Anthropic 一周发了 11 个免费插件，你的团队该装哪几个

团队想用 AI 提效，最常见的画面是这样的：老板说「大家都用起来」，然后每个人打开 Claude，各自写各自的 prompt。销售写一套，产品写一套，法务又写一套。看起来都在用 AI，实际上没有任何沉淀。

更尴尬的是，同一个岗位的两个人，用 AI 的效果天差地别。差距不在模型，而在谁更会写 prompt。

Anthropic 显然也看到了这个问题。他们最近开源了一组叫 knowledge-work-plugins 的项目，直接把 Claude 按岗位变成了专业助手。销售有销售插件，法务有法务插件，财务有财务插件。不是教你怎么写 prompt，而是帮你把整个岗位的工作流打包好。

这个项目在 GitHub 上已经 18.4k Star，21 位贡献者，60 个活跃 Issue。Claude 官方插件市场上，同类的岗位级插件已经有数千到数万的安装量。其中前端设计类插件更是突破了 113 万次安装。

但问题是：插件越来越多，你的团队真的需要全装吗？

这篇文章不做 11 个插件的逐个测评——那没有意义。我们从一个团队管理者的视角出发，回答五个问题：

1. 这些插件到底是什么？ 和技能、MCP 有什么区别？
2. 现在有多少个插件？ 哪些是官方认证的，哪些是第三方的？
3. 你的团队该装哪几个？ 按 5 人 / 20 人 / 50 人三种画像给优先级。
4. 装了以后怎么管理？ 权限、安全、成本和审计怎么做？
5. 国内团队怎么用？ 海外连接器怎么替换成国内工具？

先看一个真实的对比

假设你是一个 20 人的 SaaS 团队，有 3 个销售、2 个产品经理、1 个法务、1 个财务、2 个工程师。

没装插件的时候，每个人用 Claude 的方式是这样的：

• 销售小张每次见客户前，手动把客户官网、CRM 记录、历史邮件一段段粘进 Claude，让它写会议准备。每次 15 分钟，格式还不统一。
• 产品经理小李写 PRD 时，先找模板，再把用户反馈粘进去，让 Claude 生成初稿。每个人的 PRD 结构不一样，评审效率低。
• 法务审合同时，每次都要重新告诉 Claude「请关注违约条款、保密条款和知识产权归属」。审完一份合同花 40 分钟，新人还经常漏项。
• 工程师小王写代码时，让 Claude 帮忙 review，但每次都要重新解释项目规范、代码风格和安全要求。

装了插件之后：

• 销售输入 /sales:call-prep，Claude 自动从 HubSpot 拉客户信息、从 Notion 拉历史沟通记录，直接输出一份客户作战卡。2 分钟。
• 产品经理输入 /product-management:write-spec，Claude 按团队惯用的 PRD 结构输出，背景、用户问题、目标、非目标、功能范围、验收标准一应俱全。
• 法务安装 legal 插件后，Claude 自动知道「审查合同时关注违约、保密和知识产权」，不需要每次重复说。新人也能按标准流程走。
• 工程师安装 engineering 插件后，代码审查自动套用团队规范，不用每次重新解释。

差别不在于模型变聪明了，而在于工作流被固化了。最好的员工的做法，变成了每个人都能用的插件。

01 先搞清楚：插件不是技能，也不是 MCP

很多人把 Anthropic 生态里的三个概念搞混了，装之前先分清楚。

Anthropic 目前维护着几个独立的官方扩展体系：

• anthropics/skills：135,000+ Star，17 个官方技能，面向 Claude Code（终端环境）
• anthropics/knowledge-work-plugins：18.4k Star，18+ 个插件，面向 Claude Cowork（桌面应用），也兼容 Claude Code
• Claude 官方插件市场（claude.com/plugins）：第三方开发者也能发布，已有数百个插件，总安装量数百万

技能（Skill）是原子，插件（Plugin）是分子。

技能是一个 Markdown 文件加可选参考资料，教 Claude 做一件事。相关上下文出现时自动触发。比如「怎么写 Notion 会议总结」就是一个技能。

插件是一个完整包：技能 + 连接器 + 斜杠命令 + 子 Agent，打包成一个工作职能。安装一个插件，等于给 Claude 一整套配置好的工作流。

三者对比表

一个关键数字：每个技能大约消耗 60 tokens/session。如果你装了 31 个技能，每次会话加载 23,000 tokens 的死上下文。所以技能不是越多越好，而是越精准越好。

插件同理。3-5 个插件就能覆盖 95% 的日常工作流，不需要全装。

一句话记忆法：技能教你做一件事，插件给你一整套工作流，MCP 负责把外部工具接进来。

02 完整插件清单：不止 11 个

官方 README 说开源了 11 个插件，但实际翻一下 GitHub 仓库，你会发现远不止这个数。截至 2026 年 8 月，根目录下能看到的插件目录至少有 18 个。

为什么有差异？因为 Anthropic 把「11 个」定义为知识工作核心插件，其余的还在迭代中或者面向更细分的场景。下面是完整的分类梳理。

A 类：官方 11 个核心知识工作插件

这是 Anthropic 官方重点宣传的 11 个，也是目前文档最完善、社区讨论最多的。

B 类：仓库中存在但未列入「官方 11 个」的插件

这些在 GitHub 仓库里有完整的目录结构，但官方 README 的 11 个核心列表里没有提到。可能还在迭代中，或者属于更细分的领域。

重要提醒：B 类插件的成熟度不如 A 类的 11 个核心插件。技能文件可能不够完善，连接器配置可能有缺失。建议先从 A 类的 11 个核心插件入手，B 类作为补充和探索。

每个插件的内部结构

不管是哪个插件，内部结构都是一样的：

plugin-name/
├── .claude-plugin/
│   └── plugin.json          # 插件清单文件（元数据、依赖）
├── .mcp.json                # MCP 连接器配置
├── commands/                # 斜杠命令定义
│   ├── command-1.md
│   └── command-2.md
└── skills/                  # 领域知识技能
    ├── skill-1.md
    └── skill-2.md

plugin-name/
├── .claude-plugin/
│   └── plugin.json          # 插件清单文件（元数据、依赖）
├── .mcp.json                # MCP 连接器配置
├── commands/                # 斜杠命令定义
│   ├── command-1.md
│   └── command-2.md
└── skills/                  # 领域知识技能
    ├── skill-1.md
    └── skill-2.md

全部基于 Markdown 和 JSON，不需要写代码，不需要基础设施，不需要构建步骤。改文件就是改流程。

这是 Anthropic 插件体系最聪明的地方：它不是给你一个黑盒软件，而是给你一套可以修改的文件系统。 你的团队可以直接在上面叠加自己的流程、术语和规范。

03 官方插件市场热度榜

光看 GitHub 仓库还不够，我们去 Claude 官方插件市场看了真实的安装数据。这比 Star 数更能反映实际使用情况。

安装量 TOP 10 插件

以下是官方插件市场上安装量最高的插件（数据截至 2026 年 8 月 5 日）：

观察：开发者工具领跑，岗位级插件起步

从安装量能看出几个明显的趋势：

第一，开发者是最早吃螃蟹的人。 TOP 10 里有 6 个是开发者工具类（Frontend Design、Superpowers、Code Review、Code Simplifier、Feature Dev、CLAUDE.md Management）。这很正常——Claude Code 是最早推出插件系统的产品，开发者是天然的早期用户。

第二，连接器插件需求刚性。 Context7、Playwright、GitHub 三个连接器类插件都进入了 TOP 10，安装量都在 30 万以上。说明用户最迫切的需求不是「AI 更聪明」，而是「AI 能连上我的工具」。

第三，知识工作岗位插件还在早期。 knowledge-work-plugins 系列里的 data 插件在官方市场上约 7,655 次安装，legal 有专门的分类但安装量不高。这说明岗位级插件的市场教育才刚开始，未来增长空间很大。

第四，官方认证插件占比高。 TOP 10 里有 6 个是 Anthropic verified（官方认证）。用户对官方出品的插件信任度明显更高。

04 按团队画像选型：别急着全装

11+ 个插件全装没有必要。按团队规模和类型来选，才是正确做法。

5 人创业团队：装这 2 个

创业团队不需要按岗位分插件，因为每个人都身兼数职。先装通用型的，等团队长大再拆。

实际场景：5 人团队里，CEO 兼销售，CTO 兼产品，一个人要管客户又要写代码。productivity 插件帮你把每天的会议、任务和上下文整理好，Claude 自动从你的日历和任务列表里拉信息，生成每日工作摘要。enterprise-search 让你在飞书、Notion、邮件里一个命令搜到所有相关内容。

不建议装的：sales、marketing、legal 这些岗位插件对 5 人团队太细分了，用不上几次，反而浪费 Token。

20 人增长团队：装这 3-4 个

增长团队的核心矛盾是节奏快、流程乱。插件的价值在于把「每个人各自摸索」变成「统一工作流入口」。

实际场景：20 人 SaaS 团队，有 3 个销售、2 个产品经理、1 个数据分析师、2 个客服。装 productivity 管全员任务，装 product-management 让产品经理的 PRD 格式统一，装 sales 让销售见客户前 2 分钟生成作战卡，装 enterprise-search 让全公司能跨工具搜信息。数据分析师暂时不装 data 插件——用 Python 脚本和 BI 工具更顺手，等团队扩大到 30 人以上再考虑。

50 人企业团队：装这 4-5 个

企业团队最大的浪费不是模型费，而是每个人重复造 prompt。4-5 个插件就能覆盖大部分岗位的 AI 工作流。

实际场景：50 人企业，有完整的销售、产品、客服、数据和工程团队。装 productivity + enterprise-search 覆盖全员，装 sales 让销售团队统一话术和作战卡，装 customer-support 让客服工单首次响应从 15 分钟降到 3 分钟，装 engineering 让代码审查自动套用团队规范。法务和财务暂时不装，因为他们的工作频率不够高，等有需求再按需增加。

选型决策树

不会选？按这个顺序走：

1. 你的团队超过 30 人吗？是 → enterprise-search 必装
2. 你有专职销售团队（3 人以上）吗？是 → 装 sales
3. 你有专职产品经理吗？是 → 装 product-management
4. 你有客服团队吗？是 → 装 customer-support
5. 你有专职数据分析师吗？是 → 装 data
6. 你有工程团队（10 人以上）吗？是 → 装 engineering
7. 你有设计团队吗？是 → 装 design
8. 以上都没有 → 只装 productivity

05 三个值得深看的插件

不是所有插件都一样好用。以下三个插件在实际场景中价值最高，值得多花时间了解。

sales：销售作战卡是最大亮点

sales 插件的核心能力是 /sales:call-prep 命令。输入这个命令后，Claude 会：

1. 从 HubSpot 或 Close 拉取客户基本信息和历史沟通记录
2. 从 Notion 拉取你团队的客户笔记和内部资料
3. 从 ZoomInfo 或 Clay 补充公司规模、融资情况和行业数据
4. 生成竞争 Battlecard（对比竞品优劣势）
5. 输出一份完整的客户作战卡，包含：客户背景、痛点猜测、潜在异议、推荐开场白、跟进邮件草稿

以前销售准备一个客户会议要翻 4-5 个系统，现在一条命令搞定。

sales 插件里还包含一个「管道审查」（pipeline review）的子 Agent，能自动扫描你的 CRM 管道，找出风险机会和即将流失的客户，生成销售经理的周会材料。

适合谁：B2B 销售团队，特别是客单价较高、需要深度准备的行业。SaaS、企业服务、咨询行业最适用。

局限：连接器依赖 HubSpot/Close 等海外 CRM，国内用纷享销客或悟空 CRM 的团队需要自建 MCP Server。不接连接器也能用，但需要手动粘贴客户信息。

data：让 Claude 帮你写 SQL 还带验证

data 插件的 /data:write-query 命令可以让 Claude 直接帮你写 SQL 查询。它会：

1. 理解你的自然语言查询需求（比如「上个月每个渠道的新用户注册数和转化率」）
2. 根据你的数据仓库 schema 自动生成 SQL
3. 在 Snowflake、BigQuery 或 Databricks 上执行查询
4. 自动生成可视化图表和数据洞察
5. 在分享前做数据验证，检查是否有明显的统计错误

更重要的是，data 插件内置了「数据验证」技能，会在输出结果前检查：

• 数字范围是否合理
• 同比环比是否有异常波动
• 分组维度是否一致
• 是否有空值或重复计数

这比直接让 ChatGPT 写 SQL 靠谱得多——很多人让 AI 写 SQL 拿到结果就直接用，根本不验证，最后报告里全是错的。

适合谁：有数据仓库的团队，数据分析师和非分析师都能用。产品经理、运营经理也能自己查数，不用每次排队等数据团队。

局限：需要配置数据仓库连接，权限管理要谨慎（不能让所有人都能查全量数据）。SQL 方言差异需要适配，国内用阿里云 MaxCompute 或腾讯云数仓的需要自己改连接器。

enterprise-search：一个命令搜遍全公司

enterprise-search 插件可能是 50 人以上团队最需要的插件。它的价值很简单：一个搜索命令，跨所有工具找东西。

老板问「上次那个客户投诉最后怎么处理的」，你不需要翻 Slack、翻邮件、翻 Notion、翻 Jira、翻飞书。直接让 Claude 搜，它会跨所有连接的工具搜索，汇总结果并引用来源。

enterprise-search 的搜索结果不是简单的关键词匹配，而是：

• 理解语义，不是只搜字面（比如搜「付款失败」也能找到「支付异常」相关的内容）
• 按相关性排序，不是按时间排序
• 标注来源和时间，方便你追溯原文
• 自动总结核心信息，不用你自己读一堆文档

适合谁：50 人以上、信息分散在 3 个以上工具的团队。越大的团队，这个插件价值越高。

局限：搜索质量取决于连接器覆盖范围，连接的工具越多效果越好。需要注意权限问题——不是所有人都应该能搜到所有文档（比如财务数据、HR 信息）。

06 动手装第一个：productivity 插件完整安装

选 productivity 作为第一个演示，因为它最通用，连接器也相对简单。

前置条件

• 已安装 Claude Code（终端环境）或已登录 Claude Cowork（桌面应用）
• 如果用 Claude Code，需要终端能访问 GitHub
• 已配置 Claude API 接入（如使用第三方接入服务，需要 API Key 和 Base URL）

Claude Code 安装步骤

# 第一步：添加 Anthropic 官方插件市场
claude plugin marketplace add anthropics/knowledge-work-plugins

# 第二步：安装 productivity 插件
claude plugin install productivity@knowledge-work-plugins

# 第三步（可选）：查看已安装的插件
claude plugin list

# 第一步：添加 Anthropic 官方插件市场
claude plugin marketplace add anthropics/knowledge-work-plugins

# 第二步：安装 productivity 插件
claude plugin install productivity@knowledge-work-plugins

# 第三步（可选）：查看已安装的插件
claude plugin list

安装完成后，插件会自动激活。技能在相关场景被 Claude 自动调用，斜杠命令也会出现在你的会话里。

Claude Cowork 安装步骤

直接访问 claude.com/plugins，找到 productivity 插件，点击「Add to Claude」即可。Cowork 的安装更简单，不需要终端操作，一键安装。

验证安装

安装后，在会话中输入以下命令验证：

/productivity

/productivity

如果看到任务管理相关的命令列表（比如 /productivity:daily-brief、/productivity:prioritize-tasks 等），说明安装成功。

五个实际使用场景

场景一：早会前 5 分钟整理今天的工作优先级

输入：帮我整理今天的任务优先级，从 Slack 和 Notion 拉今天的待办，按紧急重要矩阵排序

Claude 会自动通过连接器拉取你的待办事项，按紧急/重要四象限排序，输出一份带时间建议的日程表。

场景二：会后自动生成会议纪要并同步

开完会后，输入：整理刚才的会议纪要，按背景、讨论、决定、待办四部分输出，同步到团队 Notion 页面

Claude 会自动整理讨论内容，按你指定的结构输出，并通过 Notion 连接器创建或更新文档。

场景三：下班前生成每日工作摘要

输入：生成今天的工作摘要，包括完成的任务、遇到的问题、明天的计划，发给团队 Slack 频道

Claude 会汇总你今天的任务完成情况，生成一段简洁的摘要，直接发到指定 Slack 频道。

场景四：跨工具找一份文档

输入：搜一下「Q3 营销预算」相关的所有文档，从 Notion、Slack 和邮件里找

Claude 会跨三个工具搜索，汇总结果并标注来源。比你自己挨个翻快 10 倍。

场景五：规划下周工作

输入：根据我这周的任务完成情况和下周的日历，帮我规划下周的工作重点

Claude 会拉取本周任务数据和下周日历安排，输出一份优先级建议和时间分配方案。

关键在于：这些操作不需要你每次重新写 prompt。插件里的技能已经告诉 Claude 该怎么做，你只需要触发命令。

07 插件到底怎么工作的：深入架构

很多人装了插件但不知道里面是什么。我们来拆开看看。

一个技能文件长什么样

技能是插件的核心。每个技能就是一个 Markdown 文件，里面写着 Claude 在特定场景下应该怎么表现。

举个例子，sales 插件里的「合同审查」技能大概长这样：

# 合同审查技能

## 触发条件
当用户要求审查合同、检查法律条款、审核 NDA 时触发。

## 审查清单
审查合同时，必须检查以下内容：

1. **违约条款**：
   - 违约定义是否清晰
   - 违约金计算方式是否合理
   - 违约救济方式是否明确

2. **保密条款**：
   - 保密信息的定义范围
   - 保密期限
   - 保密义务的例外情况

3. **知识产权归属**：
   - 背景 IP 归属
   - 前景 IP 归属
   - 许可范围和期限

## 输出格式
按以下结构输出审查结果：

1. 风险等级（高/中/低）
2. 核心问题清单（按优先级排序）
3. 修改建议（逐条给出建议措辞）
4. 需要人工确认的事项

## 注意事项
- 不要提供法律意见，只做条款识别和风险提示
- 明确标注「本审查为 AI 辅助，不构成法律建议」
- 高风险条款必须高亮提醒

# 合同审查技能

## 触发条件
当用户要求审查合同、检查法律条款、审核 NDA 时触发。

## 审查清单
审查合同时，必须检查以下内容：

1. **违约条款**：
   - 违约定义是否清晰
   - 违约金计算方式是否合理
   - 违约救济方式是否明确

2. **保密条款**：
   - 保密信息的定义范围
   - 保密期限
   - 保密义务的例外情况

3. **知识产权归属**：
   - 背景 IP 归属
   - 前景 IP 归属
   - 许可范围和期限

## 输出格式
按以下结构输出审查结果：

1. 风险等级（高/中/低）
2. 核心问题清单（按优先级排序）
3. 修改建议（逐条给出建议措辞）
4. 需要人工确认的事项

## 注意事项
- 不要提供法律意见，只做条款识别和风险提示
- 明确标注「本审查为 AI 辅助，不构成法律建议」
- 高风险条款必须高亮提醒

这就是技能的全部——纯文本，谁都能改。你可以把公司自己的合同审查标准加进去，让 Claude 按你的规则来。

斜杠命令是什么

斜杠命令是用户主动触发的动作。比如 /sales:call-prep 就是一个斜杠命令。

每个命令也是一个 Markdown 文件，定义了：

• 命令的名字和描述
• 什么时候应该使用这个命令
• 命令执行的具体步骤
• 调用哪些技能
• 使用哪些连接器

命令和技能的区别是：技能是被动触发的（上下文相关时自动加载），命令是主动触发的（用户输入 /xxx 才执行）。

子 Agent 是什么

有些复杂任务不是一次对话能完成的，需要拆成多个步骤。这时候就用到了子 Agent。

比如 sales 插件里的「管道审查」子 Agent：

1. 第一步：从 CRM 拉取所有正在进行的机会
2. 第二步：逐个分析每个机会的健康度
3. 第三步：识别风险机会和即将流失的客户
4. 第四步：生成管道审查报告和周会材料

每个子 Agent 有自己的目标、工具和工作流。主 Agent 负责调度子 Agent，子 Agent 完成任务后把结果返回给主 Agent。

这就是为什么插件比单个技能强大得多——它能组织复杂的多步骤工作流，而不是只做单次响应。

MCP 连接器怎么接

连接器通过 MCP（Model Context Protocol）协议工作。简单说，MCP 就是一套标准接口，让 AI 能调用外部工具。

插件的 .mcp.json 文件里配置了要用哪些 MCP Server。比如：

{
  "mcpServers": {
    "notion": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-notion"],
      "env": {
        "NOTION_API_KEY": "your-api-key"
      }
    },
    "hubspot": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-hubspot"],
      "env": {
        "HUBSPOT_API_KEY": "your-api-key"
      }
    }
  }
}

{
  "mcpServers": {
    "notion": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-notion"],
      "env": {
        "NOTION_API_KEY": "your-api-key"
      }
    },
    "hubspot": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-hubspot"],
      "env": {
        "HUBSPOT_API_KEY": "your-api-key"
      }
    }
  }
}

每个 MCP Server 提供一组工具（比如 Notion 的「读页面」「写页面」「搜索」），Claude 通过这些工具和外部系统交互。

08 安全与权限管理：装之前必须想清楚

插件能连你的 CRM、你的文档、你的数据仓库。便利的同时，风险也不小。装之前，以下几个问题必须想清楚。

权限边界：AI 能做什么，不能做什么

只读还是读写？ 这是第一个要决定的。

• 只读权限：AI 只能看数据，不能改。安全但效率低——AI 生成了内容你还得手动复制粘贴。
• 读写权限：AI 既能看也能改。效率高但风险大——AI 可能误删数据、误发邮件、误改配置。

我们的建议是：从只读开始，逐步放开写权限。 先让 AI 帮你读和生成草稿，你手动确认后再执行。用熟了以后，再把低风险的操作（比如创建文档、发内部通知）放开给 AI。

高风险操作必须要人确认：

• 发送外部邮件 → 必须人工审核
• 修改 CRM 数据 → 必须人工审核
• 操作财务系统 → 绝对不能让 AI 直接做
• 删除任何东西 → 必须人工确认

数据安全：谁能看到什么

enterprise-search 插件能跨工具搜索所有内容。这带来一个问题：不是所有人都应该能搜到所有东西。

比如：

• 普通员工不应该搜到财务报表和薪资数据
• 销售不应该搜到其他销售的客户佣金信息
• 外包人员不应该搜到公司内部战略文档

安装 enterprise-search 之前，先理清楚：

1. 你的工具有没有细粒度的权限控制？
2. MCP 连接器能不能继承原工具的权限体系？
3. 如果不能，你需要自己做权限隔离吗？

目前大多数 MCP Server 的权限管理还比较粗，通常是「给一个 API Key，就能访问所有数据」。企业级使用时，这个问题必须解决。

日志和审计：出了问题能不能追溯

AI 操作了你的系统，你得有记录。出了问题，要能追溯到「哪次会话、哪个命令、做了什么操作、结果是什么」。

建议至少记录：

• 谁发起的操作（用户 ID）
• 触发了什么插件命令
• 调用了哪些外部工具
• 具体操作了什么数据
• 操作结果（成功/失败/错误信息）
• 消耗了多少 Token

这些日志不仅是安全需要，也是成本分析和流程优化的基础数据。

合规风险

如果你的公司在受监管的行业（金融、医疗、法律），用 AI 插件还要考虑合规问题：

• 客户数据能不能传给 AI？
• AI 生成的内容能不能直接用于对外服务？
• 需不需要标注「AI 生成」？
• 审计能不能通过？

这些问题没有统一答案，取决于你的行业和地区。但装插件之前，最好先和法务/合规团队打个招呼。

09 国内团队适配提醒

这些插件的连接器默认面向海外工具（Slack、Notion、Jira、HubSpot 等）。国内团队需要做适配。

连接器替换对照表

适配方法

插件的连接器配置在 .mcp.json 文件里。你可以直接编辑这个文件，把海外工具的 MCP Server 替换成本地工具的。

比如，把 Notion 连接器替换成飞书：

{
  "mcpServers": {
    "feishu": {
      "command": "npx",
      "args": ["-y", "@larksuite/mcp-server-feishu"],
      "env": {
        "FEISHU_APP_ID": "your-app-id",
        "FEISHU_APP_SECRET": "your-app-secret"
      }
    }
  }
}

{
  "mcpServers": {
    "feishu": {
      "command": "npx",
      "args": ["-y", "@larksuite/mcp-server-feishu"],
      "env": {
        "FEISHU_APP_ID": "your-app-id",
        "FEISHU_APP_SECRET": "your-app-secret"
      }
    }
  }
}

不接连接器也能用——核心价值在技能

如果你暂时不想折腾 MCP Server，插件的 skills 和 commands 部分仍然可以正常使用。只是 Claude 无法自动从外部工具拉数据，你需要手动把相关内容粘到会话里。

比如用 sales 插件但不接 HubSpot，你可以手动把客户信息粘进去，Claude 仍然会按 sales 插件的技能帮你生成作战卡，只是少了自动拉取这一步。

建议：先装插件用起来，连接器后续逐步适配。不要因为连接器没配好就不开始。 技能的价值是立竿见影的，连接器可以慢慢补。

国内团队的三步走路线

1. 第一步（1-2 周）：安装 2-3 个核心插件（productivity + 一个岗位插件），不用连接器，手动粘贴数据，先把工作流跑起来。
2. 第二步（1-2 个月）：逐步适配 2-3 个最常用的国内工具连接器（飞书文档 + 飞书项目 + 企业微信），让 AI 能自动拉数据。
3. 第三步（持续迭代）：根据使用情况，增加更多插件和连接器，建立团队级的插件管理规范和安全审计制度。

10 和竞品比怎么样：GPTs、Copilot、Dify

Anthropic 的插件体系不是唯一的选择。市面上还有几种类似的产品形态，我们来对比一下。

怎么选？

• 如果你已经在用 Claude Code 或 Claude Cowork → 直接用官方插件，零成本，开箱即用
• 如果你是 ChatGPT Plus 用户 → GPTs 更方便，但功能相对简单
• 如果你是大型企业，用微软全家桶 → Copilot Studio 更适合，企业级支持更好
• 如果你需要私有化部署、国产模型、国内工具适配 → Dify / Coze 这类国内平台更实际

Claude 插件的独特优势在于：完全开源、纯文件系统、和 Claude Code 深度集成、MCP 生态开放。 它不是一个封闭的平台，而是一套可以随意改造的文件结构。对于想要深度定制、把 AI 融入自有工作流的团队来说，这种开放架构的长期价值更大。

11 成本和 Token 消耗

装插件不是免费的，每个插件都会消耗你的 API Token。了解成本结构很重要。

Token 消耗估算

月度成本粗算

假设你的团队 10 人，每人每天用 Claude 20 次，模型用 Claude Sonnet，装 5 个插件：

• 每次会话基础消耗：约 2,000 tokens（插件加载）+ 1,500 tokens（对话）= 3,500 tokens
• 每人每天：20 次 x 3,500 tokens = 70,000 tokens
• 全团每天：10 人 x 70,000 = 700,000 tokens
• 全团每月（22 工作日）：约 15,400,000 tokens

按 Claude Sonnet 定价（输入 $3/M tokens），月度 API 成本约 $46 左右。这个成本对 10 人团队来说很低——甚至不如一个员工一天的工资高。

但要注意：

• 如果用 Opus 模型，成本会翻 5-10 倍
• 如果大量使用子 Agent 和连接器，Token 消耗会显著增加
• 如果不合理配置插件（装了 10 个但只用 2 个），浪费的死上下文也会增加成本

省钱建议

• 不用的插件及时卸载，不要「先装着万一用得上」
• 每月审计一次，删除 30 天内未触发的技能
• 优先用斜杠命令触发，减少 Claude 自动加载技能的频率
• 对话尽量简洁，长对话会让上下文累积膨胀
• 日常任务用 Sonnet，复杂任务才切 Opus
• 长上下文任务考虑用检索代替全量塞入

12 常见问题

Q：插件和 Claude Code 的 Skills 有什么区别？

A：Skills 是单个能力的 Markdown 文件，最初是 Claude Code 专用。插件是完整包（技能 + 连接器 + 命令 + 子Agent），Claude Cowork 和 Claude Code 都能用。简单说，技能教你做一件事，插件给你一整套工作流。

Q：必须用 Claude Cowork 吗？Claude Code 行不行？

A：两个都行。Claude Cowork（桌面应用）的安装更简单，直接在 claude.com/plugins 点击安装，图形化界面更适合非技术用户。Claude Code（终端）需要用命令行安装，但更灵活，适合开发者和有终端工作流的团队。

Q：国内团队能用吗？

A：可以用插件本身（技能和命令部分），但连接器需要适配国内工具。建议先装插件用起来，连接器后续逐步替换。插件的核心知识和工作流价值不依赖连接器。

Q：装多了会拖慢 Claude 吗？

A：会。每个技能约消耗 60 tokens/session，装太多会让 Claude 每次会话加载大量死上下文，增加成本和延迟。建议插件控制在 3-5 个，技能总量不超过 12 个。

Q：可以自己改插件里的内容吗？

A：可以，而且这正是 Anthropic 鼓励的。插件全是 Markdown 和 JSON 文件，直接编辑就行。你可以把公司自己的流程、术语和模板写进去，让 Claude 更懂你的业务。某种意义上，插件不是产品，而是一个「你可以改的起点」。

Q：这些插件和 ChatGPT 的 GPTs 有什么不同？

A：最大区别有两个。第一是连接器——GPTs 主要靠对话和知识库，插件可以通过 MCP 协议直接连接 Slack、Notion、Jira 等外部工具，拉取真实数据，不是「问 AI」而是「AI 帮你跨系统干活」。第二是开放性——Claude 插件完全开源、纯文件系统，可以自由修改和自托管，GPTs 是封闭生态。

Q：插件能处理中文吗？

A：可以。插件的技能是纯文本的，Claude 本身支持中文。但默认的技能文件是英文写的，你可以翻译成中文或者直接用——Claude 能理解英文技能并用中文回复。如果要更好的中文效果，建议把核心技能文件翻译成中文，加入中国本土的业务场景和术语。

Q：企业版和个人版有什么区别？

A：插件本身是一样的，区别在于 Claude 的账号类型。企业版通常有更好的安全控制（SSO、数据不用于训练、管理员面板），更适合团队使用。具体差异以 Anthropic 官方定价页为准。

13 安装优先级清单（可复制）

以下是你团队的安装决策清单，直接拿走用：

团队 AI 插件安装清单
========================

第一步：确认环境
[ ] 已安装 Claude Code 或已登录 Claude Cowork
[ ] 终端可访问 GitHub（Claude Code 用户）
[ ] 已配置 Claude API 接入
[ ] 确认团队规模（用于选型参考）

第二步：安装通用插件（所有团队必装）
[ ] productivity — 任务管理和日常工作流（必装第一个）
[ ] enterprise-search — 跨工具搜索（50 人以上团队优先）

第三步：按核心岗位安装（选 1-2 个，不要贪多）
[ ] sales — 销售驱动团队，B2B 业务
[ ] product-management — 产品驱动团队，SaaS/互联网
[ ] data — 数据驱动团队，有数据仓库
[ ] marketing — 内容/营销驱动团队
[ ] customer-support — 有客服团队（5人以上）
[ ] engineering — 有工程团队（10人以上）
[ ] finance — 有专职财务团队
[ ] legal — 有法务团队或高频合同审查需求
[ ] design — 有专职设计团队

第四步：适配国内工具栈
[ ] 检查 .mcp.json 中的连接器列表
[ ] 替换 Slack → 飞书/钉钉/企业微信
[ ] 替换 Notion → 飞书文档/语雀
[ ] 替换 Jira → 飞书项目/PingCode/Tapd
[ ] 替换 HubSpot → 国内 CRM（如适用）
[ ] 测试连接器是否正常工作
[ ] 不接连接器也能用——先从技能开始

第五步：定制化
[ ] 修改 skills/ 目录下的 Markdown 文件
[ ] 写入公司自己的流程、术语和模板
[ ] 把核心技能文件翻译成中文（如果需要）
[ ] 删除 30 天内未触发的技能，保持 8-12 个上限
[ ] 用 cowork-plugin-management 插件创建自定义插件

第六步：安全与权限
[ ] 明确只读/读写权限边界
[ ] 高风险操作（发邮件、删数据、财务操作）必须人工确认
[ ] 配置操作日志和审计记录
[ ] 检查数据权限隔离（不同角色能看到不同数据）
[ ] 和法务/合规团队确认合规要求（如适用）

第七步：月度审计
[ ] 检查哪些技能/插件 30 天内未触发
[ ] 卸载未使用的插件
[ ] 更新已修改的技能文件
[ ] 检查 API Token 消耗是否合理
[ ] 收集团队反馈，优化插件配置

注意事项
========
- 插件数量建议控制在 3-5 个，不要贪多
- 每个技能约消耗 60 tokens/session，过多会增加成本和延迟
- 连接器需要相应的工具权限和 API Key
- 插件功能以 GitHub 仓库当前版本为准
- 定期审计：每月删除未使用的技能
- 先用起来再优化，不要追求一步到位
- 安全第一：高风险操作必须有人把关

团队 AI 插件安装清单
========================

第一步：确认环境
[ ] 已安装 Claude Code 或已登录 Claude Cowork
[ ] 终端可访问 GitHub（Claude Code 用户）
[ ] 已配置 Claude API 接入
[ ] 确认团队规模（用于选型参考）

第二步：安装通用插件（所有团队必装）
[ ] productivity — 任务管理和日常工作流（必装第一个）
[ ] enterprise-search — 跨工具搜索（50 人以上团队优先）

第三步：按核心岗位安装（选 1-2 个，不要贪多）
[ ] sales — 销售驱动团队，B2B 业务
[ ] product-management — 产品驱动团队，SaaS/互联网
[ ] data — 数据驱动团队，有数据仓库
[ ] marketing — 内容/营销驱动团队
[ ] customer-support — 有客服团队（5人以上）
[ ] engineering — 有工程团队（10人以上）
[ ] finance — 有专职财务团队
[ ] legal — 有法务团队或高频合同审查需求
[ ] design — 有专职设计团队

第四步：适配国内工具栈
[ ] 检查 .mcp.json 中的连接器列表
[ ] 替换 Slack → 飞书/钉钉/企业微信
[ ] 替换 Notion → 飞书文档/语雀
[ ] 替换 Jira → 飞书项目/PingCode/Tapd
[ ] 替换 HubSpot → 国内 CRM（如适用）
[ ] 测试连接器是否正常工作
[ ] 不接连接器也能用——先从技能开始

第五步：定制化
[ ] 修改 skills/ 目录下的 Markdown 文件
[ ] 写入公司自己的流程、术语和模板
[ ] 把核心技能文件翻译成中文（如果需要）
[ ] 删除 30 天内未触发的技能，保持 8-12 个上限
[ ] 用 cowork-plugin-management 插件创建自定义插件

第六步：安全与权限
[ ] 明确只读/读写权限边界
[ ] 高风险操作（发邮件、删数据、财务操作）必须人工确认
[ ] 配置操作日志和审计记录
[ ] 检查数据权限隔离（不同角色能看到不同数据）
[ ] 和法务/合规团队确认合规要求（如适用）

第七步：月度审计
[ ] 检查哪些技能/插件 30 天内未触发
[ ] 卸载未使用的插件
[ ] 更新已修改的技能文件
[ ] 检查 API Token 消耗是否合理
[ ] 收集团队反馈，优化插件配置

注意事项
========
- 插件数量建议控制在 3-5 个，不要贪多
- 每个技能约消耗 60 tokens/session，过多会增加成本和延迟
- 连接器需要相应的工具权限和 API Key
- 插件功能以 GitHub 仓库当前版本为准
- 定期审计：每月删除未使用的技能
- 先用起来再优化，不要追求一步到位
- 安全第一：高风险操作必须有人把关

写在最后

Anthropic 开源这 11+ 个插件，真正值得关注的不是插件本身，而是它示范了一种企业 AI 的落地方式：不是让每个人自己摸索 prompt，而是把优秀员工的工作方式固化成可复用的插件。

谁先把流程插件化，谁就先把 AI 变成生产力。

但也要清醒：插件是起点，不是终点。真正难的是你的公司有没有清晰流程、有没有可连接的数据、有没有统一模板、有没有权限边界。没有这些，插件也只能变成一堆漂亮的 Markdown。

我们见过太多团队：兴冲冲装了一堆 AI 工具，用了两个星期就不用了。不是工具不好，而是没有把工具嵌进真实的工作流里。

插件的价值不在于「AI 能做更多事」，而在于「你知道让 AI 做什么事、按什么标准做、做到什么程度算合格」。这些标准，不是 Anthropic 能给你的，得你自己定义。

建议从今天开始：装一个 productivity 插件，用一周，看看它怎么改变你的日常工作流。然后再决定要不要装更多。

如果你的团队准备安装这些插件，首先需要稳定的 Claude API 接入。apito.ai 作为独立的第三方技术服务商，提供面向开发者的 Claude API 接入服务，支持 Claude Code 和 Claude Cowork 的 API 调用，可以作为插件运行时的模型接入层。

参考来源：

• knowledge-work-plugins GitHub 仓库
• Claude 官方插件市场
• MCP 协议官网
• Anthropic 官方文档