Введение

Обновление Claude Cowork от Anthropic на первый взгляд выглядит просто: Cowork выходит за пределы десктопа и становится доступным также в вебе и на мобильных устройствах. Но настоящий сигнал гораздо значительнее, чем один новый интерфейс.

Как только агент может продолжать работу после того, как пользователь отошел от стола, продукт перестает быть просто окном чата. Он становится постоянной нитью задач. Пользователь может начать работу на десктопе, проверить прогресс на телефоне, ответить на уточняющий вопрос с другого устройства, а затем вернуться, чтобы просмотреть артефакт.

Этот сдвиг важен для команд, использующих Claude Cowork, Claude Code, Codex, Cursor, GitHub Copilot, NxCode или внутренних агентов. Вопрос больше не стоит только так: "Может ли модель решить задачу?" Лучший вопрос: Может ли система вокруг модели контролировать контекст, инструменты, состояние, разрешения, журналы, валидацию и человеческую проверку?

Ключевые выводы

• Claude Cowork на мобильных устройствах и в вебе — это продуктовый сигнал, а не просто обновление для удобства. Он превращает работу ИИ в постоянный, кроссплатформенный поток задач.
• Конкуренция между агентскими продуктами смещается в сторону агентской обвязки: разрешения, контекст, состояние, журналы, маршрутизация моделей, проверка и ревью.
• Мобильный доступ полезен для проверки прогресса и узких подтверждений, но он не должен ослаблять ревью кода, утверждение в production или контроль конфиденциальных данных.
• AWS AgentCore и более широкая дискуссия об инженерии обвязки показывают, что облачные вендоры и исследовательские команды движутся в одном направлении.
• Командам следует рассматривать этот релиз как момент аудита рабочих процессов, а не просто как очередное анонсирование функции.

Что изменилось на самом деле

Claude Cowork расширяется от рабочего процесса, ориентированного на десктоп, до веб- и мобильного опыта. Пользователь может начать задачу на компьютере, позволить Claude продолжать в фоне, проверить статус с телефона и вернуться позже, чтобы просмотреть результат.

Это меняет ментальную модель.

Чат-бот ждет следующего сообщения. Инструмент автодополнения кода предлагает следующую строку. Агент, работающий в фоне, продолжает работу после того, как пользователь отошел. Это означает, что команды не могут поместить все управление в один десктопный сеанс или одно видимое окно терминала.

Страница продукта Cowork от Anthropic также подчеркивает контроль. Пользователи выбирают папки и инструменты, а администраторы предприятий могут настраивать доступ и разрешения. Это важно, потому что кроссплатформенная работа полезна только в том случае, если она случайно не превращает каждое нажатие на телефоне в широкое предоставление разрешений.

Для инженерных команд урок не в том, чтобы "перенести каждую задачу на мобильное устройство". Урок в том, что делегированная работа становится долговременной. Задачи будут продолжаться через вкладки, устройства, встречи, уведомления и переключения человеческого контекста. Операционная модель должна предполагать, что работа может продолжаться после первого запроса.

Почему это история об обвязке

Агентская обвязка — это система вокруг модели, которая превращает запрос в контролируемую работу.

Она включает:

• Сборку контекста
• Доступ к инструментам
• Управление состоянием
• Правила памяти
• Планирование задач
• Повторы и обработку сбоев
• Журналы
• Разрешения
• Валидацию
• Человеческую проверку

Сильная модель в слабой обвязке все еще может серьезно провалиться. Она может прочитать не те файлы, использовать не тот инструмент, совершить крупный

Небезопасное изменение или создание результата, который выглядит отшлифованным, но не поддается проверке.

Мобильное и веб-расширение Claude Cowork делает платформу управления агентами более заметной. Задача может начаться на настольном компьютере, продолжиться в облаке, запросить одобрение на мобильном устройстве и завершиться файлами или сообщениями, готовыми к проверке. Такой поток требует состояния и разрешений, которые перемещаются вместе с задачей, а не только с устройством.

AWS продвигает схожую идею с облачной стороны через Amazon Bedrock AgentCore. Ее модель платформы фокусируется на оркестрации, выполнении инструментов, управлении контекстом, сохранении состояния, восстановлении после сбоев и изолированных сеансах. Статьи Лилиан Вэнг по инженерии платформ указывают в том же направлении с исследовательской точки зрения: лучшее поведение агентов достигается не только за счет более сильных весов моделей, но и за счет лучших сред, циклов обратной связи, оценки, инструментов и вспомогательных структур.

На практике платформа — это то место, где команды определяют, что означает «хорошая работа агента».

Риск постоянной работы

Кросс-девайсные агенты имеют очевидную ценность.

Менеджер продукта может запросить краткую информацию об исследовании клиентов перед посадкой в поезд. Инженер может начать анализ логов, закрыть ноутбук и одобрить узкое продолжение с телефона. Основатель может делегировать обновление для инвесторов и просмотреть черновик позже.

Но риск так же очевиден. Задача, продолжающая работать в фоновом режиме, может продолжать использовать инструменты, файлы, подключенные приложения и контекст после того, как человек перестанет смотреть на экран.

Командам следует разделить пять типов полномочий.

Мобильный доступ должен ускорять проверку, а не ослаблять ее. Телефон полезен для проверки статуса задачи, ответа на уточнение или одобрения узкого следующего шага. Это не подходящее место для проверки большого diff кода, авторизации производственной миграции, одобрения изменений в биллинге или предоставления широкого доступа к данным клиентов.

Простое рабочее правило работает хорошо:

Мобильное устройство может направлять, но серьезное одобрение должно происходить там, где видны доказательства.

Что должны изменить команды разработчиков

1. Сделайте область задачи явной

Каждая делегированная задача требует письменных границ.

Хорошая область должна включать:

• Цель
• Разрешенные файлы, папки или системы
• Запрещенные действия
• Разрешенные инструменты
• Ожидаемый вывод
• Команды для проверки
• Условия остановки
• Точки, требующие одобрения человека

Без этих границ фоновый агент — это просто долго работающий промпт с прикрепленными инструментами. Это небезопасная модель работы.

1. Требуйте доказательства, а не только результат

Проверяющий не должен гадать, что сделал агент.

Для задач по коду финальный отчет должен включать:

• Измененные файлы
• Краткую сводку diff
• Выполненные команды
• Пройденные или проваленные тесты
• Допущения
• Известные риски
• Предложенный путь отката, если применимо

релевантно

Для исследовательских задач итоговый отчет должен включать:

• Ссылки на источники
• Уровень уверенности
• Отсутствующую информацию
• Противоречивые данные
• Открытые вопросы

Цель — сделать работу агента проверяемой. Просто отшлифованного ответа недостаточно.

1. Используйте маршрутизацию моделей

Не каждой задаче требуется одна и та же модель, контекстное окно или бюджет.

Низкорисковые задачи, такие как суммаризация, триаж, форматирование и детерминированные преобразования, часто можно выполнять на более дешевых моделях. Сложная отладка, архитектурное планирование, миграции и задачи, связанные с безопасностью, могут оправдать использование более сильных моделей и более тщательную проверку.

Практическая политика маршрутизации может выглядеть так:

Суть не в том, чтобы всегда использовать самую дешевую модель. Суть в том, чтобы использовать правильную модель для данного уровня риска.

1. Ограничьте память

Персистентные агенты создают соблазн хранить всё. Это рискованно.

Командам следует хранить стабильную, многократно используемую информацию, такую как:

• Правила проекта
• Предпочтительные команды
• Соглашения репозитория
• Принятые рабочие процессы
• Команды для тестирования
• Предпочтения по форматированию

Командам следует избегать хранения:

• Секретов
• Личных данных
• Данных, специфичных для клиента
• Временных предположений
• Непроверенных гипотез
• Чувствительного бизнес-контекста без политики хранения

Хорошая память повышает надежность рабочего процесса. Плохая память превращает вчерашнюю догадку в завтрашнюю скрытую инструкцию.

1. Создайте локальный бенчмарк

Не оценивайте агентов только по демонстрациям или клипам в соцсетях.

Выберите реальные задачи за последний месяц. Включите баги, рефакторинг, правки документации, очистку данных, расследования техподдержки и проверки релизов. Запустите каждого агента с одинаковым временным бюджетом и сравните результаты.

Измеряйте:

• Процент завершения
• Время проверки
• Стоимость токенов
• Тип ошибок
• Проблемы безопасности
• Сложность отката
• Насколько результат был действительно полезен

Локальный бенчмарк команды ценнее общего рейтинга, потому что он отражает работу, которую команда действительно выполняет.

Практическая обвязка для We0 AI Agent

Полезная обвязка не обязательно должна начинаться как крупный платформенный проект. Минимальную версию можно построить из файла инструкций репозитория, шаблона задачи, чеклиста для проверки и правила ревью.

Используйте шаблон задачи, подобный этому:

Цель:

Разрешенный контекст:

Разрешенные инструменты:

Запрещенные действия:

Команда для валидации:

Ожидаемый артефакт:

Требуется одобрение человека для:

Остановиться, если:

Затем сопоставьте типы задач с рабочими процессами.

Этот шаблон прост, но он заставляет команду сделать авторизацию и валидацию видимыми.

Для рабочих процессов в стиле We0 AI обвязка должна помогать командам определять инструкции, выполнять повторяемые проверки, сравнивать результаты агентов и сохранять достаточный контекст для ревью. Цель не в том, чтобы замедлить

внедрение. Цель — сделать делегирование достаточно предсказуемым, чтобы ему можно было доверять.

Как оценить Claude Cowork по сравнению с другими агентами

Не сравнивайте Claude Cowork, Claude Code, Codex, GitHub Copilot, Cursor или внутренних агентов «по ощущениям».

Используйте реальные задачи и задайте пять вопросов:

1. Может ли агент найти нужный контекст, не просматривая лишние приватные или нерелевантные файлы?
2. Может ли он безопасно использовать инструменты и восстанавливаться после их сбоев?
3. Может ли он создать небольшой, удобный для проверки артефакт?
4. Может ли он подтвердить результат тестами, ссылками на исходники или логами?
5. Может ли человек вовремя остановить, перенаправить или одобрить работу?

Запускайте каждую задачу более одного раза. Агенты стохастичны. Один впечатляющий запуск не доказывает надежность, а один неудачный — не означает, что система бесполезна.

Также оценивайте нагрузку на проверку. Если агент создает большой артефакт, проверка которого занимает больше времени, чем выполнение задачи вручную, это не помогает. Полезный агент снижает затраты на принятие уверенного решения. Он не просто генерирует больше выходных данных.

О чем говорит рынок

Мобильная и веб-версия Claude Cowork — часть более широкого сдвига.

AWS превращает обвязки для агентов в управляемую облачную инфраструктуру. Облачный агент GitHub Copilot поддерживает фоновое написание кода и рабочие процессы пул-реквестов. Claude Code, Codex, Cursor и внутренние агенты подталкивают команды к асинхронной работе с инструментами. Исследовательские дискуссии о разработке обвязок также показывают, что лучшие системы агентов будут зависеть от более надежных сред, инструментов, циклов обратной связи и оценки.

Это разные продуктовые истории, но они указывают на одну и ту же операционную реальность: продукты на основе ИИ становятся системами.

Им необходимы:

• Контроль выполнения
• Маршрутизация моделей
• Политика контекста
• Разрешения для инструментов
• Наблюдаемость
• Оценка
• Утверждение человеком
• Журналы аудита

Эпоха «вставь промпт, получи ответ» еще не закончилась. Но для серьезных команд она больше не является передовым рубежом.

Рекомендуемая операционная модель

Вот практический план развертывания на 30 дней.

Неделя 1: Инвентаризация текущего использования агентов

Составьте список всех инструментов-агентов, которые использует ваша команда.

Для каждого инструмента запишите:

• К каким данным он имеет доступ
• Что он может записывать
• Какие инструменты он может вызывать
• Может ли он выполнять команды
• Работает ли он с данными клиентов
• Как проверяются выходные данные
• Является ли использование официальным или неофициальным

Это даст команде четкую базовую линию.

Неделя 2: Создание политики для задач

Разделите задачи на низкий, средний и высокий уровень риска.

Эта политика должна быть зафиксирована письменно. Если категория задачи неясна, относитесь к ней как к среднему или высокому риску, пока команда не примет иное решение.

Неделя 3: Создание внутреннего бенчмарка

Отберите около 20 реальных задач за предыдущий месяц.

Включите:

• Исправления ошибок
• Рефакторинг
• Обновления документации
• Расследования по запросам поддержки клиентов
• Работу по очистке данных
• Проверки релизов
• Исследовательские сводки

Запустите текущие рабочие процессы и как минимум одну альтернативную конфигурацию агента. Отслеживайте завершение, время проверки, стоимость, сбои и неожиданности.

Неделя 4: Укрепление обвязки

Добавьте или улучшите:

• Инструкции в репозиторий
• Команды проверки
• Требования к логированию
• Разрешения коннекторов
• Условия остановки
• Контрольные списки для проверки
• Правила утверждения

Если задача

не может быть проверено, не должно делегироваться без чёткого владельца-человека.

Практические правила мобильного доступа для агентов

Мобильный доступ должен строиться на принципе узкого контроля, а не широких полномочий.

Безопасный мобильный рабочий процесс может позволять пользователям:

• Проверять прогресс задачи
• Отвечать на уточняющий вопрос
• Одобрять следующий шаг с низким уровнем риска
• Останавливать задачу
• Перенаправлять задачу
• Запрашивать сводку
• Помечать задачу для проверки на десктопе

Он не должен необдуманно позволять пользователям:

• Одобрять большие изменения кода
• Выполнять развёртывание в production
• Удалять файлы
• Отправлять клиентские письма
• Предоставлять широкий доступ к папкам
• Раскрывать секреты
• Изменять биллинг или права доступа
• Принимать большие сгенерированные артефакты без доказательств

Это не значит, что мобильный контроль плох. Это значит, что мобильный контроль должен быть ограничен теми решениями, которые можно ответственно принимать с небольшого экрана.

Суть

Поддержка мобильных устройств и веба в Claude Cowork важна, потому что она показывает, куда движутся агентные продукты. Работа ИИ будет постоянной, кроссплатформенной, асинхронной и с использованием инструментов.

Команды, которые рассматривают агентов только как более умное автодополнение, упустят этот сдвиг. Команды, которые относятся к агентам как к полностью доверенным коллегам, создадут предотвратимые риски.

Более безопасный путь — контролируемое делегирование: узкие рамки задач, явные разрешения, постоянные журналы, детерминированная валидация, маршрутизация моделей и проверка человеком в нужные моменты.

Часто задаваемые вопросы

Что такое Claude Cowork?

Claude Cowork — это агентный рабочий продукт Anthropic, который позволяет Claude выполнять задачи с файлами, инструментами и рабочими процессами, пока пользователь проверяет конечный результат. Поддержка веба и мобильных устройств делает рабочий процесс более постоянным и кроссплатформенным.

Почему важен мобильный доступ к Claude Cowork?

Мобильный доступ важен, потому что он меняет то, как пользователи взаимодействуют с агентами. Вместо того чтобы оставаться в одном десктопном сеансе, задача может продолжаться в фоновом режиме, пока пользователь проверяет прогресс, отвечает на вопросы или просматривает статус с другого устройства.

Что такое обвязка агента?

Обвязка агента — это система вокруг модели, которая управляет контекстом, инструментами, состоянием, разрешениями, валидацией, журналами и проверкой человеком. Именно она превращает ответ модели в контролируемую работу.

Безопасно ли мобильное одобрение для ИИ-агентов?

Мобильное одобрение может быть безопасным для узких решений с низким уровнем риска, таких как уточнение требований или проверка прогресса. Оно не должно заменять полную проверку для больших изменений кода, production-действий, клиентских данных, внешних сообщений или деструктивных операций.

Как командам оценивать Claude Cowork по сравнению с Codex или Cursor?

Используйте реальные внутренние задачи, а не демонстрации. Сравнивайте процент завершения, нагрузку на проверку, стоимость, безопасность, сложность отката, исходные доказательства, а также возможность остановить или перенаправить агента в нужный момент.

Что должен включать хороший шаблон задачи для агента?

Хороший шаблон должен включать цель, разрешённый контекст, разрешённые инструменты, запрещённые действия, команду валидации, ожидаемый артефакт, необходимые точки одобрения и условия остановки.

Почему маршрутизация моделей важна для рабочих процессов агентов?

Разные задачи имеют разные уровни риска и сложности. Для простых сводок может не требоваться самая дорогая модель, в то время как архитектурные изменения, отладка, миграции и задачи, чувствительные к безопасности, могут выиграть от более мощных моделей с лучшими

Задачи могут требовать более мощных моделей и более строгой проверки.

В чем главный риск постоянно активных ИИ-агентов?

Основной риск заключается в том, что агент может продолжать использовать инструменты, контекст или разрешения после того, как пользователь перестает уделять пристальное внимание. Именно поэтому необходимы разграниченный доступ, журналы, проверяемые артефакты и контрольные точки утверждения.

Связанные инструменты

• Claude Cowork: Кроссплатформенный продукт Anthropic для делегирования и проверки задач с помощью ИИ-агентов.
• Claude Code: Агент кодирования от Anthropic, способный читать кодовые базы, редактировать файлы, выполнять команды и работать с инструментами разработчика.
• OpenAI Codex: Платформа ИИ-агентов кодирования от OpenAI для инженерных задач и навыков агентов.
• GitHub Copilot Cloud Agent: Фоновый агент кодирования от GitHub для исследования репозиториев, изменений кода и рабочих процессов с pull request'ами.
• Amazon Bedrock AgentCore: Инфраструктура AWS для развертывания и эксплуатации агентов с возможностями времени выполнения, памяти, идентификации, наблюдаемости и управления.
• Cursor: Редактор кода на основе ИИ, используемый для агентивного кодирования, навигации по кодовой базе и автоматизации рабочих процессов разработчика.

Связанные ссылки

• Страница продукта Claude Cowork: Официальная страница продукта Anthropic для Claude Cowork.
• Безопасное использование Claude Cowork: Статья в справочном центре Claude о безопасном использовании и контроле Cowork.
• Документация Amazon Bedrock AgentCore Harness: Документация AWS по управляемой конфигурации и эксплуатации среды управления агентами.
• Анонс GA Amazon Bedrock AgentCore Harness: Объявление AWS о выходе среды управления AgentCore в общую доступность.
• Проектирование среды для самоулучшения: Статья Лиллиан Венг об инженерии среды управления, оценке и самосовершенствующихся агентивных системах.
• Документация GitHub Copilot Cloud Agent: Документация GitHub по рабочим процессам фоновых агентов.

Краткое содержание

Поддержка мобильных устройств и веба в Claude Cowork — это больше, чем обновление интерфейса продукта. Она показывает, что работа агентов становится постоянной, кроссплатформенной, асинхронной и использующей инструменты.

Этот сдвиг делает среду управления агентом еще более важной. Командам нужны более четкие рамки задач, более строгие разрешения, постоянные журналы, маршрутизация моделей, детерминированная валидация и утверждение человеком в нужных точках.

Хороший следующий шаг — не гнаться за каждой новой функцией агентов. Это создать небольшой внутренний бенчмарк, определить уровни риска и сделать делегированную работу проверяемой.

Самый сильный рабочий процесс агента — не тот, у которого больше всего автономии. Это тот, у которого самые четкие границы, лучшие доказательства и самый безопасный путь проверки.