Anthropic просуває Claude Cowork як настільний додаток, що перетворює мовну модель з чат-бота на повноцінну систему продуктивності на комп’ютері. У відеоогляді автор каналу Jeff Su показує, як саме це працює на практиці: від перших налаштувань і «страхувальних» інструкцій до складних сценаріїв з десятками файлів, великими PDF і інтеграціями з Notion. На основі цього розбору можна побачити, що Cowork — це не просто «ще один інтерфейс до Claude», а інструмент, який вимагає іншого підходу до безпеки, організації файлів і побудови робочих процесів.
Налаштування, які рятують файли: окремі інструкції для Cowork і «страхувальні» рейки
Перший принцип роботи з Claude Cowork — розділити загальні налаштування моделі та специфічну поведінку саме для файлових операцій. У десктопному застосунку є окрема вкладка налаштувань Cowork, де користувач може додати інструкції, що діють тільки в цьому режимі. Це критично важливо, адже Cowork має доступ до локальних файлів і вміє їх створювати, змінювати та переміщувати.
Jeff Su пропонує готовий «starter pack» інструкцій для Cowork, які працюють як запобіжники. Вони обмежують те, наскільки агресивно система може створювати, редагувати чи рухати файли, і змушують її поводитися обережно, особливо на початку.
Одна з ключових інструкцій безпеки звучить по суті так: перед видаленням, перезаписом або перейменуванням будь-якого існуючого файлу Cowork має показати, що саме планує змінити, і дочекатися явного підтвердження користувача. Це просте правило суттєво знижує ризик випадкової втрати даних. Замість того, щоб «безшумно» перезаписати документ або видалити стару версію, система спершу виносить план дій на екран, а користувач вирішує, чи дозволяти ці кроки.
Такі інструкції працюють як «допоміжні коліщатка» на велосипеді: поки користувач не відчуває себе впевнено з Cowork, вони не дають інструменту зробити щось радикальне з файловою системою без попередження. Згодом, коли стає зрозуміло, як саме Cowork поводиться в різних сценаріях, ці обмеження можна послабити або прибрати.
У тих же налаштуваннях варто увімкнути можливості пам’яті та задати режим роботи з інструментами: Cowork можна налаштувати так, щоб він «підвантажував» потрібні інструменти за потреби й мав доступ до всіх доступних можливостей. Це створює базу для більш складних сценаріїв, де модель не просто відповідає текстом, а керує файлами, пам’яттю та зовнішніми сервісами.
«Cowork playground»: чому тестувати AI варто в окремій пісочниці
Ще один практичний крок, який Jeff Su радить зробити перед тим, як дозволяти Cowork працювати з реальними документами, — створити окрему «пісочницю». Рекомендація проста: у стандартній теці Documents створити підпапку з промовистою назвою, наприклад cowork playground, і на перших порах дозволяти Cowork працювати тільки в ній.
Ця структура вирішує одразу кілька проблем. По-перше, усі експерименти з інструкціями, пам’яттю та файловими операціями зосереджені в одному місці. Якщо щось піде не так, постраждають лише тестові файли, а не робочі документи чи особисті архіви. По-друге, користувачеві легше візуально контролювати, що саме створює й змінює Cowork: достатньо відкрити одну теку й подивитися, які файли з’явилися або були змінені.
Cowork вимагає явного надання доступу до тек. Коли користувач вперше вказує cowork playground як робочу директорію для нової сесії, система запитує дозвіл і після підтвердження отримує право працювати з файлами всередині цієї теки. Важливий нюанс: Cowork дуже суворо ставиться до доступу за межами дозволених тек. Якщо перетягнути файл, наприклад, з папки Downloads у вікно Cowork, система зможе «завантажити» його як об’єкт, але не зможе прочитати вміст, доки файл фізично не опиниться в авторизованій теці, такій як cowork playground.
Ця модель доступу нагадує мобільні додатки, які не можуть бачити весь файловий простір пристрою без дозволу. Для AI-інструмента, здатного масово створювати й змінювати файли, така суворість — не просто формальність, а базовий елемент безпеки. Вона змушує користувача свідомо визначати «зону дії» Cowork і не дає моделі випадково «зайти» в чутливі директорії.
У підсумку «cowork playground» стає не лише технічною пісочницею, а й навчальним полігоном. Тут користувач може відпрацьовувати промпти, тестувати інструкції-обмежувачі, спостерігати, як Cowork поводиться з різними типами файлів, і лише потім переносити відпрацьовані сценарії в робочі папки.
Від чеків до гігантських PDF: файлові робочі процеси, які виходять за межі Claude Chat
Ключова відмінність Cowork від веб-версії Claude Chat — робота з локальними файлами без жорстких обмежень на їхню кількість і розмір. Claude Chat обмежує користувача 20 файлами на розмову та 30 мегабайтами на файл. Для простих завдань цього може вистачати, але щойно йдеться про реальні робочі процеси з десятками документів, зображень чи великими PDF, ці рамки стають вузькими.
Cowork, маючи доступ до локальної файлової системи, не підпадає під ці обмеження. Це відкриває можливість для сценаріїв, які в Claude Chat практично нереалізовані.
Один із показових прикладів — автоматизація звітів про витрати. У тестовій теці cowork playground розміщено папку з понад сотнею чеків у форматах PDF та JPEG. Користувач формулює завдання в стилі «outcome-first»: потрібен звіт про витрати на основі фотографій чеків у конкретній теці, у вигляді Excel-файлу з колонками дата, продавець, категорія, сума та підсумковим рядком. Додаткова умова — якщо якась інформація на зображенні нечітка, її потрібно позначити для подальшої перевірки.
Завдяки попередньо налаштованим інструкціям Cowork спершу виводить план дій: які файли буде читати, як оброблятиме дані, який формат матиме вихідний файл. Лише після підтвердження користувача система переходить до роботи: послідовно читає всі зображення, витягає потрібні поля, формує структурований Excel-файл і зберігає його безпосередньо в робочій теці. У таблиці з’являються й рядки, позначені як такі, що потребують повторної перевірки — саме там, де інформація з чека була нечіткою.
Спробувати відтворити подібний сценарій у Claude Chat практично неможливо. Ліміт у 20 файлів на розмову означає, що сотню чеків доведеться розбивати на кілька сесій, а потім якось об’єднувати результати. Навіть якщо обмежитися двадцятьма файлами, чат-версія поверне таблицю у вікні розмови, яку ще потрібно вручну завантажити, зберегти й розмістити у файловій системі. Cowork натомість одразу працює з файлами як з кінцевим продуктом, а не як з текстовими відповідями.
Інший сценарій — робота з великими PDF. У прикладі використовується файл обсягом понад 400 мегабайт, який потрібно розбити на менші частини, щоб їх було легше завантажувати в інші AI-інструменти. Користувач формулює завдання: розділити документ на окремі файли за розділами або великими секціями, дати кожному описову назву, щоб можна було швидко знаходити потрібний фрагмент. Cowork аналізує структуру PDF, визначає природні межі розділів, створює окремі файли й зберігає їх у тій самій теці. Для Claude Chat такий обсяг даних і кількість вихідних файлів були б серйозним викликом, якщо не глухим кутом.
Третій приклад стосується презентацій. Сервіс Notebook LM вміє генерувати вражаючі слайди, але часто у вигляді статичних зображень, які неможливо редагувати. Cowork може взяти таку презентацію й відтворити її як повноцінний PowerPoint-файл з реальними текстовими блоками. Завдання формулюється просто: слайди не редагуються, потрібно перебудувати їх у чисту, редаговану презентацію з тим самим змістом і порядком слайдів. Cowork спершу читає всі слайди, щоб зрозуміти структуру й текст, а потім створює новий файл, де кожен елемент — це вже не «намальований» текст, а повноцінний об’єкт, який можна змінювати. Результат не ідеальний, але для багатьох користувачів це значно краще, ніж працювати лише зі статичними картинками.
У всіх цих сценаріях важливу роль відіграє ще одна характеристика Cowork: більший контекстний вікно порівняно з Claude Chat. Це дозволяє системі довше працювати з великими обсягами даних, не вдаючись до агресивного «стискання» історії розмови, яке може призводити до втрати деталей. У поєднанні з локальним доступом до файлів це робить Cowork придатним для завдань, які в чат-форматі виглядають громіздкими або неможливими.
Пам’ять як файли: як Cowork «запам’ятовує» стиль роботи й минулі проєкти
Ще одна фундаментальна відмінність Cowork — спосіб, у який він працює з пам’яттю. У веб-версії Claude Chat пам’ять зберігається онлайн і має жорсткі обмеження. Користувач може, наприклад, попросити завжди звертатися до нього певним чином, і модель запам’ятає це між сесіями. Але обсяг таких «спогадів» обмежений, і з часом система змушена відкидати менш важливі елементи.
Cowork підходить до цього інакше: його пам’ять зберігається у вигляді файлів на комп’ютері користувача. Це означає, що система може накопичувати значно більше рішень, уподобань і правил, які користувач просив її запам’ятати, і робити це протягом тривалого часу.
Практичний ефект цього добре видно на прикладі з розсилкою. Користувач запитує Cowork: скільки випусків інформаційного бюлетеня вони вже зробили разом і за якими застосунками були ці випуски. Навіть у новій сесії, без попереднього контексту в чаті, Cowork завантажує відповідні дані з локальної пам’яті й відповідає: сім випусків, зокрема два про Gmail, два про Chrome тощо. Це не просто «пам’ять про одне налаштування», а здатність відстежувати історію спільної роботи.
Ще показовіший сценарій — навчання на основі правок користувача. У теці cowork playground зберігається транскрипт зустрічі. Користувач просить Cowork зробити стислий підсумок на 200 слів. Після отримання результату він вручну змінює структуру резюме, наприклад, переносить контекст угору або змінює порядок блоків. Далі дає Cowork інструкцію: порівняти оригінальну версію з відредагованою, виявити відмінності й зберегти ці уподобання у спеціальних файлах пам’яті, щоб наступні підсумки будувалися вже за новою логікою.
У відповідь Cowork не лише аналізує різницю між двома текстами, а й створює два важливі файли в корені робочої теки: clam.md і memory.md. Саме в них система записує те, що користувач просить її запам’ятати: стилістичні принципи, структурні уподобання, правила форматування. Згодом, коли користувач знову попросить підсумувати зустріч або підготувати текст у певному стилі, Cowork зможе звернутися до цих файлів і відтворити бажану структуру без додаткових пояснень.
Той самий механізм працює й у зв’язці з конекторами. Наприклад, після підключення Gmail користувач може попросити Cowork проаналізувати його листи за останній місяць, виділити характерні риси тону й стилю та зберегти їх як принципи письма в memory.md. Надалі, коли Cowork допомагатиме писати нові листи, він зможе орієнтуватися на ці принципи, а не на абстрактні «нейтральні» шаблони.
Фактично, пам’ять Cowork перетворюється на ще один шар файлової системи: користувач може не лише користуватися нею, а й бачити, де й як вона зберігається. Це додає прозорості й дає можливість свідомо будувати «особистість» і робочі звички AI-асистента.
Вихід за межі локальних тек: як Cowork працює з Notion та іншими сервісами
Хоча Cowork спочатку позиціонується як інструмент для роботи з локальними файлами, його можливості не обмежуються жорстким диском. Через систему конекторів він може підключатися до зовнішніх платформ і працювати з ними майже так само, як із файлами в cowork playground.
У налаштуваннях є розділ Connectors, де можна додати інтеграції з популярними сервісами. Jeff Su радить як мінімум підключити Gmail, Google Calendar, Google Drive і Notion, якщо користувач активно ними користується. Після цього Cowork отримує змогу читати дані з цих джерел і виконувати в них дії.
З Notion це відкриває особливо цікавий сценарій: Cowork може створювати відшліфовані сторінки безпосередньо в робочих базах знань. Замість того, щоб генерувати текст у чаті, який потім потрібно копіювати й форматувати вручну, система може одразу сформувати сторінку в Notion з потрібною структурою, заголовками, списками й блоками. Це логічне продовження файлово-центричного підходу Cowork: кінцевим продуктом є не просто текст, а готовий артефакт у тій системі, де команда реально працює.
Ще один приклад демонструє, як Cowork може поєднувати кілька конекторів в одному робочому процесі. Команда веде нотатки зустрічей у Notion, але транскрипти автоматично генеруються Google Gemini й зберігаються в Google Drive. Користувач формулює завдання: порівняти транскрипт із нотатками й виявити зобов’язання або дії, які не потрапили в підсумковий запис. Cowork завантажує транскрипт із Drive, нотатки з Notion, зіставляє їх і повертає список «випавших» пунктів. Це вже не просто аналіз одного документа, а повноцінна перевірка узгодженості між двома джерелами.
Усі ці сценарії підкреслюють, що Cowork — це не лише «розумний чат із доступом до файлів», а й оркестратор робочих процесів між локальними папками й хмарними сервісами. Зокрема, інтеграція з Notion дозволяє переносити результати роботи з «пісочниці» на комп’ютері в живу систему знань без зайвих ручних кроків.
Висновок: Cowork як операційна система для AI-роботи з файлами
Claude Cowork змушує по-новому подивитися на те, як мовні моделі можуть інтегруватися в повсякденну роботу. Замість того, щоб бути ще одним чат-ботом, який повертає текст у вікні браузера, Cowork працює як настільний інструмент, що:
– має окремі інструкції для файлових операцій і дозволяє задавати чіткі «рейки безпеки»;
– вимагає явного доступу до тек і заохочує створення безпечної «пісочниці» для експериментів;
– обходить обмеження Claude Chat щодо кількості й розміру файлів, дозволяючи автоматизувати реальні задачі — від звітів про витрати до розбиття гігантських PDF і реконструкції презентацій;
– зберігає пам’ять у локальних файлах, що дає змогу накопичувати історію рішень і уподобань і використовувати їх у майбутніх сесіях;
– підключається до зовнішніх платформ на кшталт Notion і створює готові сторінки безпосередньо в них.
Усе це робить Cowork ближчим до «операційної системи» для AI-робочих процесів, ніж до класичного чат-інтерфейсу. Водночас такий підхід вимагає від користувача більшої відповідальності: потрібно продумувати інструкції, обмежувати зони доступу, тестувати сценарії в окремих теках. Але саме завдяки цим крокам Cowork перетворюється з експериментального інструмента на надійного співробітника, якому можна довірити не лише текст, а й реальні файли, пам’ять про минулі проєкти та інтеграцію з ключовими сервісами.