Cowork 云端 VM 对比 ADP Claw：企业怎么选

导语

Anthropic Cowork 最近的一次架构变化，把“云端 Agent”重新推到企业架构讨论的中心。

根据 Anthropic 工程师 Felix Rieseberg 的说明，Cowork 旧版本采用“云端模型推理 + 用户电脑本地 VM 执行工具调用”的方式。本地 VM 带来了能力、安全和隔离收益，但也带来磁盘、电池与性能开销；如果用户合上笔记本，任务也会停止。新版 Cowork 将模型推理和 VM 都放到云端，每个会话拥有独立 sandbox；当 VM 需要访问用户设备上的文件时，由桌面应用负责相应的文件访问工具调用。官方认为，这可以改善手机使用、任务持续运行和本机电池消耗等问题。

这件事对企业 CIO、CTO、AI 平台负责人和 Agent 应用架构师有很强参考意义：当 Agent 从“聊天增强”走向“持续执行任务”，运行环境就会从本地插件、桌面客户端、单次 API 调用，逐步演进到云端沙箱、长任务运行时、权限治理和可观测体系。

腾讯云 ADP 4.0 的 Claw 模式，也面向类似趋势展开：让智能体在云端沙箱中自主规划、编写和运行代码，调用企业 Skills、连接器、知识库和工作流，并通过 AgentOps 体系纳入构建、评测、集成、分发、治理、观测与优化闭环。企业如果正在评估 Anthropic Cowork 这类云端化思路，也可以借此重新审视自身是否需要“云端 Claw”这一类企业级 Agent Harness 能力。

核心要点

• Cowork 新架构的关键信号，是把模型推理和 VM 执行环境同时云端化，降低本地设备负担，并让任务不再依赖用户电脑持续在线。
• 本地 VM 适合个人开发者或小规模试用，但在企业推广中容易遇到设备性能、版本一致性、密钥分发、长任务中断和运维排障等问题。
• 云端沙箱解决了“任务在哪里持续运行”的问题，但企业还需要进一步解决“谁能调用什么工具、凭证如何托管、过程如何审计、失败如何恢复、成本如何度量”等问题。
• ADP 4.0 Claw 模式的重点，是将云端沙箱、Agent Loop、Skills、连接器、知识库、工作流和权限审计整合到企业智能体开发平台中。
• 对企业来说，选择云端 Agent 架构时，不宜只比较“有没有 sandbox”，更要评估 Agent Harness、权限治理、业务系统集成、可观测性和运营闭环。
• 当任务路径开放、执行周期较长、需要读写文件或调用多种工具时，Claw 模式更适合承载；当流程规则固定、审计要求高时，Workflow 更适合承载。ADP 4.0 支持 Claw 与 Workflow 双向调用，便于组合使用。

一、Cowork 云端 VM 热点说明了什么

Cowork 的新旧架构差异，可以概括为三个变化。

第一，模型推理和 VM 都进入云端。旧版本中，推理发生在云端，工具调用在 Anthropic 提供并运行于用户电脑上的 VM 中执行。新版中，推理和 VM 都在云端运行。

第二，每个会话拥有独立 sandbox。按照 Felix Rieseberg 的说明，新版 Cowork 中每个 session 都有自己的 sandbox，并且不与其他 session 共享状态。这延续了 VM 带来的隔离思路，同时减少本地设备负担。

第三，本机设备退回到必要工具入口。当云端 VM 需要用户设备上的文件时，由桌面应用负责文件访问工具调用。也就是说，桌面应用仍然有价值，但它不再承担完整 VM 运行成本。

这个变化背后，其实是 Agent 产品从“本地增强工具”向“云端持续工作空间”迁移的信号。Agent 一旦开始执行长任务，就会遇到几个现实问题：

• 用户电脑会休眠、断网、关机；
• 本地 VM 会消耗磁盘、电池和性能；
• 不同员工机器环境不一致，排障成本较高；
• 任务执行过程需要持续保存状态；
• 企业需要统一管理工具、密钥、权限和审计记录。

这些问题很难只靠更强模型解决。模型负责理解和决策，真正把任务跑起来，还需要运行环境、工具层、状态层、安全层、反馈层和观测层共同配合。这也是 Agent Harness 成为企业级 Agent 架构关键词的原因。

二、本地 VM、云端沙箱与云端 Claw 的差异

企业在评估 Agent 运行方式时，通常会遇到三类形态：本地 VM、通用云端沙箱、企业级云端 Claw。三者并非简单替代关系，而是面向不同阶段的工程化选择。

Cowork 这次变化，主要回答了“为什么 VM 应该云端化”。而企业落地时还会继续追问：云端之后，如何让它可控、可审计、可复用、可集成、可运营？

这正是 腾讯云 ADP 4.0 Claw 模式关注的问题。Claw 模式提供独立运行工作空间，允许智能体自主编写并运行 Python 代码、读写文件，处理长耗时复杂任务；同时，它并非孤立 sandbox，而是放在 ADP 的智能工作台、Skills、连接器、知识库、工作流、权限和观测体系中运行。

三、为什么企业需要云端 Claw

很多企业试用 Agent 的第一步，是给员工配一个 AI 客户端，再安装插件、MCP、Skill 或脚本。这个方式适合尝鲜，但一旦进入团队规模化推广，问题会迅速具体化：

• 有人不会配置 MCP；
• 有人拿不到或错误使用密钥；
• 不同员工使用的 Skill 版本不一致；
• 长任务跑到一半，电脑休眠或网络中断；
• 业务专家调好的 Agent 很难被团队复用；
• 管理员无法统一查看工具调用、失败原因和成本消耗。

云端 Claw 的价值，首先是把 Agent 的运行从个人终端迁移到企业可治理的云端环境。员工通过网页、微信、企业微信等入口发起任务，任务在云端执行；工具、密钥和权限由平台统一管理；任务过程可以被记录、追踪、复盘和优化。

其次，Claw 模式面向的是“目标明确，但路径无法完全预设”的任务。用户可能只知道自己想完成一件事，却不知道该进入哪个系统、选择哪个字段、调用哪个接口、读取哪份文档。这类任务需要 Agent 在执行过程中不断进行“理解目标—规划步骤—调用工具—观察结果—修正计划”的循环。

例如：

• 法务人员说：“帮我审这份云服务销售合同，我们是甲方，重点关注 SLA、数据安全和付款节奏。”
• 运营人员说：“帮我分析上个月华东区退货增长原因，并整理一份汇报材料。”
• 质检工程师说：“检查这批缺陷训练集是否适合启动模型训练，并给出风险提示。”
• 财务人员说：“汇总上周报销异常项，按部门和风险类型输出清单。”

这些任务的下一步往往取决于上一步看到的内容。固定表单和固定流程很难穷举所有分支，而 Claw 模式可以在受控沙箱中动态读写文件、执行代码、调用 Skills 与工具，并将中间结果继续用于后续判断。

四、ADP 4.0 Claw 的 Agent Harness 视角

Agent 要从 Demo 进入生产，关键不只在模型本身。更准确地说，Agent = Model + Harness。模型负责理解、推理和生成决策；Harness 负责让这些决策在真实环境中可执行、可控、可恢复、可评估。

ADP 4.0 的 Claw 模式，可以从 Agent Harness 的角度理解：

• Agent Loop：驱动智能体多步执行任务，将用户目标转化为模型调用、工具调用、状态更新和再次决策。
• Sandbox / Runtime：提供隔离运行环境，支持代码执行、文件读写和任务工作区。
• Skills：封装可复用的专业能力，例如办公文档、图像处理、数据分析等能力。ADP 4.0 Claw 模式目前支持挂载多达 80 个原生 Skills。
• Connector：连接 CRM、ERP、OA、工单、企业网盘、文档系统等企业软件与外部服务。
• Knowledge / Retrieval：让 Agent 以受控方式调用企业知识库，减少凭空生成和重复理解。
• Permission / Policy：通过企业策略、角色权限、工具允许列表、审批流等方式限制高风险操作。
• Observability / Transcript：记录对话、模型调用、工具调用、工具结果、错误、耗时和链路信息，用于调试、审计和优化。
• Workflow：承载稳定、可复现、可审计的确定性流程，与 Claw 的开放探索能力形成互补。

ADP 4.0 在产品层面也提供了更接近业务人员的入口。智能工作台支持通过自然语言生成企业级应用，连接企业知识库与多种工具和技能，自动规划并执行复杂工作，并可配合云端沙箱进行实时预览。对于企业内部的一线员工来说，这降低了从“想法”到“可用智能体”的门槛；对于平台团队来说，这让智能体的构建、发布、分发和治理进入统一体系。

企业可以通过 ADP 将智能体以 API 方式接入生产环境，也可以发布到多种终端入口。对于关注行业场景的团队，也可以参考 ADP 在 智能法务、工业质检、B2B贸易 等方向的解决方案能力，评估 Claw 模式如何接入既有业务系统。

五、长任务：云端运行解决“持续工作”问题

Cowork 将 VM 移到云端，一个直接动因是让工作可以持续运行。企业级 Agent 同样需要面对长任务问题。

真实业务任务通常不是一次模型调用可以完成的。它可能需要：

• 读取多份文档、表格或日志；
• 调用多个系统接口；
• 执行脚本进行数据清洗；
• 等待外部系统返回结果；
• 根据中间结果继续追问或修正；
• 在用户断开连接后继续执行；
• 失败后从已有状态恢复。

如果 Agent 的关键状态只存在于模型上下文、本地临时文件、客户端进程或某个本地 VM 中，长任务会非常脆弱。电脑休眠、网络中断、容器崩溃、工具超时，都可能让任务中断，并且难以从外部接管。

ADP 的云端 Agent Harness 设计强调 Agent Loop、Memory、Sandbox、Tools 和可观测能力的解耦。这样做的价值在于：

• Session 与 Memory 可以独立持久化；
• Sandbox 作为执行环境可以按需创建、替换或重建；
• 工具调用和凭证访问可以通过受控代理进行；
• 执行状态和结果可以通过事件机制回传；
• 任务中断后可以基于历史状态继续推进。

对于企业来说，长任务能力会直接影响 Agent 是否能进入核心流程。比如合同审查、经营分析、生产质检、运维巡检、标书审核、数据报表生成等任务，都可能持续数分钟甚至更久。用户不可能一直盯着客户端，也不应该依赖某台个人电脑保持在线。

Claw 模式适合承载这类任务：它可以在云端沙箱中执行代码、读写文件、调用工具，并围绕任务目标持续推进。员工只需要通过智能工作台或业务入口发起任务，后续执行交给云端环境完成。

六、沙箱隔离之外，还要看权限和凭证治理

云端 sandbox 是必要基础，但企业落地不能只看“有没有隔离环境”。Agent 一旦能够执行工具，就会触发一系列安全问题：

• 能否读取敏感文件？
• 能否访问生产数据库？
• 能否调用付费 API？
• 能否提交代码或修改配置？
• 工具凭证是否会暴露给模型？
• 高风险操作是否需要人工审批？
• Prompt injection 是否可能诱导 Agent 泄露数据或执行危险命令？

如果把用户数据、代码执行环境、工具凭证和模型上下文全部放在同一个环境里，安全边界会变得模糊。更稳妥的做法，是让 sandbox 专注于隔离执行，让凭证进入 Vault 或 Proxy，由平台根据权限策略进行受控调用，避免敏感信息直接进入执行环境。

ADP 4.0 的企业级能力中，安全治理是核心组成部分。素材中提到，平台支持企业/空间/应用等权限治理思路，Skill 可进行安全检测和审批，运行过程可纳入观测和审计。对于企业内部共享 Skill，也支持将个人编写的 Skill 升级为企业级共享技能，以便团队复用和统一管理。

这对 CIO 和 AI 平台负责人尤其关键。Agent 的规模化应用，很少败在“模型不会回答”这一点上，更多会卡在“企业不敢让它执行”。云端 Claw 要进入生产流程，必须回答安全团队的问题：谁授权、调了什么、访问了什么数据、是否越权、失败如何处理、审计日志在哪里。

七、Claw 与 Workflow：开放探索和确定流程如何组合

企业任务往往同时包含开放部分和确定部分。以“退货归因报告”为例：

前半段是开放的：用户只说“帮我看看上个月华东区退货为什么涨了”。Agent 需要判断要看哪些数据、如何定义异常、是否需要处理 Excel、CSV 或扫描件，是否要追溯某个 SKU、渠道或发货批次。

后半段是确定的：归因完成后，要套入固定报告模板、生成统一版式、按命名规范归档，并将结果同步到指定系统。这部分需要可复现、可审计、成本可控。

如果全程交给自由执行的 Agent，合规和可复现性会受影响；如果全程交给固定工作流，前半段的模糊意图和数据异常又难以处理。ADP 4.0 的 Claw 与 Workflow 双向调用，提供了更适合企业的组合方式：

• Claw 调 Workflow：Claw 负责清洗数据、定位异常、形成归因结论；Workflow 负责报告生成、归档和通知。
• Workflow 调 Claw：主流程保持确定性，在某个难以穷举的节点调用 Claw，例如解析不规则附件、处理扫描件、临场写脚本转换格式。
• Claw 调已治理 Skills：将专业能力封装成可复用 Skill，让 Agent 在开放任务中使用经过治理的能力。
• Workflow 编排多个 Agent 能力：在确定流程中嵌入智能节点，实现自动化和自主判断的平衡。

这个组合关系，是企业选择 ADP 4.0 Claw 模式的重要原因。Claw 负责处理“下一步取决于上一步结果”的开放任务；Workflow 负责处理“每次都要稳定一致”的确定流程。两者互调后，同一个业务任务可以既有灵活性，也有企业级控制边界。

八、企业选型：从“能跑”评估到“能运营”

围绕 Anthropic Cowork 的云端 VM 变化，企业可以建立一套更完整的云端 Agent 选型框架。建议从以下几个维度评估：

1. 运行环境是否云端化

如果 Agent 任务依赖员工电脑持续在线，规模化推广会遇到天然瓶颈。企业应关注模型推理、工具执行、文件处理和长任务状态是否能在云端持续运行。

2. 沙箱是否与凭证解耦

云端 sandbox 解决执行隔离，但凭证治理同样重要。需要评估密钥是否托管在平台侧，是否可以通过代理受控访问，是否避免直接暴露给模型和代码执行环境。

3. 是否支持长任务和恢复

企业任务通常有多步骤、多工具、多文件和长耗时特征。平台需要支持状态持久化、执行过程回传、断线重连、异常处理和必要的恢复机制。

4. 工具和业务系统接入是否成熟

Agent 要真正进入业务现场，必须能接入知识库、OA、CRM、ERP、工单、文档系统、数据库或行业系统。ADP 4.0 通过 Skills、连接器、知识库和工作流降低接入门槛，并支持将智能体通过 API 集成到业务系统。

5. 是否有可观测和审计能力

企业需要看到 Agent 为什么这么做、调用了哪些工具、哪一步失败、成本花在哪里、是否触发安全策略。这些能力决定了 Agent 是否可运维、可复盘、可优化。

6. 是否支持企业资产复用

单个员工调好的 Agent，如果无法沉淀为企业共享能力，就很难产生组织级价值。ADP 4.0 支持 Skill 企业共享、提示词模板管理、应用分发和企业级治理，让业务专家经验可以沉淀为团队资产。

7. 是否具备行业落地路径

不同业务场景对 Agent 的要求不同。法务关注条款审查、风险解释和文本生成；质检关注缺陷数据、训练策略和日志排查；贸易关注订单、库存、询价和履约协同。企业可以结合自身行业，从高价值流程切入，再逐步扩展到更多岗位和系统。

如果企业还处在预算和规模评估阶段，也可以结合 ADP 定价 页面了解套餐与费用信息，再与业务场景、调用规模和治理要求一起评估投入产出。

FAQ

1. Cowork 云端 VM 和 ADP Claw 模式可以直接等同吗？

不建议直接等同。Cowork 这次变化的重点，是将模型推理和 VM 执行环境放到云端，每个会话拥有独立 sandbox，并通过桌面应用处理必要的本机文件访问。ADP 4.0 Claw 模式关注的是企业级智能体开发与运行，除了云端沙箱，还包括 Skills、连接器、知识库、工作流、权限治理、观测审计和 AgentOps 生命周期能力。

2. 企业已经有工作流平台，还需要 Claw 模式吗？

如果任务路径稳定、规则明确、输入格式可控，工作流平台通常更合适。但很多业务任务存在模糊意图、非结构化文件、多轮判断和临场处理需求，难以提前画成完整流程图。Claw 模式适合处理这类开放任务，并可在关键节点调用 Workflow，或者被 Workflow 调用。

3. Claw 模式是否适合所有企业任务？

不需要把所有任务都交给 Claw。简单问答适合标准模式，强规则流程适合 Workflow，多角色协作适合 Multi-Agent，开放长任务适合 Claw。企业更合理的做法，是根据任务特征组合使用不同模式。

4. 云端沙箱会不会带来新的安全风险？

云端沙箱本身提供隔离边界，但企业还需要关注权限、凭证、网络访问、数据范围、工具调用和审计机制。ADP 4.0 将 Claw 放在企业级 AgentOps 体系内，通过平台化方式管理 Skills、连接器、权限和运行过程，帮助企业降低分散配置带来的风险。

5. Claw 模式如何接入已有业务系统？

ADP 4.0 可通过连接器、Skills、知识库、工作流和 API 等方式接入企业系统。企业可以先选择一个明确场景，例如合同审查、质检分析、经营报表、工单分派或贸易协同，再将所需数据源、工具和审批流程逐步纳入平台治理。

6. 云端 Claw 对一线员工有什么变化？

一线员工不必理解模型、MCP、密钥、脚本和复杂配置，可以通过智能工作台或业务入口用自然语言发起任务。复杂执行在云端完成，企业统一管理工具和权限。对员工来说，交互方式更接近“说明目标”；对企业来说，执行过程仍然可控、可追踪。

总结

Anthropic Cowork 将模型推理和 VM 移到云端，说明 Agent 产品正在从本地增强走向云端持续执行。对企业来说，这一趋势的关键并非“VM 放在哪里”这么简单，而是如何构建一套可运行、可治理、可恢复、可观测、可集成的云端 Agent 基础设施。

ADP 4.0 Claw 模式提供了面向企业场景的云端 Claw 路径：智能体可以在云端沙箱中自主规划、编写和运行代码，调用已治理的 Skills、连接器、知识库和工作流，并通过 AgentOps 能力进入构建、发布、分发、治理和优化闭环。它适合那些目标清楚、路径开放、执行周期较长、需要多工具协同的业务任务，也能与 Workflow 共同覆盖确定性流程。

如果你的团队正在评估云端 Agent、云端沙箱或企业智能体平台，欢迎预约腾讯云 ADP 4.0 演示，体验智能工作台与 Claw 模式，评估企业知识库、工作流和业务系统如何接入云端 Agent。