昨天，Snowflake首次展示了一种很让人心动的上班方式：你还没登录，AI先把工作准备好了。

在它给出的销售场景里，周一早晨，自动化任务已经检查过上周业务，找出某个区域的异常。负责人打开看板继续追问，AI查到两笔大订单推迟了，又把分析整理成开会要用的PPT。这套分析还能存下来，下周接着用。

从提前查数据，到解释变化，再到交出材料，一段原本需要人来回切换的工作，被接了起来。

这就是Snowflake在Expedition 2026上更新CoCo与CoWork的方向。CoCo服务数据和开发团队，CoWork服务销售、运营等业务人员。云端任务、定时自动化、团队配置，以及新宣布的Bots，共同把AI往“能接活的同事”推进。

有意思的地方在这里：我们开始可以把一项工作交给AI，让它在后台推进。等人回来时，接手的是已经准备好的结果。

对忙于周报、数据查询和会议材料的人来说，这相当有吸引力。

图1　Snowflake于11月3日发布的Bots官方概念图：持续运行、企业数据与人的参与。图片来源：Snowflake官网。

先看CoCo。它获得了一个更适合长时间工作的云端环境。

Cloud Agents，也就是云端智能体，在Snowflake托管的环境中执行任务。新的CoCo工作模式把代码、文件和实时预览放在一起，还能借助子智能体处理多步骤工作。

这让一些需要耐心的活，有了新的安排方式。

比如检查一组数据任务、完成一次多步骤分析，或者搭建一个内部应用。你交代目标，它调用工具推进，代码变更还可以形成待团队检查的请求。

对开发和数据团队来说，吸引力在于减少来回照看。

一个需要较长时间的任务启动以后，人可以转去开会、处理别的项目，再回来查看进展和成果。原本挤在待办列表里的事情，也多了一种被推进的可能。

这里的后台执行指的是云端能力。

Snowflake中的云端自动化在终端或浏览器关闭后仍可运行；Desktop本地自动化则需要应用保持开启、电脑保持唤醒。

图2　CoCo官方产品界面示意：读取SQL文件、查看表结构，分步骤处理请求。图片来源：Snowflake官网。

CoWork的Automations可以用自然语言设定。

比如分析一份业务数据后，接着告诉它：“以后每周一早上把这份报告发给我。”它会按计划重新读取当时的数据，生成新结果，并通过邮件送来摘要和报告入口。

这个入口也保留了继续追问的空间。

看到一个变化，就接着问原因；发现值得展开的线索，就从现成结果往下做。每次开始工作时，都不必重新收集一遍材料。

再往前一步，就是这次新宣布的CoCo与CoWork Bots。

按照官方规划，用户可以交给它一个持续目标，比如准备客户会议资料、关注关键数据流程，由它在后台安排和推进，关键决定再请人参与。新Bots目前处于“即将进入私有预览”的阶段。

固定时间交报告，逐步走向围绕目标持续做事。AI可以承担的工作，也就从一次问答，延长成了一段有起点、有过程、有交付的任务。

图3　CoCo与CoWork官方功能总览：自动化、技能共享、记忆与团队配置。图片来源：Snowflake官网。

一个新同事入职，要熟悉团队、工具和业务。AI开始接活之后，也需要这份背景。Snowflake这轮更新，把这件事做进了产品。

进入公开预览的CoWork Profiles，可以理解成给不同团队准备的工作配置。管理员把可用的智能体、工具和指令放进去，员工直接提问，问题就会被交给相应的业务能力处理。

同样是问“这个客户最近怎么样”，销售关心合作进展，产品团队关心使用情况。团队背景提前配好，AI就有了理解这句话的出发点。员工也少了一道“先研究该找哪个智能体”的步骤。

Memory负责记住个人层面的信息，比如你的角色、常用格式和偏好。下次继续做材料时，这些背景可以沿用，用户也能查看和删除保存的记忆。

这会让协作更连贯。第一次需要交代的事情，之后不用每回从头解释。AI逐渐进入你熟悉的工作习惯里，交付的东西也更接近团队平时真正会用的样子。

图4　CoWork Profiles官方演示：管理员配置工具、MCP连接器和智能体范围。图片来源：Snowflake官网。

还有一项很适合企业团队的能力：把做得好的工作方法留下来，分享出去。

CoCo已经全面开放Skills和插件共享。

一个工程师整理好的工作流程，可以分享给指定角色，也可以放进组织内的目录，由管理员认证相应版本。

想象一下，一位熟悉业务的同事，把数据检查要看哪些指标、报告按什么顺序展开，整理成可重复调用的技能。以后其他人处理相似任务，就能从这套成熟方法开始。

过去，一些经验留在个人电脑里，或者散落在群聊和旧文档中。把它们变成AI可以执行的流程，团队就多了一种传递经验的方式。做成一次，后面还能反复使用、继续改进。

与此同时，访问哪些数据、调用哪些工具，沿用企业原有的权限设置。对企业来说，这是很有价值的组合：工作方法可以共享，每个人仍在自己的业务范围内使用。

从这个角度看，AI的能力开始与企业自己的经验结合。模型负责理解和执行，团队积累的知识，决定它在这家公司怎样把事情做好。

图5　CoWork官方权限示意：工具和数据表的访问受角色权限控制。图片来源：Snowflake官网。

这轮更新里，还有一个业务人员很容易感受到的变化：报表开始变得可以对话。

Snowflake Dashboards已进入公开预览。分析师可以向CoCo描述想要的看板，由它生成图表和布局，再分享给相应团队。业务人员在CoWork里打开后，可以直接围绕图表继续提问。

比如看到某个区域的数字下滑，就问一句：“主要是哪几项业务造成的？”看板上的图，变成了往下分析的起点。对于不写SQL的同事，这是一种更自然的使用数据的方式。

分析完成后，CoWork还能生成PDF、PPTX、DOCX和HTML等文件。于是，查数据、看变化、追问原因、整理成会议材料，有机会在同一段工作中连续完成。

这个体验值得关注。很多人的日常工作，恰恰花在这些连接处：从系统里找数字，放到表格里，再整理到文档和演示稿中。AI把这些环节接得更紧，用户就能把更多注意力放在结论本身，以及接下来要做的事情上。

图6　CoWork官方产品画面：自动化、成果入口与销售分析图表。图片来源：Snowflake官网。

把这些进展放回产业现场，会看到很多具体的用法。

例如，一家制造企业可以设想这样的晨间流程：提前汇总订单与交付变化，把需要关注的项目列出来，负责人到岗后直接围绕异常追问；一家产业服务机构，也可以把定期经营分析变成自动生成的报告，再由顾问补充判断。这些是基于上述能力的应用设想。

它们共同指向一件很实在的事：让准备工作更早完成，让人在开始一天的工作时，手里已经有一份可以接着往下做的材料。

对企业软件和服务商，这也打开了新的产品空间。熟悉某个行业、掌握一套业务方法的人，可以把经验整理进AI流程里，交付会定期更新的分析、能持续推进的任务，而不只是一套等人操作的界面。

所以，下班后，工作流还能继续吗？

云端执行和自动化，已经在让这件事发生。更主动的Bots，则把下一步方向摆到了眼前。

以后，我们交给AI的，可能越来越像一份真正的工作：“这些事情先帮我往前做，明早我们接着看结果。”

以上。如果这篇文章对你有帮助，欢迎点赞、在看，或转给正在做研发的朋友。

如果想第一时间看到消息，也可以设置星标～

我们，下次再见。