文章标签：Claude、Claude Cowork、Claude Code、Anthropic、AI Agent、插件系统、MCP、知识工作、企业协作、办公自动化、销售自动化、产品管理、数据分析、法务自动化、工程效率
前言：项目简介
随着 AI Agent 从“问答式助手”逐渐进入真实办公流程，一个关键问题开始出现：通用大模型虽然能力很强，但并不天然理解某个岗位、团队或公司的具体工作方式。
例如，销售人员希望 AI 能帮他准备客户拜访、分析管道、生成跟进邮件；产品经理希望 AI 能写 PRD、整理用户研究、更新路线图；法务团队希望 AI 能根据公司 playbook 审合同、筛 NDA、识别风险；数据分析师则希望 AI 能写 SQL、做可视化、验证分析结论。
anthropics/knowledge-work-plugins正是 Anthropic 开源的一组面向知识工作者的 Claude 插件集合。项目 README 对它的定位非常明确：
Plugins that turn Claude into a specialist for your role, team, and company.也就是说，这个项目的目标不是让 Claude 只做通用聊天，而是通过插件、技能、连接器、Slash Commands 和子 Agent，让 Claude 变成面向不同岗位的专业协作者。该项目主要面向Claude Cowork，同时兼容Claude Code。(GitHub)
一、发布时间与项目状态
截至当前 GitHub 页面信息，从提交记录来看，该项目仍在持续更新。例如，GitHub commits 页面显示，2026 年 5 月 21 日有提交合并了add-plugin-display-names相关 PR；2026 年 5 月 19 日则有多项更新，包括修复 MCP server URL、添加 Vanta MCP plugin、更新 partner plugin SHA、增加 SHA bump pipeline、policy scan 和 MCP URL liveness check 等。(GitHub)
可以整理为：
| 项目项 | 内容 |
|---|---|
| 项目名称 | Knowledge Work Plugins |
| GitHub 仓库 | anthropics/knowledge-work-plugins |
| 所属组织 | Anthropic |
| 项目定位 | 面向知识工作者的 Claude 插件集合 |
| 主要适配 | Claude Cowork、Claude Code |
| 当前状态 | Public，持续更新 |
| GitHub Release | 暂无正式 release |
| 开源协议 | Apache-2.0 |
| 核心能力 | Skills、Slash Commands、MCP Connectors、Sub-agents |
需要注意的是，由于该项目没有发布正式 release，因此更适合按GitHub 主分支内容和最新提交记录来理解其当前状态，而不是按照传统软件版本号来追踪。
二、项目框架设计
从仓库目录来看，knowledge-work-plugins并不是一个单一插件，而是一个插件市场型 monorepo。它按照不同岗位和业务场景组织多个插件目录。
仓库主要结构包括：
knowledge-work-plugins ├── .claude-plugin ├── .github ├── bio-research ├── cowork-plugin-management ├── customer-support ├── data ├── design ├── engineering ├── enterprise-search ├── finance ├── human-resources ├── legal ├── marketing ├── operations ├── partner-built ├── pdf-viewer ├── product-management ├── productivity ├── sales ├── small-business ├── LICENSE └── README.md项目 README 中列出了 Anthropic 开源的 11 个核心插件，包括 productivity、sales、customer-support、product-management、marketing、legal、finance、data、enterprise-search、bio-research 和 cowork-plugin-management。每个插件都面向一个具体岗位或工作流，并配置相应的外部工具连接器。(GitHub)
1. 统一插件结构
README 中明确说明，每个插件都遵循统一结构：
plugin-name/ ├── .claude-plugin/plugin.json # 插件清单 ├── .mcp.json # 工具连接配置 ├── commands/ # 显式调用的 Slash Commands └── skills/ # Claude 自动调用的领域技能其中：
plugin.json：描述插件基本信息和入口 .mcp.json：定义外部工具连接，例如 CRM、Slack、Jira、数据仓库等 commands/：用户显式触发的命令，例如 /finance:reconciliation skills/：Claude 自动引用的领域知识、流程、最佳实践项目 README 强调，这些组件都是文件化的 Markdown 和 JSON，不需要写代码、不需要部署基础设施，也不需要构建步骤。(GitHub)
这体现出该项目的核心设计哲学：把企业知识工作流程抽象成可编辑、可版本管理、可共享的文件资产。
三、插件矩阵：覆盖多类知识工作场景
该项目目前覆盖了多个典型知识岗位：
| 插件 | 主要场景 | 典型连接器 |
|---|---|---|
| productivity | 任务、日程、工作记忆、个人上下文 | Slack、Notion、Asana、Linear、Jira、Microsoft 365 |
| sales | 客户研究、电话准备、管道分析、销售预测 | HubSpot、Close、Clay、ZoomInfo、Fireflies |
| customer-support | 工单分流、回复草稿、升级包、知识库文章 | Intercom、HubSpot、Guru、Jira |
| product-management | PRD、路线图、用户研究、竞品分析 | Linear、Asana、Jira、Figma、Amplitude、Pendo |
| marketing | 内容生成、营销活动、品牌语气、竞品研究 | Canva、Figma、HubSpot、Ahrefs、SimilarWeb |
| legal | 合同审查、NDA 分流、合规流程、法务简报 | Box、Egnyte、Jira、Microsoft 365 |
| finance | 凭证、对账、财报、差异分析、审计支持 | Snowflake、Databricks、BigQuery |
| data | SQL、数据探索、可视化、仪表盘、分析验证 | Snowflake、Databricks、BigQuery、Hex |
| enterprise-search | 跨邮件、聊天、文档和 wiki 的统一搜索 | Slack、Notion、Guru、Jira、Asana |
| bio-research | 文献、生物数据库、靶点优先级、临床研究 | PubMed、bioRxiv、ClinicalTrials.gov |
| cowork-plugin-management | 创建和定制新插件 | 无固定连接器 |
从这个矩阵可以看出，Anthropic 并不是只提供一个“AI 办公助手”，而是试图把 Claude 分解为多个岗位级 Copilot。
四、关键功能解析与技术破局
1. 从 Prompt 到 Plugin：把工作方式产品化
传统使用 AI 的方式通常是：
用户写 prompt AI 根据上下文回答 用户反复调整 AI 输出结果这种方式的问题是：每次都需要重新解释背景、流程、术语和偏好。
knowledge-work-plugins的核心突破在于，它把这些重复性上下文沉淀到插件中：
岗位知识 → skills/ 工作流程 → commands/ 工具连接 → .mcp.json 插件元信息 → plugin.json 公司偏好 → 本地配置文件或团队自定义 skill这样一来，用户不需要每次都告诉 Claude：“我们公司的销售流程是什么”“合同风险如何分类”“PRD 应该包含哪些字段”。这些信息可以被写入插件，让 Claude 在相关场景中自动调用。
项目 README 也明确提到，插件可以告诉 Claude 你希望工作如何完成、要从哪些工具和数据中提取信息、关键工作流如何处理，以及暴露哪些 slash commands。(GitHub)
2. Skills：把岗位经验写进 Claude 的工作记忆
在该项目中，skills/是非常核心的部分。它不是简单的提示词，而是对某个领域工作方法的结构化编码。
例如，Engineering Plugin 中包含：
code-review incident-response system-design tech-debt testing-strategy documentation这些 skill 会让 Claude 在代码审查、事故响应、系统设计、技术债分析、测试策略和技术文档场景中自动引用对应方法。Engineering Plugin README 显示，它支持 standup、code review、architecture decision、incident response、debugging 和 deploy checklist 等工程流程。(GitHub)
Product Management Plugin 中则包含：
feature-spec roadmap-management stakeholder-comms user-research-synthesis competitive-analysis metrics-tracking product-brainstorming这些 skill 对应产品经理常见工作，例如 PRD、路线图、利益相关方沟通、用户研究综合、竞品分析和指标复盘。(GitHub)
这说明skills/的作用是把“岗位专家的做事方法”写入 Claude，让它不再只是生成文本，而是按照岗位流程输出专业结果。
3. Slash Commands：把复杂工作流变成显式命令
除了自动触发的 skills，插件还提供显式调用的commands/。这类命令适合复杂、流程化、可重复执行的任务。
例如 Sales Plugin 提供：
/call-summary /forecast /pipeline-review分别用于电话纪要处理、销售预测和销售管道健康分析。Sales README 中说明，/forecast可以根据 CRM 导出的 CSV 或用户粘贴的 deals，生成 best / likely / worst 场景预测、commit vs. upside 分析和 gap analysis。(GitHub)
Data Plugin 提供：
/analyze /explore-data /write-query /create-viz /build-dashboard /validate这些命令覆盖数据分析的完整链路：提问、探索数据、写 SQL、创建可视化、搭建仪表盘和交付前校验。(GitHub)
Legal Plugin 提供：
/review-contract /triage-nda /vendor-check /brief /respond用于合同审查、NDA 分流、供应商协议查询、法务简报和模板化回复。(GitHub)
这种设计的好处是：把复杂任务封装成明确入口，降低用户使用成本。
4. MCP Connectors：让 Claude 连接真实企业工具
如果没有企业数据，AI 助手只能依赖用户手动复制粘贴，效率有限。
该项目通过.mcp.json配置 MCP Connectors，让 Claude 连接真实工作系统。例如：
CRM：HubSpot、Close 项目管理：Linear、Jira、Asana、ClickUp 数据仓库：Snowflake、Databricks、BigQuery 聊天工具：Slack、Teams 知识库：Notion、Confluence、Guru 设计工具：Figma 会议转录：Fireflies 文档存储：Box、Egnyte、Microsoft 365项目 README 明确指出，connectors 通过 MCP servers 将 Claude 连接到外部工具，例如 CRM、项目跟踪器、数据仓库、设计工具等。(GitHub)
这也是该项目的关键技术破局之一：
没有 MCP：Claude 只能根据用户输入工作 有 MCP：Claude 可以主动读取上下文、查询数据、生成结果、辅助执行流程例如：
销售场景：读取 CRM 管道数据，生成销售预测 产品场景：读取 Linear / Jira tickets，生成路线图更新 数据场景：连接 Snowflake，写 SQL 并运行分析 法务场景：读取 Box / Egnyte 中的合同模板和历史协议 工程场景：读取 GitHub PR diff、Jira ticket 和监控数据5. Standalone + Supercharged：兼顾轻量使用与深度集成
该项目很实用的一点是：很多插件既可以在没有任何集成的情况下工作，也可以在连接工具后增强。
例如 Sales Plugin README 中说明，命令和 skill 都可以 standalone 使用：用户可以粘贴会议记录、上传 CSV、描述 pipeline；如果连接了 CRM、email、calendar、call transcript 工具，则可以自动获取更多上下文。(GitHub)
Engineering Plugin 也有类似设计：用户可以手动粘贴代码 diff 或描述系统问题；如果连接 source control、project tracker、monitoring、incident management 和 chat，则可以自动获取 PR diff、日志、指标、告警和团队讨论。(GitHub)
这种设计降低了落地门槛：
第一阶段：手动输入，上手体验插件能力 第二阶段：连接少量工具，提高上下文质量 第三阶段：接入团队核心系统，形成真正工作流自动化6. 本地配置与团队定制：让 Claude 理解公司语境
项目 README 强调，这些插件只是通用起点，真正有价值的是根据公司实际情况定制：
替换 connectors 添加公司术语、组织结构和流程 调整 workflows 创建新的角色插件README 中明确提到，可以编辑.mcp.json指向自己的工具栈，也可以把公司术语、组织结构、流程放入 skill files，让 Claude 理解团队真实工作方式。(GitHub)
Legal Plugin 是一个非常典型的例子。它要求用户创建legal.local.md，在其中定义合同审查立场、可接受范围、升级触发条件、NDA 默认条款和模板回复。README 还特别提醒，该插件辅助法务流程但不构成法律建议，AI 生成的法律分析应由合格法律专业人员复核；默认 playbook 示例反映的是美国法律立场和管辖区，不同法律体系下必须自定义 playbook。(GitHub)
这说明 Anthropic 对企业插件的定位非常务实：插件不是替代专业判断，而是把组织知识和流程注入 Claude，提高一致性和效率。
五、典型插件解析
1. Productivity Plugin：任务管理 + 工作记忆
Productivity Plugin 面向个人效率管理，核心能力包括任务管理、工作场景记忆和可视化 dashboard。它会创建TASKS.md、CLAUDE.md、memory/目录和本地 dashboard，让 Claude 记住你的项目、同事、术语和上下文。(GitHub)
典型命令包括：
/start /update /update --comprehensive适合场景：
每日任务整理 行动项追踪 跨工具同步任务 记住团队缩写和项目上下文 减少重复解释它解决的是一个很常见的问题：Claude 不应该每次都像第一次认识你，而应该逐渐像同事一样理解你的工作环境。
2. Sales Plugin：销售全流程助手
Sales Plugin 面向销售团队，支持客户研究、电话准备、pipeline review、forecast、外联邮件和竞品情报。(GitHub)
典型工作流包括：
/call-summary：处理通话纪要，提取行动项并生成 follow-up /forecast：根据 pipeline 生成销售预测 /pipeline-review：分析销售管道健康度并生成行动计划如果连接 CRM、会议转录、联系人增强和聊天工具，它可以自动获取更丰富的信息；如果没有连接，也可以通过粘贴 notes、CSV 或手动描述来使用。
3. Data Plugin：数据分析协作者
Data Plugin 将 Claude 转化为数据分析协作者，覆盖 SQL、数据探索、可视化、仪表盘和分析验证。它可以连接 Snowflake、Databricks、BigQuery 等数据仓库，也可以处理用户上传的 CSV / Excel 文件。(GitHub)
典型命令包括：
/analyze /explore-data /write-query /create-viz /build-dashboard /validate其中/validate很有价值，它强调在分享前检查分析方法、准确性、偏差和口径问题。例如 churn 分析是否存在幸存者偏差、分母是否正确、聚合逻辑是否一致等。(GitHub)
4. Product Management Plugin：产品经理工作流
Product Management Plugin 覆盖完整 PM 工作流，包括 PRD、路线图、stakeholder update、用户研究综合、竞品分析、指标复盘和产品头脑风暴。(GitHub)
典型命令包括：
/write-spec /roadmap-update /stakeholder-update /synthesize-research /competitive-brief /metrics-review /brainstorm其中/brainstorm不是简单生成想法，而是会像产品思维伙伴一样挑战假设。例如当用户说“是否应该做 AI Search”时，它会追问用户真正的问题是否是搜索质量、信息架构，还是内容可发现性。(GitHub)
这类设计说明插件并不是“写文档机器”，而是在试图模拟岗位专家的思考过程。
5. Legal Plugin：法务工作自动化
Legal Plugin 面向企业法务团队，支持合同审查、NDA 分流、合规、供应商协议检查、法务简报和模板回复。(GitHub)
典型命令包括：
/review-contract /triage-nda /vendor-check /brief /respond它支持基于组织 playbook 的合同审查，可以标记条款偏离、生成 redline 建议，并根据风险等级分类。NDA triage 则可以将 NDA 分为 GREEN、YELLOW、RED。(GitHub)
不过需要强调：该插件 README 明确声明，它辅助法务流程，但不提供法律建议，AI 生成分析需要由持证律师复核。(GitHub)
六、使用教程
方式一：在 Claude Cowork 中安装
如果使用 Claude Cowork，可以直接从 Claude 的插件页面安装。项目 README 中给出的入口是：
claude.com/plugins安装后，插件可以根据场景自动启用相关 skills，也可以通过 slash commands 显式调用。(GitHub)
方式二：在 Claude Code 中安装插件市场
如果使用 Claude Code，先添加插件市场：
claude plugin marketplace add anthropics/knowledge-work-plugins然后安装某一个具体插件，例如 sales：
claude plugin install sales@knowledge-work-pluginsREADME 中说明，插件安装后会自动激活，相关 skills 会在合适场景触发，slash commands 也会在会话中可用，例如/sales:call-prep、/data:write-query。(GitHub)
方式三：安装具体岗位插件
不同插件的安装命令略有差异。以 README 中各插件说明为例：
claude plugins add knowledge-work-plugins/sales claude plugins add knowledge-work-plugins/data claude plugins add knowledge-work-plugins/product-management claude plugins add knowledge-work-plugins/legal claude plugins add knowledge-work-plugins/engineering claude plugins add knowledge-work-plugins/productivity安装后，可以根据岗位场景使用对应命令。
例如销售场景：
/call-summary /forecast /pipeline-review数据分析场景：
/write-query /explore-data /build-dashboard /validate产品管理场景：
/write-spec /synthesize-research /metrics-review /brainstorm工程场景：
/standup /review /debug /architecture /incident /deploy-checklist方式四：配置 MCP 连接器
插件真正强大的地方在于连接外部工具。你可以通过.mcp.json配置 MCP servers，让 Claude 访问你的企业系统。
例如：
sales：连接 HubSpot、Close、Clay、ZoomInfo、Fireflies data：连接 Snowflake、Databricks、BigQuery、Hex、Jupyter product-management：连接 Linear、Jira、Figma、Amplitude、Pendo legal：连接 Box、Egnyte、Microsoft 365、Jira engineering：连接 GitHub、GitLab、Datadog、PagerDuty、Slack、Confluence项目 README 说明，connectors 会通过 MCP servers 将 Claude 接入角色依赖的工具。(GitHub)
方式五：定制公司上下文
插件安装后，建议进一步加入公司自己的上下文。典型定制方式包括：
1. 修改 .mcp.json，指向公司实际工具； 2. 在 skills 中加入公司术语、业务流程、审批规则； 3. 在本地配置文件中加入个人角色、团队、指标、产品信息； 4. 为法务、财务、销售等高约束岗位配置 playbook； 5. 根据团队习惯新增 commands。例如 Engineering Plugin 支持在engineering/.claude/settings.local.json中配置个人和团队信息：
{ "name": "Your Name", "title": "Software Engineer", "team": "Your Team", "company": "Your Company", "techStack": ["Python", "TypeScript", "PostgreSQL", "AWS"], "defaultBranch": "main", "deployProcess": "canary" }Engineering README 说明，如果未配置，插件会交互式询问相关信息。(GitHub)
Legal Plugin 则建议创建legal.local.md，配置合同审查立场、可接受范围和升级触发条件。(GitHub)
七、项目优势与局限
优势
第一，覆盖岗位广。项目覆盖销售、产品、数据、法务、财务、客服、营销、工程、人力、企业搜索、生物研究等多个知识工作场景。(GitHub)
第二，结构清晰。每个插件都采用plugin.json + .mcp.json + commands + skills的统一结构，便于理解、复制和定制。(GitHub)
第三，低代码甚至无代码。项目 README 明确说明，组件都是 Markdown 和 JSON 文件，不需要代码、不需要基础设施、不需要构建步骤。(GitHub)
第四，支持 MCP 生态。通过 MCP servers，Claude 可以连接 CRM、数据仓库、项目管理、知识库、设计工具、文档存储等真实企业系统。(GitHub)
第五，既能独立使用，也能深度集成。多个插件都支持 standalone 模式，也支持连接工具后的 supercharged 模式。(GitHub)
局限
第一，目前没有正式 GitHub Release。项目处于快速迭代状态，更适合关注主分支和提交记录。(GitHub)
第二，真正落地需要定制。通用插件只是起点，企业要获得高质量效果，必须加入自己的流程、术语、权限边界和工具连接。(GitHub)
第三，连接企业系统涉及权限和安全。MCP 能力越强，越需要控制 Claude 可以访问哪些数据、执行哪些操作、是否需要人工确认。
第四，高风险岗位不能完全依赖 AI。法务插件就明确提醒，AI 生成分析不能替代法律建议，必须由合格法律专业人员复核。(GitHub)
八、总结
anthropics/knowledge-work-plugins是 Anthropic 面向企业知识工作场景开源的一组 Claude 插件。它的价值并不只是“多了一批 prompt 模板”，而是提出了一种更系统的 AI 工作流组织方式：
岗位知识 → Skills 标准流程 → Slash Commands 企业工具 → MCP Connectors 公司语境 → 本地配置与自定义 playbook 团队复用 → 文件化插件仓库与普通 AI 聊天相比，它更接近一种岗位级 AI Agent 操作系统。销售、产品、数据、法务、工程等不同岗位都可以拥有自己的 Claude 工作流，并通过 MCP 接入真实工具系统。
如果说早期 AI 办公的核心是“让模型回答问题”，那么这类插件的核心就是：
让 Claude 按照团队的真实流程，连接真实数据，完成真实工作。对于希望在企业内部落地 Claude、Claude Code 或 Claude Cowork 的团队来说，这个项目非常值得关注。它提供的不只是现成插件，更是一套可复制的插件设计范式。
九、互动话题
你认为企业最应该优先落地哪类 Claude 插件？
A. Productivity：任务管理、工作记忆、个人效率 B. Sales：客户研究、销售预测、跟进邮件 C. Product Management：PRD、路线图、用户研究 D. Data：SQL、可视化、数据分析验证 E. Legal：合同审查、NDA 分流、合规流程 F. Engineering：代码审查、事故响应、架构决策 G. Customer Support：工单分流、回复草稿、知识库沉淀 H. Enterprise Search：跨系统搜索企业知识 I. Finance：对账、财报、审计支持 J. 自定义插件：面向公司内部专有流程欢迎在评论区讨论：
你更希望 AI 成为“通用聊天助手”，还是成为真正理解岗位、流程和企业工具的“专业工作伙伴”？
