Claude 开始岗位化:企业 AI 插件化信号

Claude 正在从“聊天助手”变成“岗位同事”。

Anthropic 开源的 knowledge-work-plugins，表面上是一个插件仓库，但我更关注它背后的信号：企业 AI 不会一直停留在一个通用聊天框里，它会开始按岗位、流程和团队知识重新组织。

过去的 AI 助手下一阶段的岗位 AI 每个人都用同一个聊天框不同岗位有不同插件每次都要解释背景公司术语和流程沉淀进文件靠个人提示词经验靠团队可复用的工作能力回答问题为主执行角色化工作流

核心判断：Claude 的下一步，不只是更会聊天，而是更懂“你在什么岗位里工作”。

knowledge-work-plugins 的 README 定位很直接：让 Claude 变成面向角色、团队和公司的 specialist。

它覆盖的不是单一技术岗位，而是一整组知识工作场景：

• customer support

• product management

• marketing

• legal

• finance

• data

• enterprise search

• bio research

• cowork plugin management

这说明 Anthropic 不是只想给 Claude 加几个工具按钮。

它想表达的是：AI 进入企业以后，不能只靠一个“万能聊天窗口”。不同岗位需要不同知识、不同流程、不同边界，也需要不同的外部工具连接方式。

二、岗位化意味着什么

岗位化不是给 Claude 换一个身份设定，比如“你现在是产品经理”。

真正的岗位化，至少包括四件事：

组成作用角色上下文知道这个岗位关心什么领域知识知道常见概念、规范和判断标准工作流程知道先做什么、后做什么、怎么验收工具连接能访问岗位需要的数据和系统

这和普通提示词的差别很大。

提示词更像一次性说明；插件更像可复用的工作包。

当公司把客户支持、产品、法务、财务这些岗位的规则沉淀进插件里，Claude 就不再是“每次重新听你讲背景”的助手，而是带着一套岗位方法进入工作。

三、插件结构为什么重要

这个项目最值得看的，是它的结构。

每个插件不是黑盒，而是由几类文件组成：

组件含义 .claude-plugin/plugin.json描述插件身份和基础信息.mcp.json连接外部工具和数据源commands/放显式动作skills/放领域知识、最佳实践和流程

这套结构背后的方向很清楚：AI 能力不只是模型参数里的东西，也可以被文件化、模块化、团队化。

尤其是 skills/ 这一层很关键。

它把经验从“资深同事脑子里”拆出来，变成 Claude 可以检索和调用的工作方法。对企业来说，这比单纯换一个更强模型更重要。

四、为什么 file-based 很关键

README 里还有一个细节：这些组件主要是 file-based，使用 Markdown 和 JSON，不需要代码、不需要基础设施、不需要 build step。

这听起来像实现细节，其实非常重要。

因为企业里很多工作流程，不是工程团队独占的：

• 客服团队知道客户升级路径

• 产品团队知道需求优先级规则

• 法务团队知道合同审查红线

• 财务团队知道审批和口径

• 数据团队知道指标定义

如果插件必须写复杂代码，很多业务团队参与不了。

但如果插件像文档一样维护，业务专家就能把自己的判断标准沉淀进去，工程团队只需要负责连接和治理。

这会让企业 AI 从“个人会不会写 prompt”，走向“组织能不能沉淀工作方法”。

五、这对企业 AI 的启发

很多公司现在用 AI 的方式，还是把员工丢进一个聊天框：

“你自己问吧，问得好就有用。”

但这种方式很难规模化。

真正能落地的企业 AI，需要把公司已有的工作方法装进去：

• 公司术语

• 常用模板

• 审批边界

• 数据口径

• 工具连接

• 角色流程

• 验收标准

一旦这些东西变成插件，AI 才能稳定复用，而不是靠每个人临场发挥。

所以我觉得这个开源项目释放的信号很明确：企业 AI 的竞争，会从模型能力，逐渐走向组织知识工程能力。

六、我的判断

通用聊天框会继续存在，但它不会是企业 AI 的终局。

企业真正需要的，不是一个永远等你解释背景的助手，而是一个能理解岗位环境、调用团队工具、遵守流程边界的同事。

Claude 如果要进入知识工作深处，就必须回答这些问题：

1. 它知道这个岗位怎么做事吗？

2. 它知道公司内部口径是什么吗？

3. 它能复用团队已有经验吗？

4. 它的工作过程能被检查和维护吗？

knowledge-work-plugins 值得关注，就在于它把这些问题从“模型聪不聪明”，转向“团队能不能把工作方法交给 AI”。

未来最有价值的企业 AI，不是一个更会聊天的窗口，而是一组能被安装、复用、审计和迭代的岗位能力。

参考：GitHub 项目 anthropics/knowledge-work-plugins