Claude Cowork 插件全攻略：19 个职场 AI 插件深度实战指南
摘要： Claude Cowork 是 Anthropic 推出的桌面端智能工作平台，通过插件体系将 Claude 的能力延伸到销售、工程、产品、法务、财务等各个职能场景。本文对全部 19 个插件逐一深度拆解，附真实提示词示例，帮助你快速上手，把 AI 真正变成你的「数字同事」。
目录
- 什么是 Claude Cowork 插件系统
- Slash Command 机制详解
- 01 Productivity — 任务管理与工作记忆
- 02 Sales — 全流程销售助手
- 03 Engineering — 工程师全能工具箱
- 04 Product Management — 产品经理助手
- 05 Data — 数据全栈工具
- 06 Finance — 财务合规助手
- 07 Legal — 企业法务 AI
- 08 Operations — 企业运营助手
- 09 Human Resources — 人力资源助手
- 10 Marketing — 营销全渠道助手
- 11 Design — 设计体验助手
- 12 Brand Voice — 品牌声音管理
- 13 Customer Support — 客户支持助手
- 14 Enterprise Search — 企业级知识搜索
- 15 Bio-Research — 生命科学研究工具
- 16 Slack by Salesforce — Slack 深度集成
- 17 Apollo — 销售线索智能化
- 18 Common Room — GTM 情报引擎
- 19 Plugin Management — 插件定制与扩展
- 最佳实践与高阶技巧
- 总结
什么是 Claude Cowork 插件系统
Claude Cowork 是 Anthropic 推出的桌面端 AI 工作平台，其核心设计理念是让 Claude 像真正的同事一样融入你的工作流，而不仅仅是一个聊天窗口。
插件（Plugin）是 Cowork 平台的核心扩展机制。每个插件包含：
- Skills（技能）：专为特定工作场景设计的「专家提示词模板 + 工作流引导」
- Slash Commands（斜杠命令）：
/plugin:command格式的快捷调用指令 - MCP 集成：部分插件可连接外部系统（Slack、CRM、Apollo 等）获取真实数据
目前 Cowork 平台共提供 19 个官方插件、122+ 个技能，覆盖从销售到工程、从法务到生物研究的主流职场场景。
Claude Cowork 插件架构 ├── 基础层：Productivity（任务管理 + 工作记忆） ├── 职能层：Sales / Engineering / PM / Data / Finance / Legal / Ops / HR / Marketing / Design ├── 增强层：Brand Voice / Customer Support / Enterprise Search ├── 专业层：Bio-Research ├── 集成层：Slack / Apollo / Common Room └── 元层：Plugin Management（创建与定制插件） Slash Command 机制详解
所有插件均通过 Slash Command 调用，格式为：
/插件名:技能名 [可选：补充上下文] 例如：
/sales:call-prep 为我明天下午 2 点与 Acme Corp CTO 的通话做全面准备 /engineering:review 审查这段代码的安全性和性能 /legal:triage-nda 帮我评级这份刚收到的 NDA 技巧： 斜杠命令不需要记忆完整语法，在输入框中输入 / 后会弹出补全列表，按 Tab 键选择即可。不同于普通聊天，Slash Command 会加载对应 Skill 的专业提示词，相当于给 Claude 切换到了「专家模式」，输出的内容结构更规范、细节更专业。
01 Productivity — 任务管理与工作记忆
版本： v1.1.0 | 技能数： 2
核心能力
Productivity 插件解决了 AI 助手最根本的问题：上下文遗忘。每次新开会话，Claude 都不知道你是谁、你的项目叫什么、你的同事叫什么缩写。Productivity 插件通过两套机制解决这个问题：
- CLAUDE.md（工作记忆）：存储常用缩写、项目代号、团队成员姓名等
- TASKS.md（任务看板）：跨会话持久化的待办事项列表
主要命令
| 命令 | 功能描述 |
|---|---|
/productivity:start | 初始化系统，读取 CLAUDE.md 和 TASKS.md，打开仪表盘 |
/productivity:memory-management | 添加、更新工作记忆条目 |
/productivity:task-management | 查看、新增、完成任务 |
实战示例
初始化并告诉 Claude 你的工作上下文：
/productivity:start 记住以下信息： - PSR = Pipeline Status Report（每周五发给 Sarah） - Todd = 财务负责人，需要审批超过 5000 美元的支出 - 我们的主产品叫 DataFlow，客户端叫 DataFlow Lite - Sprint 周期：每两周，周一开始 之后在任何会话中，只要先调用 /productivity:start，Claude 就会自动加载这些上下文，无需重复解释。
添加任务：
帮我加个高优先级任务：周五前把 Q3 PSR 发给 Sarah， 截止时间 2024-09-20，备注「需要 Todd 提前审核预算部分」 查看任务看板：
/productivity:task-management 显示本周所有未完成任务，按优先级排列 最佳实践： 建议每天早晨用 /productivity:start 开启工作日，让 Claude 读取你的任务列表和记忆，相当于给自己做一个「AI 晨会」。02 Sales — 全流程销售助手
版本： v1.1.0 | 技能数： 6
核心能力
Sales 插件覆盖 SDR/AE 的整个工作流，从找到潜客、调研账户，到通话前准备、竞品分析、冷邮件撰写，以及每日 Pipeline 简报。
主要命令
| 命令 | 功能描述 |
|---|---|
/sales:account-research | 调研公司/联系人，生成可执行销售情报 |
/sales:call-prep | 通话前全面准备：背景、议程、发现性问题 |
/sales:competitive-intelligence | 竞品调研 + 互动 Battlecard 生成 |
/sales:draft-outreach | 先调研、后撰写个性化冷邮件 |
/sales:daily-briefing | 每日 Pipeline 健康简报 |
/sales:create-an-asset | 生成定制销售素材（Landing Page、One-Pager 等） |
实战示例
场景 1：通话前准备
/sales:call-prep 明天下午 3 点我要和 Stripe 的 VP of Engineering Michael Chen 通话。 这是第二次会面，上次聊了他们数据管道的痛点。 我们的产品是 DataFlow，主要解决实时数据处理延迟问题。 帮我准备： 1. Michael 的背景和近期动态 2. Stripe 的技术栈和可能的切入点 3. 三个高质量发现性问题 4. 预期异议及应对话术 场景 2：冷邮件撰写
/sales:draft-outreach 目标：Notion 的 Head of Infrastructure，名叫 Jason Park 我们的产品：DataFlow（实时数据管道，比 Fivetran 便宜 40%） 信号：Notion 最近发了 3 篇关于数据基础设施的工程博客，说明他们在扩容 语气：专业但不正式，简洁，150 字以内 场景 3：竞品 Battlecard
/sales:competitive-intelligence 帮我调研 Airbyte 并生成 Battlecard： - DataFlow vs Airbyte 功能对比矩阵 - 他们的定价策略 - 我们的差异化卖点 - 当客户说「我们在考虑 Airbyte」时的应对话术 03 Engineering — 工程师全能工具箱
版本： v1.1.0 | 技能数： 6
核心能力
Engineering 插件涵盖代码审查、系统设计、故障响应、技术债治理、测试策略与技术文档，覆盖软件工程全生命周期。
主要命令
| 命令 | 功能描述 |
|---|---|
/engineering:review | 代码审查：安全性、性能、可维护性 |
/engineering:system-design | 系统架构设计，输出 ADR 文档 |
/engineering:incident | 生产事故处置全流程 |
/engineering:debug | 结构化调试：复现 → 隔离 → 根因 → 修复 |
/engineering:tech-debt | 技术债识别、量化与优先级排序 |
/engineering:documentation | 撰写 README、API 文档、Runbook |
实战示例
场景 1：代码审查
/engineering:review 请审查以下 Python 代码，重点关注： 1. SQL 注入风险 2. 内存泄漏隐患 3. 并发安全性 4. 错误处理是否完善 [粘贴代码] 场景 2：生产事故响应
/engineering:incident SEV1 级故障，刚刚发生： - 现象：所有欧盟地区用户 API 返回 500 - 时间：2024-09-18 14:32 UTC 开始 - 受影响服务：auth-service、user-api - 已知变更：14:15 UTC 刚部署了 auth-service v2.3.1 帮我： 1. 列出排查步骤 2. 起草对外通报（给客户的状态页更新） 3. 生成 Postmortem 框架 场景 3：系统设计
/engineering:system-design 设计一个支持 100 万用户实时协作的文档编辑系统： - 要求：延迟 < 100ms，支持离线编辑，冲突解决 - 技术限制：现有基础设施在 AWS 上，团队熟悉 Go 和 PostgreSQL - 输出 ADR 格式，包含备选方案对比 高阶技巧：/engineering:standup 可以基于你最近的 Git 提交自动生成站会更新，告别手写站会的烦恼。04 Product Management — 产品经理助手
版本： v1.1.0 | 技能数： 6
核心能力
涵盖 PRD 撰写、路线图管理（RICE/MoSCoW/ICE 框架）、OKR 指标追踪、用户研究综合与干系人沟通，是 PM 的全场景助手。
主要命令
| 命令 | 功能描述 |
|---|---|
/product-management:write-spec | 结构化 PRD 撰写 |
/product-management:roadmap-update | 路线图优先级重排 |
/product-management:sprint-planning | Sprint 规划与容量估算 |
/product-management:stakeholder-update | 定制化干系人沟通 |
/product-management:synthesize-research | 用户研究综合与洞察提炼 |
/product-management:metrics-review | 产品指标趋势分析 |
实战示例
场景 1：PRD 撰写
/product-management:write-spec 功能：用户引导流程重新设计 背景：当前 Day-1 留存率只有 23%，用户反馈引导流程太复杂 用户故事：作为新用户，我希望在 5 分钟内完成注册并看到产品价值 成功指标：Day-1 留存率提升到 40%，引导完成率 > 80% 场景 2：路线图优先级排序
/product-management:roadmap-update 以下是 Q4 的待排期功能，请用 RICE 框架帮我打分并排序： 1. 企业 SSO 集成（多个大客户强烈要求） 2. 移动端 App（用户调研中 60% 有需求） 3. 数据导出功能（支持工单中每周出现 50+ 次） 4. AI 智能推荐（CEO 强推，ROI 未知） 5. 性能优化（P95 延迟从 800ms 降到 200ms） 团队容量：3 名工程师，每人每周 30 个故事点 场景 3：用户研究综合
/product-management:synthesize-research 我进行了 12 次用户访谈，以下是摘录笔记： [粘贴访谈记录] 请帮我： 1. 提炼 3-5 个核心主题 2. 识别未被满足的需求 3. 输出用户痛点优先级矩阵 4. 提出产品机会点 05 Data — 数据全栈工具
版本： v1.0.0 | 技能数： 7
核心能力
覆盖 SQL 查询（支持 Snowflake、BigQuery、Databricks、PostgreSQL）、Python 可视化（matplotlib/seaborn/plotly）、交互式 HTML 仪表盘（Chart.js）与统计分析。
主要命令
| 命令 | 功能描述 |
|---|---|
/data:write-query | 跨方言 SQL 编写，含 CTE、窗口函数 |
/data:explore-data | 数据集 Profiling，质量评估 |
/data:build-dashboard | 自含式交互 HTML 仪表盘 |
/data:create-viz | Python 可视化图表生成 |
/data:statistical-analysis | 统计检验与异常检测 |
/data:validate | 分析前 QA 校验 |
实战示例
场景 1：复杂 SQL 查询
/data:write-query 数据库：Snowflake 需求：按用户获取渠道计算过去 90 天的滚动 30 天 MAU 表结构： - users(user_id, acquisition_channel, signup_date) - events(user_id, event_date, event_type) 要求：用 CTE 结构，加上注释，性能优先 场景 2：构建仪表盘
/data:build-dashboard 数据：[上传 sales_pipeline.csv] 帮我构建一个销售漏斗仪表盘，包含： 1. 各阶段转化率漏斗图 2. 按地区的收入分布柱状图 3. 月度 MRR 趋势线 4. 顶部加筛选器：时间范围、销售团队、产品线 输出单个 HTML 文件，可以直接发给销售总监 场景 3：数据探索
/data:explore-data [上传 customer_churn.csv] 对这个数据集做全面 Profiling： - 各字段分布和缺失值情况 - 数值字段的异常值检测（用 IQR 方法） - 流失率与各特征的相关性分析 - 告诉我哪些特征最值得深入分析 06 Finance — 财务合规助手
版本： v1.1.0 | 技能数： 6
核心能力
GAAP 合规报表生成、月末结账任务编排、日记账编制、GL 调节、方差分析与 SOX 404 审计支持，帮助财务团队从重复性工作中解放出来。
主要命令
| 命令 | 功能描述 |
|---|---|
/finance:journal-entry | 日记账编制（应计、摊销、折旧等） |
/finance:reconciliation | GL 与子账簿/银行对账 |
/finance:variance-analysis | 预算 vs 实际差异分析 |
/finance:income-statement | GAAP 损益表生成 |
/finance:close-management | 月末结账任务编排 |
/finance:sox-testing | SOX 404 控制测试支持 |
实战示例
场景 1：方差分析
/finance:variance-analysis Q4 销售及管理费用方差分析： - 预算：¥210 万 - 实际：¥260 万 - 差异：¥50 万（超支 23.8%） 已知信息： - 市场部超支 ¥30 万（额外投入了两个品牌活动） - IT 采购超支 ¥15 万（采购了新的安全软件） - 差旅节省 ¥5 万 请生成一份管理层叙述，格式适合放进董事会报告 场景 2：月末结账管理
/finance:close-management 今天是 9 月 30 日，请帮我规划 10 月 1-5 日的月末结账任务： - 需要完成：应计、预付摊销、固定资产折旧、银行对账 - 截止日期：10 月 5 日下午 5 点 - 团队：我（高级会计）+ 2 名初级会计 - 优先级：应收账款对账最优先（有审计师要查） 输出：任务清单 + 依赖关系图 + 每人的工作分配 07 Legal — 企业法务 AI
版本： v1.1.0 | 技能数： 6
核心能力
合同 Redline 审查、NDA 快速分级（绿/黄/红三档）、GDPR/CCPA 合规评估与法律风险矩阵，让法务团队专注真正需要法律判断的复杂问题。
主要命令
| 命令 | 功能描述 |
|---|---|
/legal:review-contract | 合同审查，生成 Redline 建议 |
/legal:triage-nda | NDA 快速分级（绿/黄/红） |
/legal:compliance-check | GDPR/CCPA 合规性评估 |
/legal:legal-risk-assessment | 法律风险矩阵（严重程度 × 可能性） |
/legal:meeting-briefing | 法律相关会议结构化简报 |
/legal:respond | 常见法律问询标准化回复 |
实战示例
场景 1：NDA 分级
/legal:triage-nda [粘贴 NDA 全文] 这是一家新分销合作伙伴发来的 NDA。 我们公司的标准立场： - 保密期不超过 3 年 - 不接受单方面 NDA（必须双向） - 争议解决管辖地必须在中国境内 请判断这份 NDA 是绿色（标准批准）、黄色（需要审查）还是红色（重大问题），并列出具体条款问题。 场景 2：GDPR 合规检查
/legal:compliance-check 我们计划将欧盟用户的以下数据存储在 AWS us-east-1（美国东部）： - 用户姓名和邮箱 - 位置数据（城市级别） - 使用行为数据 数据保留期：用户注销后 2 年 请评估： 1. 是否符合 GDPR 第 44 条跨境数据传输要求 2. 需要签署 SCC（标准合同条款）吗？ 3. 有哪些合规风险需要关注？ 重要提示： Legal 插件的输出仅供参考，不构成正式法律意见。重大法律决策仍需咨询专业律师。
08 Operations — 企业运营助手
版本： v1.1.0 | 技能数： 6
核心能力
流程优化、供应商评估与 RFP 设计、变更管理、资源规划、运营风险矩阵与 SOC 2/ISO 27001 合规追踪。
主要命令
| 命令 | 功能描述 |
|---|---|
/operations:vendor-review | 供应商评估：成本、风险、战略建议 |
/operations:process-optimization | 流程瓶颈识别与优化设计 |
/operations:change-management | 变更管理计划：影响分析 + 推进路径 |
/operations:compliance-tracking | SOC 2/ISO 27001/GDPR 合规追踪 |
/operations:risk-assessment | 运营风险矩阵 |
/operations:process-doc | SOP 与 RACI 矩阵文档化 |
实战示例
场景：供应商对比
/operations:vendor-review 我们需要为 200 人销售团队选择 CRM 系统，候选项：Salesforce vs HubSpot 评估维度： - 功能满足度（我们核心需求：Pipeline 管理、邮件序列、报表） - 总拥有成本（包含实施和培训） - 与现有系统的集成（Slack、Apollo、Notion） - 迁移风险 - 供应商稳定性 请输出评分矩阵和最终建议 09 Human Resources — 人力资源助手
版本： v1.1.0 | 技能数： 6
核心能力
薪酬市场对标、结构化面试设计、组织架构规划、人员流失分析与员工手册问答，覆盖 HR 团队的日常高频工作。
主要命令
| 命令 | 功能描述 |
|---|---|
/human-resources:comp-analysis | 薪酬对标：市场数据 + Offer 竞争力 |
/human-resources:interview-prep | 结构化面试计划 + 评分卡 |
/human-resources:people-analytics | 流失率/敬业度/留人风险分析 |
/human-resources:org-planning | 人员编制与组织架构规划 |
/human-resources:onboarding | 新员工入职清单 + 30-60-90 天计划 |
/human-resources:policy-lookup | 公司政策快速检索与解释 |
实战示例
场景 1：薪酬对标
/human-resources:comp-analysis 岗位：Staff Software Engineer 地点：北京 经验：8 年，目前 Base ¥80 万/年 候选人当前的 Offer：¥95 万 Base + 20% 绩效 帮我分析： 1. 市场范围（P25/P50/P75） 2. 这个 Offer 有多大竞争力 3. 我们应该如何 counter，在 ¥90 万的预算内 场景 2：结构化面试设计
/human-resources:interview-prep 岗位：产品负责人（Head of Product） 核心能力要求：战略思维、数据驱动决策、跨团队影响力、用户洞察 请设计： 1. 4 轮面试结构（包括每轮的面试官和时长） 2. 每个能力维度的 2-3 个行为面试题（STAR 格式） 3. 评分卡（1-5 分标准） 4. 避免的偏见和合规注意事项 10 Marketing — 营销全渠道助手
版本： v1.1.0 | 技能数： 5
核心能力
内容创作（博客、Newsletter、Landing Page）、活动策划、品牌声音审查、竞品内容分析与营销效果报告。
主要命令
| 命令 | 功能描述 |
|---|---|
/marketing:draft-content | 跨渠道内容起草 |
/marketing:campaign-plan | 完整 Campaign 方案 |
/marketing:brand-review | 品牌声音合规审查 |
/marketing:email-sequence | 多封邮件序列设计 |
/marketing:seo-audit | SEO 全面审查 |
实战示例
场景：Campaign 策划
/marketing:campaign-plan 产品：DataFlow 2.0（主要新功能：实时 AI 数据质量监控） 目标：B 轮融资公告 + 新功能发布联合 Campaign 时间线：4 周 目标受众：数据工程师、数据平台负责人 预算：¥30 万 KPI：产品注册量 +500，官网流量 +30%，MQL +100 请给出： - 核心信息框架 - 渠道组合推荐（带预算分配） - 4 周内容日历 - 每个渠道的具体内容清单 11 Design — 设计体验助手
版本： v1.1.0 | 技能数： 6
核心能力
UI 评审与可用性分析、WCAG 2.1 AA 无障碍审查、Design Token 与组件库管理、UX 文案撰写与开发交付规格生成。
主要命令
| 命令 | 功能描述 |
|---|---|
/design:critique | 设计稿结构化评审 |
/design:accessibility | WCAG 2.1 AA 无障碍审查 |
/design:ux-copy | UX 微文案撰写 |
/design:design-system | Design Token/组件库审计 |
/design:handoff | 开发交付规格文档 |
/design:research-synthesis | 用户研究洞察综合 |
实战示例
场景：UX 文案优化
/design:ux-copy 为我们的注册表单撰写以下 6 种验证状态的错误提示： 1. 邮箱格式错误 2. 密码强度不足（少于 8 位） 3. 确认密码不匹配 4. 用户名已被占用 5. 手机号格式错误 6. 验证码过期 要求： - 语气友好，不指责用户 - 每条不超过 20 字 - 提供具体的修改建议，不只是报错 12 Brand Voice — 品牌声音管理
版本： v1.0.0 | 技能数： 3
核心能力
从 Confluence、Slack、Google Drive、Gong 等平台自动发现品牌素材，生成结构化品牌规范文档（Voice Pillars、Tone 变体、术语表），并在内容创作时实时审查合规性。
主要命令
| 命令 | 功能描述 |
|---|---|
/brand-voice:discover-brand | 跨平台自动发现品牌素材 |
/brand-voice:generate-guidelines | 生成品牌声音指南 |
/brand-voice:enforce-voice | 内容创作时品牌声音审查 |
实战示例
场景：从通话记录生成品牌指南
/brand-voice:generate-guidelines 我有 10 份表现最好的销售通话录音转写。 请分析这些记录，提炼： 1. 我们在介绍产品时用的高频关键词 2. 我们的语气特征（正式度、专业度、亲和力） 3. 应该用和不应该用的表达方式 4. 生成一份可以直接交给新人和内容团队的品牌声音指南 [粘贴转写记录] 13 Customer Support — 客户支持助手
版本： v1.1.0 | 技能数： 5
核心能力
工单分级（P1-P4）、专业回复起草、多源知识检索（文档库、历史工单）、升级简报打包与 KB 文章生成。
主要命令
| 命令 | 功能描述 |
|---|---|
/customer-support:triage | 工单分级与优先级分类 |
/customer-support:draft-response | 专业客户回复起草 |
/customer-support:escalate | 升级简报打包（交付工程/产品） |
/customer-support:kb-article | KB 文章撰写 |
/customer-support:research | 跨文档 + 知识库检索 |
实战示例
场景：处理 SLA 违约工单
/customer-support:draft-response 工单场景：企业大客户，API 服务在过去 6 小时内断断续续， 已经影响了他们的生产环境。根据合同 SLA 是 99.9%， 本次宕机时间已超过当月 SLA 承诺。 客户情绪：非常不满，邮件中提到了「考虑终止合同」 请起草： 1. 立即回复邮件（承认问题，表明已在处理） 2. 后续正式致歉函（附赔偿方案） 语气：专业、诚恳、负责任，不推卸责任 14 Enterprise Search — 企业级知识搜索
版本： v1.1.0 | 技能数： 3
核心能力
一次查询，同步检索 Slack、Notion、Confluence、Jira、CRM 等多个平台，综合去重后给出带置信度评分的答案。特别适合「我记得我们讨论过这个，但不知道在哪里记录的」这类场景。
主要命令
| 命令 | 功能描述 |
|---|---|
/enterprise-search:search | 跨平台统一搜索 |
/enterprise-search:digest | 日报/周报跨平台摘要 |
/enterprise-search:knowledge-synthesis | 多源信息综合去重 |
实战示例
场景：找回历史决策
/enterprise-search:search 帮我找出我们关于「定价模型调整」的所有讨论和决策： - 时间范围：最近 3 个月 - 要找的内容：最终决定是什么，谁拍的板，依据是什么 - 搜索范围：Slack（#product、#leadership 频道）+ Notion + 会议记录 把找到的信息综合整理成一页摘要，标注信息来源 15 Bio-Research — 生命科学研究工具
版本： v1.0.0 | 技能数： 5
核心能力
专为生命科学研究者设计：PubMed/bioRxiv 文献检索、ChEMBL 药物发现、单细胞 RNA-seq 质控（MAD 过滤 + scverse 最佳实践）、scVI/scANVI 批次整合、nf-core 测序流程以及仪器数据标准化（Allotrope ASM JSON）。
主要命令
| 命令 | 功能描述 |
|---|---|
/bio-research:single-cell-rna-qc | scRNA-seq QC，MAD 过滤 + 可视化 |
/bio-research:scvi-tools | 深度学习单细胞分析（scVI/scANVI） |
/bio-research:nextflow-development | nf-core 测序分析流程 |
/bio-research:instrument-data-to-allotrope | 仪器数据 → Allotrope ASM JSON |
/bio-research:scientific-problem-selection | 科研选题与项目策略辅助 |
实战示例
场景：scRNA-seq 数据质控
/bio-research:single-cell-rna-qc 数据：[上传 pbmc_10k.h5ad] 样本：人外周血单核细胞（PBMC） 测序平台：10x Genomics Chromium 按照 scverse 最佳实践进行 QC： 1. 计算 QC 指标（n_genes_by_counts、total_counts、pct_counts_mt） 2. 用 MAD 方法（3 倍阈值）进行异常细胞过滤 3. 生成 violin plot 和 scatter plot 可视化 4. 告诉我过滤后保留了多少细胞，过滤掉的原因分布 16 Slack by Salesforce — Slack 深度集成
版本： v1.0.0 | 技能数： 2
核心能力
用 mrkdwn 语法撰写格式规范的 Slack 消息与公告，跨频道智能搜索历史对话，生成频道活动摘要与每日站会更新。
主要命令
| 命令 | 功能描述 |
|---|---|
/slack-by-salesforce:summarize-channel | 频道近期活动摘要 |
/slack-by-salesforce:draft-announcement | mrkdwn 格式公告起草 |
/slack-by-salesforce:standup | 自动生成站会更新 |
/slack-by-salesforce:find-discussions | 跨频道话题搜索 |
实战示例
场景：发布功能上线公告
/slack-by-salesforce:draft-announcement 功能：DataFlow v2.0 正式上线 发布频道：#product-updates 受众：全公司员工 核心亮点： 1. 实时 AI 数据质量监控（自动检测异常，5 分钟内告警） 2. 性能提升 3x（P95 延迟从 800ms 降到 250ms） 3. 新增 Snowflake 原生连接器（无需 ETL） 语气：兴奋但专业，附上文档链接占位符 格式：用 mrkdwn，加粗关键信息，用 emoji 但不过度 17 Apollo — 销售线索智能化
版本： v0.1.0 | 技能数： 3
核心能力
Apollo.io 深度集成：联系人即时丰富化（姓名、邮件、电话、职位、公司情报）、ICP 驱动的精准找客户，以及一键将目标线索批量加入外联 Sequence。
主要命令
| 命令 | 功能描述 |
|---|---|
/apollo:enrich-lead | 输入姓名/公司/LinkedIn URL 即时丰富化 |
/apollo:prospect | 描述 ICP 获取决策者线索列表 |
/apollo:sequence-load | 批量线索筛选 → 去重 → 加入 Sequence |
实战示例
场景：精准找客户
/apollo:prospect 我的理想客户画像 (ICP)： - 行业：金融科技（Fintech） - 地区：英国伦敦、新加坡 - 公司规模：50-300 人 - 融资轮次：B 轮及以上 - 目标职位：CTO、VP Engineering、Head of Data - 加分项：近 90 天内有招聘数据工程师的记录（说明在扩展数据能力） 请给我 20 个最匹配的联系人，附上邮箱和公司简介 18 Common Room — GTM 情报引擎
版本： v1.0.0 | 技能数： 6
核心能力
融合第一、二、三方数据信号（官网访问、GitHub 活跃度、社区讨论、产品使用），识别购买意图信号，生成高度个性化外联内容与账户战略计划。
主要命令
| 命令 | 功能描述 |
|---|---|
/common-room:account-research | 结合 Common Room + Web 生成账户情报 |
/common-room:weekly-brief | 本周所有外部会议的准备简报 |
/common-room:compose-outreach | 基于意图信号的个性化外联 |
/common-room:generate-account-plan | 战略账户计划生成 |
/common-room:prospect | 基于意图信号的精准找客户 |
实战示例
场景：账户调研
/common-room:account-research 目标账户：Anthropic（anthropic.com） 帮我整理： 1. 近期产品动态和工程博客（反映技术方向） 2. 近期招聘信号（反映团队扩展重点） 3. GitHub 活跃度（开源项目） 4. 相关人员的近期 LinkedIn / Twitter 动态 5. 对我们产品 DataFlow 的潜在需求点 输出：一页可以直接用于通话前准备的情报简报 19 Plugin Management — 插件定制与扩展
版本： v0.2.2 | 技能数： 2
核心能力
这是整个插件体系的「元插件」：帮助你从零创建自定义插件，或定制现有插件的 Skill 提示词、触发条件与 MCP 配置，打造符合团队特定工作流的专属 AI 助手。
主要命令
| 命令 | 功能描述 |
|---|---|
/cowork-plugin-management:create-cowork-plugin | 引导式创建新插件 |
/cowork-plugin-management:cowork-plugin-customizer | 定制现有插件 |
实战示例
场景：创建自定义插件
/cowork-plugin-management:create-cowork-plugin 我想创建一个「QA 缺陷提报」插件： - 场景：测试工程师发现 Bug 后，用 Claude 自动生成格式规范的 Jira 工单 - 输入：Bug 描述（自然语言）、截图（可选） - 输出：符合公司模板的 Jira 工单（含优先级、组件、复现步骤） - 公司 Bug 模板：[描述你的模板格式] - 需要集成：Jira MCP 帮我设计这个插件的 Skill 结构和触发词 最佳实践与高阶技巧
1. 组合使用多个插件
很多真实场景需要多个插件配合。例如一个完整的新客户跟进流程：
第一步：/common-room:account-research 调研账户，获取意图信号 第二步：/sales:call-prep 通话前准备（基于第一步的情报） 第三步：/sales:call-summary 通话后提取行动项 第四步：/sales:draft-outreach 跟进邮件撰写 2. 在提示词中提供足够上下文
Slash Command 只是「切换专家模式」，输出质量仍然取决于你给的上下文。以下是好的提示词与差的提示词的对比：
❌ 差的提示词： /sales:call-prep 明天和客户的通话 ✅ 好的提示词： /sales:call-prep 明天下午 3 点和 Stripe 的 VP Engineering Michael Chen 通话。 这是第二次会面，第一次聊了他们数据管道性能问题（P99 延迟 2 秒+）。 我们的产品 DataFlow 在类似场景下把延迟降到了 150ms。 Michael 之前在 Stripe 工作了 5 年，是 Infrastructure 方向的。 帮我准备通话议程和发现性问题。 3. 利用 Productivity 插件存储团队专属上下文
把常用的公司术语、产品名称、同事姓名存入 CLAUDE.md，之后每次调用任何插件前先运行 /productivity:start，Claude 就能自动理解你的背景，无需重复解释。
4. 迭代优化输出
对于复杂输出（如 PRD、Campaign 方案），不要期望一次生成完美结果。可以：
先生成框架 → 审查 → 告诉 Claude 哪里需要调整 → 再生成 例如：
[查看 PRD 初稿后] 这个 PRD 不错，但有几点要改： 1. 成功指标太模糊，把「提升用户体验」改为具体数值目标 2. 第三个用户故事不准确，用户实际是... 3. 在风险部分加上技术实现风险 5. 连接 MCP 工具发挥最大价值
部分插件（Slack、Apollo、Common Room）在连接相应 MCP 工具后能获取真实数据，输出质量会大幅提升。例如：
- 连接 Slack MCP 后，
/slack-by-salesforce:summarize-channel可以真正读取频道内容 - 连接 Apollo MCP 后，
/apollo:enrich-lead可以实时查询联系人数据库
总结
Claude Cowork 插件体系覆盖了职场工作的几乎所有主流场景。19 个插件、122+ 个技能，本质上是把大量领域专家的「最佳实践提示词」封装成了可复用的工作流模块。
| 使用阶段 | 推荐的入门插件 |
|---|---|
| 刚开始使用 | Productivity（建立记忆系统） |
| 销售/BD 团队 | Sales + Apollo + Common Room |
| 工程团队 | Engineering + Data |
| 产品团队 | Product Management + Design |
| 职能支撑团队 | Finance + Legal + Operations + HR |
| 内容/品牌团队 | Marketing + Brand Voice |
| 研究人员 | Bio-Research + Enterprise Search |
最后的建议： 先从你最高频的工作场景开始，用 1-2 个插件深度使用一周，建立起「如何给 Claude 提供高质量上下文」的感觉，然后再逐渐扩展到其他插件。插件的价值不在于「功能有多全」，而在于「你有多会用它」。
关于 Claude Cowork： 这是 Anthropic 推出的桌面端 AI 工作平台，目前处于研究预览阶段（Research Preview）。插件体系仍在持续更新中，以上内容基于当前版本。
如果你在使用过程中发现了有趣的用法或遇到了问题，欢迎在评论区分享！
