Anthropic公司周一宣布,Claude现在可以直接在聊天界面中与Figma、Asana和Slack等热门办公生产力应用程序进行交互,用户无需在不同标签页间切换工作。
这一功能在Claude Cowork研究预览版发布两周后推出。Claude Cowork是一项旨在为非编程任务提供Claude Code智能体能力的功能。这一消息强调了Anthropic越来越明确的目标:让Claude成为用户工作生活的主要交互界面。
Anthropic长期以来一直在投资扩展Claude的技术覆盖范围。今年7月,该公司推出了第三方应用连接器目录,包括Stripe和Canva等应用,目标是将Claude"从有用的助手转变为知情的AI协作者,为您提供更相关的响应,并能在您的工具中直接与您协作"。连接器使聊天机器人能够在收到提示时直接从这些应用中提取数据,而不需要在外部应用和Claude之间复制粘贴信息。
周一的消息将这一基本理念进一步推进,赋予Claude在Claude聊天界面内与办公生产力应用进行交互的能力,就像在这些应用本身中操作一样。
例如,您可以要求Claude为特定项目在Asana中创建一个看板,它能够从您团队的账户中提取数据,了解应该包含哪些数据以及相关时间线。关键是,它会向您展示在Asana中完成产品的预览效果,您可以手动编辑或启动。
根据博客文章,Claude现在可以直接与Amplitude、Asana、Box、Canva、Clay、Figma、Hex、monday.com和Slack等应用交互。Salesforce也将很快添加到这个列表中。
基于Anthropic开源的模型上下文协议构建,这一新功能可能使Claude更接近成为许多企业的数字基石。
与此同时,Anthropic的竞争对手也渴望在AI时代成为传统在线搜索时代的Google:不仅仅是众多产品中的一个,而是大多数人与互联网互动的主要门户。例如,OpenAI和Perplexity最近都推出了自己的AI驱动的网络浏览器。
这项新功能现在可在网页和桌面端为Pro、Max、Team和Enterprise订阅用户使用。只需访问claude.ai/directory并选择标记为"interactive"的应用程序。
Anthropic在周一的公告中补充说,Claude Cowork研究预览版现在可以在网页和桌面端为Team和Enterprise订阅用户使用(最初仅通过Pro和Max计划提供)。
Q&A
Q1:Claude现在可以与哪些办公应用直接集成?
A:Claude现在可以直接与Amplitude、Asana、Box、Canva、Clay、Figma、Hex、monday.com和Slack等应用交互。Salesforce也将很快添加到这个列表中。用户可以在Claude聊天界面内直接操作这些应用,无需在不同标签页间切换。
Q2:Claude的应用集成功能是如何工作的?
A:Claude可以在聊天界面内与办公应用进行交互,就像在这些应用本身中操作一样。例如,您可以要求Claude在Asana中创建项目看板,它会从团队账户中提取相关数据和时间线,并展示完成产品的预览效果,用户可以手动编辑或启动。
Q3:如何使用Claude的应用集成功能?
A:这项功能现在可在网页和桌面端为Pro、Max、Team和Enterprise订阅用户使用。用户只需访问claude.ai/directory并选择标记为"interactive"的应用程序即可开始使用。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。