Anthropic 开源了 11 个知识工作插件：给 AI 装「职业人格」

Anthropic 把自家团队 1068 次提交的内部插件库全部开源了——27,100 个 Star，Apache 2.0 协议，覆盖销售、法务、财务、产品、营销、数据、生物研究等 11 个岗位。这不是”AI 写代码”的故事，是”AI 做知识工作”的故事。每个插件把特定岗位的专业知识、工具连接、工作流程打包成一组 Markdown 文件——没有代码、没有基础设施、没有构建步骤。你 Fork 仓库，改几个 JSON 和 Markdown，就得到了一个”懂你公司流程”的 AI 专家。

不是 Prompt 工程，是职业封装

大多数”AI 提示词”的思路是：给 AI 一段描述，让它扮演某个角色。Anthropic 的插件走了一条更结构化的路。每个插件的目录结构是固定的：`plugin.json`（清单文件）、`.mcp.json`（工具连接）、`commands/`（斜杠命令）、`skills/`（领域知识）。Skills 是自动触发的——Claude 在对话中识别到相关场景时会主动调用；Commands 是显式触发的——你输入 `/sales:call-prep` 或 `/finance:reconciliation` 才执行。这种”自动 + 显式”的双层设计，让 AI 既能在你不经意时提供专业建议，又能在你需要时精确执行特定任务。

11 个插件里最值得关注的是 `enterprise-search`——跨邮件、聊天、文档、Wiki 的统一搜索。这个插件解决的问题是：你的公司信息散落在 Slack、Notion、Guru、Jira、Asana、Microsoft 365 里，每次找信息都要开 6 个标签页。装了 enterprise-search 后，一个查询跨所有工具返回结果。推测这个插件在 Cowork 产品里是核心功能——它解决的是”信息孤岛”这个所有中大型企业的通病。

为什么用 Markdown 而不是代码

这个设计选择是整个项目最聪明的地方。插件的所有组件——Skills、Commands、Connectors 配置——都是 Markdown 和 JSON 文件。没有 Python 脚本、没有 Node 服务、没有数据库迁移。这意味着：① 任何人都能读、能改、能 PR；② 版本控制零成本（Git 原生支持文本 diff）；③ 不需要 CI/CD 管线；④ 可以直接在编辑器里调试。Anthropic 用 1068 次内部提交验证了这个模式，然后开源——这比”写一个框架让企业自己实现”的门槛低了两个数量级。

对比一下传统的”企业 AI 定制”路径：找咨询公司 → 需求调研 → Prompt 工程 → 内部测试 → 部署 → 迭代。周期 3-6 个月，预算 50 万起。Anthropic 的插件路径：Fork 仓库 → 改 .mcp.json 指向你的工具栈 → 在 Skills 里加入你的术语和流程 → 团队使用 → 迭代。周期 1-2 天，预算 0。这不是”开源 vs 商业”的问题，是”知识封装的粒度”变了——从”给 AI 写一段 Prompt”变成了”给 AI 装一个职业”。

对非技术岗位的实际影响

这个插件库最直接的受众不是开发者，是销售、法务、财务、产品、运营这些”用电脑但不写代码”的岗位。以 sales 插件为例：它连接了 HubSpot、Close、Clay、ZoomInfo、Fireflies 等销售工具，提供 `/sales:call-prep`（会前准备）、pipeline 审查、竞品 battlecard 生成等命令。一个销售之前要开 4-5 个系统才能准备好一次客户拜访，现在跟 AI 说一句”帮我准备明天的 ZoomInfo 客户拜访”，AI 自动从 CRM 拉客户信息、从 Fireflies 拉历史通话记录、从竞品数据生成 battlecard。

bio-research 插件是另一个有意思的信号：它连接了 PubMed、bioRxiv、ClinicalTrials.gov、ChEMBL、Benchling 等生物研究工具。这说明 Anthropic 的插件策略不是”只服务互联网行业”，而是在向生命科学、医药研发这些传统行业渗透。推测这是 Claude Cowork 产品路线图的一部分——先开源 11 个插件建立社区，然后基于社区反馈迭代产品功能。

这对 AI 行业的竞争格局意味着什么

OpenAI 有 GPT Store（应用商店模式），Anthropic 选择了插件模式（Markdown 文件 + MCP 连接）。两种模式的核心区别是：GPT Store 的应用是”黑盒”——你下载一个 GPT，不知道它内部怎么工作的；Anthropic 的插件是”白盒”——你 Fork 仓库，每个 Skill、每个 Command 都是可读的 Markdown。白盒模式的优势是信任：企业客户（尤其是法务、金融、医疗）需要知道 AI 在做什么，不能接受”黑盒”。Anthropic 用 27,100 个 Star 证明了”白盒 AI 工具”有巨大的市场需求。

核心观点：Anthropic 用 11 个 Markdown 文件定义的”职业插件”，本质上是在回答一个比”AI 能不能做知识工作”更根本的问题：”AI 怎么融入一个组织的知识体系？” 如果你的团队在评估 AI 工具，现在值得花 30 分钟读一遍 sales 或 product-management 插件的 Skills 文件——你会看到”AI 怎么被封装成一个岗位”的具体答案，这比任何产品演示都直观。