设计验证路径。

第二，处理数据。

使用Excel、SQL、BI和Python完成数据查询、清洗、关联、计算与可视化。

第三，分析与验证。

通过统计检验、回归、聚类和机器学习，研究业务差异、影响因素以及分类与预测问题。

第四，应用AI。

从AI辅助公式、代码和报告，进一步学习大模型API、Agent、Skill、MCP及知识检索问答。

第五，交付成果。

能够通过看板、业务分析报告、模型说明或AI应用原型，展示自己完成了什么，以及结果如何验证。

从数据处理，到业务分析，再到AI应用，能力不再是一堆孤立的工具名称。

（二）38章完整课程：从Excel、Python到AI智能体开发

CDA数据分析师《数智化数据分析与AI应用实践营》共设置38章课程。

课程从数据分析基础出发，经过商业分析、统计建模与机器学习，进一步进入大模型与AI智能体应用。

整个课程分为八大模块。

最终，将分析、技术与业务需求连接起来，理解一个AI应用从想法到落地的过程。

（三）38章学完，到底能拿出什么？学完可以获得的知识和技能

1. 工具能力：让数据处理更有条理

学习 Excel 函数、数据透视表与图表；MySQL 多表连接、子查询与窗口函数；BI 的 Power Query、多维建模、函数与制图；Python 的 Pandas 数据清洗和可视化。同时了解 JSON 数据、企业数据架构与 ETL 基本流程，建立对数据来源和处理过程的理解。

2. 分析方法：选择适合问题的思路

学习指标体系、描述统计、趋势分析、RFM 客户价值分群、标签与用户画像、漏斗和同期群分析，以及 A/B 测试的基本思路。例如，会员运营可以研究不同客户群的消费特点；销售分析可以定位线索转化中的流失环节；产品运营可以比较不同注册批次的留存表现。

3. AI 能力：将辅助工具放进具体工作步骤

学习提示词与任务拆解，使用 AI 辅助公式选择、SQL 编写、Python 调试和报告撰写；进一步使用 Agent 操作 Excel／BI、生成 HTML 交互看板，并学习可复用技能、工具接入与权限管理。训练重点包括检查数据、计算逻辑和结论，形成可以复用的工作流程。

4. 综合成果：从零散操作到完整项目

在库存综合项目中，练习需求拆解、多源数据探查、数据关联、指标设计、看板制作、问题诊断和报告撰写。课纲中的部分大项目可整理为个人作品，例如库存看板与分析报告，展示你如何把数据转成业务判断。Python 清洗与可视化练习也帮助形成可复用的分析过程。

（四）学完课程又能对应哪些工作？

学习一门课程，最终还要回到现实。

能否与实际工作联系起来？

从常见的企业数据任务来看，这套课程内容可以对应多个岗位方向。

当然，不同岗位有不同的专业要求。

比如财务BP需要财务与经营管理知识，算法岗位需要更深入的数学与工程能力，AI应用开发也可能涉及软件工程、系统部署与安全管理。

课程能够帮助建立相关技能基础，并不意味着学完就能胜任所有岗位。

真正合理的学习方式，是结合自己的专业背景和发展目标，选择重点方向。

（五）哪些人适合参加这次实践营？

学习对象和基础

接受零基础，无需提前掌握编程。 会进行基本电脑操作，并能安排时间完成练习，即可从基础内容开始。

运营、营销、销售、产品人员：经常接触订单、用户、活动与渠道数据，希望提升分析和复盘能力。
财务、人力及经营支持人员：希望更有条理地整理多表数据、跟踪指标、制作管理报表。
学生与转行者：希望系统学习常用分析工具、业务方法，并通过项目积累实践成果。
已有单项工具基础的人：希望把 Excel、SQL、BI、Python 和 AI 串成完整的分析流程。

文科、商科背景均可学习；编程部分从基础展开，学习效果需要通过练习和项目逐步巩固。

（六）师资团队实战经验丰富

CDA实践营专业师资团队，汇聚行业实战经验。 CDA讲师团队由徐杨、张彦存、柯家媛、李众等资深讲师组成，拥有中国人民大学、英国格拉斯哥大学等教育背景，以及银行、金融保险、互联网等行业项目经验。团队深耕数据分析、统计建模、机器学习、SQL及AI应用等领域，兼具扎实的理论功底与丰富的企业实战经验，注重将专业方法与真实业务场景相结合。