從 Electron 到 Claude Cowork：打造「AI 專屬電腦」的工程師 Felix Rieseberg

本文整理自 Latent Space Podcast 2026 年 3 月播出的單集。

{{< youtube ZpZ7lFoWaT8 >}}

{{< spotify "episode/1SMZXvjNfaSYJvv1hh9yGv" >}}

{{< apple-podcast "tw/podcast/why-anthropic-thinks-ai-should-have-its-own-computer/id1674008350?i=1000755841623" >}}

---

如果你在 GitHub 上搜尋「windows95」，會找到一個星星數破萬的專案：用 Electron 把整套 Windows 95 跑在 macOS 和 Linux 上。作者 Felix Rieseberg 當初花了一個晚上就做出來，本來只是想在同事面前證明一件事：既然 JavaScript 都能跑完整的 Windows 95，還能在裡面開 Excel，那些嫌 Electron 效能差的人到底在抱怨什麼。一個工程師拿來當玩笑的 side project，後來成了他最廣為人知的作品。

十年後的今天，Felix 在 Anthropic 帶領 Claude Cowork 團隊。他的工作不再是把老作業系統塞進瀏覽器引擎，而是幫 AI 打造一台屬於它自己的電腦。但底層的思維方式沒有變：如何用對的抽象層，把複雜的技術包裝成任何人都能用的東西。

桌面軟體的 DNA

Felix 的職涯軌跡讀起來像一部跨平台桌面軟體的演化史。他在德國讀大學，拿到牛津大學網際網路研究所的碩士學位，然後加入微軟擔任開源工程師，參與了 Electron 框架的早期開發。Electron 讓工程師可以用網頁技術（HTML、CSS、JavaScript）開發桌面應用程式，VS Code、Slack、Discord、Notion 都是用 Electron 打造的。如果你在 2026 年打開的桌面 App 超過三個，其中大概有一兩個跑在 Electron 上。

離開微軟後，Felix 到 Slack 擔任資深工程師和工程經理，負責的就是 Slack 桌面版。他在節目中提到一段往事：他加入 Slack 時，桌面版是用一個叫 MacGap 的輕量框架做的，直接用作業系統內建的 WebView 來渲染。問題是，那些 WebView 品質參差不齊，要升級就得等 Apple 或微軟更新作業系統。如果遇到關鍵的渲染 bug，你唯一的選擇就是跟客戶說：「抱歉，你的 MacBook 太舊了。」這對產品來說完全不能接受，所以他們最終選擇了 Electron，把整個 Chromium 引擎打包進去。

Felix 解釋為什麼 Chromium 值得那個額外的體積：它在各種硬體配置上都能穩定運作，而且修 bug 的速度極快。他說，連 Unreal Engine 要渲染文字的時候，用的也是 Chromium。把 Chromium 說成人類工程史上的奇蹟也不為過，因為它要在千千萬萬種不同的硬體、驅動程式、作業系統組合上保證「你說要紅色的像素，就真的出現紅色的像素」。你可以在 Chrome 的網址列輸入 chrome://gpu，滑到最下面會看到一長串「已啟用的 workaround」，每一條都是為了修正某個特定硬體的渲染異常。

這段經歷直接塑造了他後來在 Anthropic 做 Cowork 的方式。當你花十年處理過「不同機器上同一段程式碼跑出不同結果」這類問題，你會對「讓軟體在所有人的電腦上都能正常運作」這件事格外敏感。Cowork 的 VM 架構，某種程度上就是 Electron 哲學的延伸：與其祈禱每個使用者的環境都符合你的假設，不如自己打包一個可控的環境。

不要寫規格書了，直接全部做出來

Felix 在微軟和 Slack 的經驗是傳統產品開發流程：產品經理做調研、寫規格書、設計師畫原型、工程師開發。但他在 Anthropic 發現，這套流程正在被根本性地改變。

他在節目中描述了 Cowork 的誕生過程。Anthropic 內部長期有各種原型在探索「如何讓不寫程式的人也能使用 AI agent」這個問題，累積了至少一年半的實驗。Cowork 的做法不是從零開始設計，而是從眾多內部原型中挑出最好的部分組合起來。外界常說 Cowork 只花了十天就做出來，Felix 特別澄清：十天是組裝時間，不是研發時間。背後有大量前置工作，就像你蓋房子用了預鑄件，不能說房子是一天蓋好的。

但真正讓他興奮的觀察是：在 AI 輔助開發的時代，「執行」的成本大幅降低了。以前面對「要用技術 A 還是技術 B」這種選擇，你只能靠經驗判斷、寫分析文件、開會討論。現在他的做法是：別寫文件了，把兩個方案都做出來，找一小群人試用，哪個好就用哪個。他承認這聽起來瘋狂，因為業界過去幾十年都在說「想法不值錢，執行才是關鍵」，但現在執行的成本正在趨近零。

另一位主持人 Alessio Fanelli 提供了一個活生生的例子：他用 Electron 做了一個 App，結果遇到 SQLite 的相容性問題。他乾脆叫 AI 用 Swift 整個重寫，幾個小時後就搞定了。他甚至不會 Swift，但這不重要，因為真正有價值的是「App 應該做什麼」的邏輯，至於用什麼語言實現，模型比他寫得更快。Felix 對此深表認同：那些花在「選技術棧」上的能量，以後可能都是浪費的。

矽谷低估了你的本機電腦

在這集節目中，Felix 表達了一個出乎意料的立場：矽谷整體低估了本地運算的價值。他的反問很簡單，如果雲端就是一切，為什麼我們都還在用 MacBook 而不是 Chromebook？

他思考過兩條路線。第一條是把使用者電腦上的所有東西都搬到雲端，讓 AI 在雲端處理。他的問題是：你願意按一個按鈕，把整台電腦的所有資料 clone 到雲端嗎？他自己都不確定。從技術上來說，Cowork 完全可以讀取你的 Chrome cookies，然後在雲端用你的身分登入各種服務。但很多網站，特別是銀行，看到同一個帳號從不同地點登入，會直接鎖帳號。你最後可能得拿護照跑一趟實體分行解鎖。

第二條路線，也是 Felix 選擇的路線，是讓 AI 在你的電腦上工作。這樣 AI 用的是你的網路環境、你的地理位置、你的既有登入狀態。雖然佔用了本機資源（有人抱怨 VM 吃了 10 幾 GB 的空間，Felix 說那其實是 macOS 顯示位元組的方式有點問題，實際佔用沒那麼大），但省去了一大堆雲端認證和權限管理的麻煩。

Felix 坦言，這個問題沒有標準答案。理想的未來可能是讓 AI 擁有自己的一台雲端電腦，你偶爾登入去看它在幹嘛。也可能是 AI 等你離開座位時才接管你的電腦。或者，像 Cowork 目前做的那樣，給 AI 一台跑在你電腦裡的 VM，你和它各做各的。不管最終走向哪個方向，他認為短期內「留在本地」是對大多數人最實際的選擇。

用人之道：讓最聰明的人做最不合理的事

Felix 在節目尾聲提到了 Anthropic 內部的 Labs 實驗團隊。這個團隊的原則只有一條：只做其他人做了也沒意義的事。換句話說，如果一個功能已經明顯可行、有清楚的產品路線圖，那它不該出現在 Labs，應該交給產品團隊。Labs 只碰那些「看起來有一半機率會失敗」的實驗。

Instagram 共同創辦人邁克．克里格（Mike Krieger）最近以 IC（個人貢獻者，不帶團隊）的身分加入了 Labs。Felix 提到這件事時，語氣帶著明顯的興奮。在一般公司裡，這種等級的人物通常會被安排去帶一個大組織，但 Anthropic 讓他去做最前沿的實驗。Felix 沒有透露 Labs 具體在研究什麼，只說是「你還沒看過的東西，非常瘋狂，大概有一半是壞掉的」。

這種人才配置的邏輯背後有一個值得關注的訊號。當一家公司已經有一個首週 60 萬名使用者的產品在手上，還刻意把頂尖人才抽出來投入在高風險實驗上，通常代表兩件事：第一，他們對現有產品路線有足夠信心，知道接下來該做什麼；第二，他們認為下一個真正的突破不會來自漸進改善，而會來自某個還沒有人嘗試過的方向。

Felix 自己對未來的規劃也呼應了這個思路。他說 Cowork 接下來會持續每週發布新功能，重點有三：讓 AI 在你的電腦上能做更多事、讓 AI 能獨立工作更長時間、以及釐清「你的電腦」到底該怎麼定義（是你面前這台、VM 裡那台、還是雲端某處的一台）。

我的觀察：工程師的直覺，比方法論更重要

聽完這集節目，最讓我印象深刻的不是任何一個具體功能，而是 Felix 身上那種「桌面軟體工程師的直覺」。他思考問題的方式，跟純粹從 AI 研究或雲端服務背景出發的人很不一樣。

他會第一時間想到：「這個功能在一台沒有裝 Python 的普通 Windows 筆電上能跑嗎？」他會想到：「企業 IT 部門會不會擋住安裝流程？」他會想到：「如果使用者的 GPU 驅動有問題，畫面會不會壞掉？」這些問題聽起來很瑣碎，但它們恰好是 Claude Cowork 能在首週衝到 60 萬名使用者的原因。因為大多數人的電腦不是 M4 MacBook Pro，大多數人的網路環境不是矽谷的光纖，大多數人的公司有 IT 政策限制你能裝什麼軟體。

Felix 在 Electron 上的經驗教給他一件事：真正厲害的抽象層，是讓上層完全不需要知道下層有多複雜。Electron 把 Chromium 的複雜性藏起來，讓開發者只需要寫 HTML 和 JavaScript 就能做出跨平台桌面 App。Cowork 的 VM 也在做同樣的事：把作業系統層級的安全隔離、環境設定、網路控制都藏起來，讓使用者只需要用自然語言說「幫我整理這些檔案」就好。

在 AI 產品越來越同質化的今天（大家都在用差不多的模型、差不多的 prompt 工程、差不多的 API），產品之間真正的差異化，可能就在這些「非 AI」的工程決策上。選擇 VM 而不是直接在主機上跑、選擇本地而不是全部丟上雲端、選擇 Chromium 而不是系統 WebView。每一個決策看起來都是技術細節，但加在一起，就決定了一個產品是「demo 很酷但真的用起來會卡」，還是「打開就能用，用了就回不去」。