这是什么
一位掘金开发者这周记下了一个反直觉的体验：MacBook 合着盖放在公司，Claude 却在手机上帮他把一段舞蹈视频的人脸打了码。他之前为这个任务写过一套自定义 Skill（你可以理解成「教给 AI 的一套步骤」），调用的是 Python、ffmpeg、OpenCV 这些本地工具。
原理并不复杂：Claude Pro 以上用户把 Skill 打包成 zip 上传到一个跟账号绑定的个人容器，路径形如 /mnt/skills/user/video-face-mosaic/。执行时，Skill 跑在云端一个临时 Linux 容器里，产物（视频）发回给你，但本地相册它动不了——下载到手机还得用户自己完成。
行业怎么看
支持者认为，这是 AI 助手真正「可用」的标志——它不再只是办公提效工具，而是开始进入日常生活。开发者写道：「以后有什么需求自己走一遍、沉淀下来，都不需要一堆 APP 了。」这和我们观察到的趋势一致：AI 正在从「对话工具」变成「执行工具」。
但成本账并不好算。每执行一次 Skill，Anthropic 就要起一个临时 Linux 容器跑 Python 与 ffmpeg——原作者自己都感慨「A 社为了拓展市场还在疯狂浪费算力」，并提到 DeepSeek 即将涨价、Anthropic 仍在烧钱换市场。另一边是隐私边界：云端能处理你的视频，但碰不到你的本地相册，这条「云端执行 + 本地落库」的边界既是 Anthropic 主动设的安全栏杆，也意味着它短期内只能覆盖轻量、可中断的任务，规模化变现能力仍是未知数。
对普通人的影响
对企业 IT：AI 助手的部署成本从「给员工配高性能电脑」变成「云端算力 + 账号订阅」，采购部门需要重新算账。
对个人职场：白领可以把周报、报表、素材处理等重复工作流封装成自己的 Skill，手机上就能调。一份流程不再绑死一台设备。
对消费市场：短视频、修图、剪辑类工具真正的对手，可能不再是另一个 APP，而是用户自己训练出来的 AI 工作流。「做工具」的生意逻辑正在被悄悄改写。