AI上下文图、领域驱动设计

CoworkPowers为Claude Code注入可复利的办公智能！

banq

CoworkPowers 是一个为 Claude Code（Anthropic Claude 的 Code 驱动环境）设计的插件，目标是给人工智能系统增加一套系统化、可以“复用、累积”的 知识工作能力（Superpowers）。 项目通过分阶段的多智能体流程来处理复杂的知识工作任务，让 AI 在做事时更有策略、更可重复、效果更好。

它的核心理念是：让每次完成的工作积累学习优势，使下一次执行类似任务更快、更智能、更有效。

CoworkPowers 是一个给 Claude Code 用的“能力外挂”，它真正想解决的不是“写得更好”，而是：让 AI 在做知识工作时，形成结构化流程，并且把经验沉淀下来，下一次自动升级。这是一种“复利型智能体设计”，不是一次性执行器。


主要功能
复合循环（Compound Loop）

这个插件定义了一个四阶段的工作流程，帮助 Claude 在处理任务时按照规则推进：

  1. Research（研究） – 先获取任务背景、分析约束、识别参与者和先例等。
  2. Work（执行） – 使用专门的智能体去起草或执行具体工作（比如写邮件、做分析、准备会议资料等）。
  3. Review（审查） – 多角色智能体并行检查成果的清晰度、完整性、风险等。
  4. Compound（积累） – 将成功经验、失败经验和偏好模式等提取成可重复的知识片段。

这个循环使得系统能 从实际输出中“学习” 并在以后的类似任务中减少重复调查，提高效率。

工作方式与特点
▶ 多智能体并行协作
在 Research 和 Review 阶段，多个智能体会并行运行（如背景研究者、利益相关者映射者、清晰度检查者等），让任务分析更全面。

▶ 专业任务技能
插件包含不同的技能模块，例如用于沟通起草、战略决策、会议准备等各类工作场景的智能体定义。

▶ 知识积累与复用
完成任务后提取出的模板、策略、偏好、失败经验等会保存下来，为未来类似任务做加速和优化。

▶ 可安装与集成
可直接通过 Claude Code 插件方式安装，或打包在 Cowork 桌面环境中使用，也支持可选连接外部数据源（如电子邮件、日历等）来增强上下文。

使用场景示例
假设你要写一封面向董事会的季度更新：

  1. Research：分析董事会关心的指标、过去通讯风格、市场数据。
  2. Work：用“执行写作者”智能体起草完整文稿。
  3. Review：多个审查者检查清晰度、风险、战略贴合度等。
  4. Compound：抽取风格模板、优先信息顺序、董事会偏好等，为下次报告做基础。
完成后类似任务会更快、更高质量。

技术与结构
项目采用标准的插件结构，包括：

  • .claude-plugin/：插件定义元数据
  • skills/：各工作阶段的技能定义
  • agents/：定义各种智能体行为
  • 说明文件如 CLAUDE.md，CONNECTORS.md 说明了更详尽的用法和连接器支持。

安装方式（示例）
在 Claude Code 环境中：

# 安装插件
/plugin install coworkpowers@coworkpowers

或者在 Cowork 桌面客户端里：

  1. 下载仓库的 ZIP 文件
  2. 进入设置 → 插件 → 上传本地插件
  3. 选择 ZIP 并启用插件

总结
CoworkPowers 是一个专注于“长期提升 AI 处理知识工作”能力的插件，它通过系统化流程和多智能体协作，让 Claude 变得更擅长组织信息、执行任务、复盘总结。没有被动重复，而是主动“学习与积累”。


一、它到底在解决什么问题？
大多数 AI 系统的问题：
  1. 每次任务都是“新的一天”
  2. 没有稳定流程
  3. 没有长期记忆沉淀
  4. 输出质量波动大
  5. 复杂任务容易崩
CoworkPowers 的思路是：把“知识工作”拆成固定阶段把每个阶段交给不同角色把经验抽象出来形成复合循环这不是 prompt 技巧，而是流程工程。

二、核心架构思想：四阶段复合循环

它的结构很干净：

1️⃣ Research（研究阶段）
目标：建立认知模型
做什么？

  • 背景信息收集
  • 利益相关者分析
  • 约束条件识别
  • 目标定义
  • 先例参考
本质是：构建问题空间。很多 AI 直接跳到“写”，这里强制先理解。

这一步降低方向性错误。

2️⃣ Work（执行阶段）
目标：输出可用成果
这一步由“执行智能体”完成。
例如：

  • 写董事会报告
  • 生成战略备忘录
  • 起草邮件
  • 分析数据
  • 设计方案
这里强调专门角色。不是一个泛化大模型干所有事，而是一个专门执行角色。

这是一种“分工思维”。

3️⃣ Review（评审阶段）
这是关键升级点。
多个智能体并行做不同类型的评审：

  • 清晰度评审
  • 逻辑一致性评审
  • 风险评审
  • 战略匹配评审
  • 风格评审
这一步相当于自动“红队 + 编辑 + 审稿人”。多数 AI 系统没有强制评审阶段。

CoworkPowers 强制。这一步稳定质量。

4️⃣ Compound（复利阶段）
真正的创新在这里。
它会抽取：

  • 成功模式
  • 失败模式
  • 偏好结构
  • 表达模板
  • 决策逻辑
然后保存。下一次类似任务，自动利用这些模式。
这叫经验资产化。

不是记住内容，是记住“模式”。

三、设计哲学
1️⃣ 知识工作是流程，而不是输出
很多人把 AI 当写字机。
CoworkPowers 把 AI 当工作流引擎。
这是范式差异。

2️⃣ 多智能体不是噱头，而是角色结构
它不是“多个模型”，而是“多个角色视角”。

角色结构带来的好处：

  • 防止单一视角偏差
  • 提升决策鲁棒性
  • 形成多重约束
这更像公司内部协作。

3️⃣ 经验抽象是核心护城河
如果你只执行，不沉淀，你永远是打工模型。
如果你沉淀结构，下次自动复用，你开始产生“组织记忆”。
这就是复利。

这和普通提示工程的最大差别：
普通提示工程 = 每次重新设计CoworkPowers = 设计一次，持续升级


关于作者：纳比尔·海亚特的传奇履历

说到这个插件的作者纳比尔·海亚特（Nabeel Hyatt），这哥们儿的履历堪称硅谷传奇。

十六岁就创办第一家科技公司，二十五岁前经历了第一次IPO。他创办的Conduit Labs被Zynga收购，然后在Zynga从两百人干到两千人的高速增长期担任总经理。
2012年加入Spark Capital担任合伙人，开创了西海岸办公室。

他投的项目名单就是一份"未来独角兽预告片"：Cruise（被通用汽车十亿美元收购）、Discord、Postmates、Descript、Granola、Capella Space、Zum。

这哥们儿的投资哲学特别有意思：他找的产品要像日本马桶——技术复杂但体验简单魔法，给用户他们不知道自己想要的新体验。他自己也是 maker 出身，工程师转设计，设计转创业，创业转投资，信奉"专业化是昆虫的事"。

CoworkPowers这个插件最独特的地方就在这儿：它不是学术派的AI研究产物，而是一个经历过IPO、收购、高速扩张的连续创业者，把自己二十年知识工作的经验压缩成的自动化系统。那些"渐进式加载"、"风险分级"、"颗粒化知识存储"的设计，都是血泪教训换来的，不是拍脑袋想的。

总结

CoworkPowers是Claude Code插件，通过研究、执行、复盘、进化四步循环，将知识工作经验沉淀为可复用模板，实现任务处理时间的指数级压缩，让AI越用越聪明。