Windows 版的 Claude Cowork 终于来了，居然支持 Gemini

花花

Windows 上终于等来了类 Claude Cowork 这样的产品。

AI 领域这两年好东西井喷，但桌面应用几乎全是 Mac 优先。Claude Cowork 一出来惊艳全场，结果一看，只支持 Mac。

各种新锐工具也是，Mac 先行，Windows 用户只能干看着。

但实际工作中，特别是低线城市、非互联网公司，大部分人还是在用 Windows 电脑。这批用户的需求一直被忽略。

今天，我看到昆仑天工的 Skywork 出了一个桌面版，直接对标 Claude Cowork，最主要的是原生支持 Windows。赶紧把这消息转到了高中同学群。

Claude Cowork 大家或多或少都听过了。但今天这篇文章我不想测什么生成 PPT、写文章这种老掉牙的功能，说实话，这些事有没有桌面 Agent 都差不多能干。

我想测一个真实工作中会遇到的、真正繁琐的问题。比如招聘。

我们公司最近想补一个工程师，网上发了帖、朋友也帮忙推荐，一天之内收到了 16 份简历。

格式混杂：8 份 PDF，5 份 Word，3 张图片。文件名也乱七八糟，有的叫“最终版”，有的是手机自动生成的一串编号。

以前怎么处理？人工一份一份打开，看完记下来，再手动整理。光是搞清楚这人到底几年经验就得翻来翻去算半天。

现在我想试试，把整个文件夹直接丢给 Skywork 桌面版，看它能不能一条龙搞定。

#01

第一阶段：统一命名，让文件夹先干净起来

我的要求是：根据简历内容，按“姓名_工作年限”的格式重命名所有文件。

这里有个细节——工作年限怎么算？简历上写的时间段经常有“至今”，有的还有重叠（比如同时在两家公司兼职），不能简单相加。

我让它自动换算当前时间、合并重叠区间，算出真实的总年限。

大概的过程是它会先识别指定目录内的简历文件。接下来构建核心逻辑，编写 Python 脚本，从简历文件中提取相关数据，去重命名文件。

下面这是我重命名之前的效果，乱糟糟的。

这是AI 重新命名后的效果：

#02

第二阶段：结构化入库，生成 Excel 数据库

光改名字还不够。我需要把所有人的关键信息拉到一张表里，方便筛选和比较。

让 Skywork 创建一份 Excel，字段包括：姓名、学校、学历、是否 985/211、是否全日制本科、总工作年限、上一家公司、上一家职位、起止时间、工作时长……

16 份格式各异的简历，变成了一张结构化的候选人数据库。可以排序、可以筛选。

整体的数据表格有了，我为了方便单独类比某一项，我就让它分析这个 Excel 表格，然后给表格中的字段分别加上合适的图表。

之后它就会读取数据，根据数据类型选择适合的图表，最后做成可视化图表。

这个效果图是不是还挺好看的？一次生成。我看了一下执行过程。它用了对应的 Skill。

多说一句，Skywork内置了 100 多个官方精选的 Skill，涵盖 Office 三件套生成、网页生成、图片生成、视频生成这些类型。

Skill 本质上就是 workflow，配合模型能力这些 Skill 可以让 AI 的产出质量更高。

#03

第三阶段：结合 JD 做匹配打分

这是我最想看的环节。

我把岗位描述扔给它：3–5 年后端开发经验，熟悉 Python 或 Go，参与过中大型系统设计，有 ToB 项目经验优先。

Skywork 在已经结构化的数据基础上，加上对之前上传的简历全文做语义分析：年限是否符合区间、技术栈是否匹配、项目规模够不够、有没有 ToB 场景经验。

然后为每位候选人生成一个 0–100 的匹配评分，附上简要说明：

张三 87 分：经验符合，技术栈匹配，有系统改造经历

李四 71 分：技术栈符合，但项目规模偏小

赵六 58 分：年限略短，无 ToB 经验

最终输出三样东西：标准化 Excel 数据库、每位候选人的匹配评分、按匹配度排序的推荐列表。

标准化 Excel 数据库：

每位候选人的匹配评分：

按匹配度排序的推荐列表：

这种体验真的让我意识到，2026 年可能是一个重要的拐点。

刚才那个简历筛选的例子，说实话根本不是什么精心设计的 demo，就是很多人每天都在经历的真实工作。

但现在，这些事情真的可以交给 AI 来跑了。

我不需要学 Excel 的各种函数，不需要一份一份打开文件做记录，甚至不需要自己算工作年限，把文件夹丢进去，告诉它我要什么，等结果就行。

你的工作中一定也有类似的场景。

一个新的工作方式正在成型。早点上车，早点受益。