Snowflake CoWork：每位知识工作者的专属工作 Agent ｜技术趋势

2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！

过去两年里，AI 已经帮助员工生成内容、回答问题并加速分析。但大多数 AI 系统仍然在等待指令。下一次跃迁，是主动协作：Agent 能够理解你的业务，学习你的工作方式，在企业系统之间安全行动，并帮助推动更好的决策与更快的执行。

借助 Snowflake CoWork（前身为 Snowflake Intelligence），企业可以从“响应请求式使用 AI”，转向“主动协作式使用 AI”。

CoWork 是面向每一位知识工作者的个人工作 Agent。它能够进行深度推理，自动化处理日常任务，并加速从想法到决策再到行动的路径。通过结合深度理解、自动化能力与企业上下文，CoWork 帮助组织将 AI 转化为可衡量的业务成果。

WHOOP 分析副总裁 Matt Luizzi 表示：“借助 Snowflake CoWork，我们重新构想了团队与数据交互的方式。过去需要专业分析师和人工请求才能完成的工作，现在数百名员工都可以实时访问。通过自动化日常查询，并让每个团队都能直接、可信地获取洞察，我们减少了运营摩擦，也让数据团队能够专注于更高影响力的工作。结果是更快的决策、更高效的运营，以及面向下一代 AI 的可扩展基础。”

Snowflake CoWork：面向每一位知识工作者的个人工作 Agent

深度理解你的业务

Agent 的能力取决于它对业务的理解程度。过去，要让 AI 系统正确解读企业数据，通常需要数周时间进行配置，之后才能产生有意义的价值。

Cortex Sense（即将进入 private preview）将引入一个基础上下文层，能够自动学习企业如何定义自身的数据与运营。它将理解关键业务指标、数据源之间的关系、标准分析流程等核心要素，而不需要大量手动配置。

通过利用查询历史、元数据、Power BI 和 Tableau 等工具中的仪表盘，以及 Snowflake 之外的企业数据等信号，Cortex Sense 将理解收入定义、财年日历和快照表等概念。这将让 CoWork 从第 1 天起，就能给出更准确、更有依据的回答。

这意味着，知识工作者将不再等待数据团队“先把 AI 配好”，而是可以从第一天起获得价值。根据针对复杂企业查询的内部测试，在使用 Cortex Sense 时，CoCo 和 CoWork 达到了 83% 的准确率；相比之下，仅使用 CoCo 和 CoWork 的准确率为 47%，使用 Frontier Coding Agents with Snowflake MCP 的准确率为 23%。这将带来明显更可靠的业务推理和决策支持。

为了进一步加速采用，Cortex Sense 将包含一系列开箱即用的插件（即将进入 private preview），面向财务、销售等领域。这些插件将结合技能、业务逻辑和 MCP 连接器，帮助企业更快部署生产就绪的 Agent。它们将自动把 Agent 建立在运营知识和企业上下文之上，从而实现更准确、面向特定领域的行动与洞察。团队可以在几分钟内从零构建一个具备上下文感知能力的 Agent，而不是花费数月时间。

这项能力将与 Deep Research（即将正式 GA）协同工作，让用户能够全面审视横跨结构化与非结构化企业数据的复杂业务问题。Deep Research 由 Snowflake AI Research Team 构建的 Agent 群体编排系统驱动，能够在结构化与非结构化企业数据上实现最先进的性能表现。在 Snowflake 的 Hybrid Deep Research Benchmark 中，它的表现比单 Agent 系统高出超过三分之一。

使用 Deep Research，跨企业数据调查复杂问题

Analytical Search（即将进入 public preview）将通过在海量文档集合中进行聚合、比较和趋势分析，把非结构化数据的多步骤分析纳入其中。过去需要数周人工工作的提问，现在可以即时得到带有计算结果的答案。

对于“为什么欧盟地区毛利率下降”或“为什么亚太地区续约率下滑”这类问题，CoWork 将拆解问题，让多个研究 Agent 并行处理结构化与非结构化数据，交叉验证发现，并在几分钟内返回一份完整引用来源的报告。财务负责人现在可以直接提问：“为什么本季度欧盟毛利率下降？”CoWork 将从受治理的数据中分析收入、成本趋势和汇率影响，纳入相关业务上下文，并给出带有引用的答案。团队现在可以在几分钟内完成过去通常需要资深分析师花费数天才能完成的工作。

一个了解你的个人 Agent

每位员工与 AI 交互的方式都不一样。CMO 需要营销活动表现和预算进度。供应链总监需要库存预警和供应商交付周期。借助这些创新，每个用户都将拥有一个单一 Agent，它会适应每个人的工作方式，而不是强迫所有人进入同一套工作流。

Multi-agent orchestration（即将进入 public preview）将允许 CoWork 自动把每个问题路由到最合适的数据、技能和工具，用户无需手动选择要调用哪个工作流或系统。借助个性化 MCP 连接和跨会话的持久记忆，CoWork 旨在适应每位员工的工作方式，并随着时间推移提供更流畅、更具上下文感知能力的体验。

Memory（即将进入 public preview）将用于记住用户偏好和事实，让 CoWork 基于用户交互实现持续个性化。CoWork 将记住偏好、与角色相关的模式和重复性任务，因此团队可以更快推进工作，而不是每次会话都从头开始。

User Skills（即将进入 public preview）将允许任何用户记录并把一个多步骤例行流程转化为整个组织可复用的技能。用户只需用自然语言描述工作流，这些技能就可以自动化处理日常任务，例如准备周一回顾、运行多步骤差异分析，以及起草客户跟进内容。

在 Snowflake CoWork 中，轻松将工作流转化为可复用技能

Skills 还可以调用 Code Execution Tool（public preview），让用户能够直接在 CoWork 中执行业务逻辑，并生成 PDF、PowerPoint 演示文稿等输出，从而轻松在团队之间共享精致的交付物。知识工作者得到的将不只是文本答案，而是打磨完成、便于分享的成果；而构建者无需配置底层计算资源。

自动生成报告和演示文稿

随着时间推移，组织将建立起一套可信自动化和可复用工作流的库。例如，销售运营经理可以描述这样一个工作流：“按区域拉取销售管道变化，标记阶段发生滑落的交易，并为管理层起草一封摘要邮件。”团队可以把这个技能分享给组织内其他人，从而提升整体生产力。用户也可以轻松发现这些技能，形成共享的运营知识，而不是让一个人的临时解决办法被锁在个人笔记里。

主动运行

最有价值的 Agent 工作，发生在任何人提出问题之前。

设想一位销售副总裁在周一早晨的场景。还没有人提出任何问题，Agent 就已经基于对客户与运营数据的夜间分析，提前发现了三个存在风险的续约项目，标记了一个重点客户的消费下降，并为客户经理起草了一封跟进邮件。没有人查看仪表盘。也没有人去找分析师。

Automations 和基于时间的 subscriptions（即将进入 public preview）让这一切成为可能。CoWork 将在后台运行，检查特定条件，识别异常，并通过电子邮件、Slack 或移动端提醒提供及时更新。

一个简单配置即可实现：“每周一，将每个账户的消费情况与前一周进行比较。如果任何账户下降超过 20%，请向我简要说明根因并给出建议行动。”剩下的工作将由 Agent 处理。

这就是你主动查看的仪表盘，和替你主动检查的 Agent 之间的区别。

有些业务问题无法在一次交互中解决。它们需要更长时间的分析、跨系统协调以及迭代式推理。

Async Agent API（即将正式 GA）将允许 Agent 处理可能需要数分钟或数小时才能完成的复杂任务，同时继续在后台异步运行。这让知识工作者可以在极少指导下，把复杂调查和工作流委派给 CoWork。

这些能力结合在一起，将把 AI 从问答界面转变为主动的工作伙伴，帮助团队更快行动，并提前掌握真正重要的事项。

构建可共享的团队知识

一次性的答案无法规模化。CoWork 的输出现在将能够在组织内复用。

Artifacts（即将正式 GA）将允许用户保存并共享稳健的输出，包括分析、图表和完整对话历史，同时保留所有原始上下文。每个 artifact 都将保持实时状态：它会随着最新数据刷新，并按照每位查看者的基于角色的访问控制（RBAC）权限执行。一个分析师的发现，将成为下一个人的起点，而不是被埋在幻灯片截图里的内容。

分享分析，而不是截图

CoWork 上的 Artifacts 现在还包括交互式仪表盘（即将进入 public preview）。作者可以直接在 CoWork 中发布多模块的 North Star 仪表盘，并由 RBAC 控制范围。用户可以直接围绕这些仪表盘提出追问，按区域或周期进行筛选，并把发现拉入下一份演示文稿中。

每位领导者都将看到同一个事实来源，并由保护底层数据的同一套策略统一治理。

使用交互式仪表盘进行协作式决策

Conversation Sharing（即将正式 GA）将让用户能够轻松与同事分享完整对话线程，包含上下文和引用来源，让协作围绕真实答案展开，而不是围绕转述后的内容展开。

对于主要在 Slack 中工作的团队，新的 Snowflake CoWork Slack app（即将进入 private preview）将把对话式 Agent 体验带入 Slack，并提供指向 CoWork 的深度链接以便进一步操作。用户可以在任意对话中向 CoWork 提问，获得包含内嵌渲染图表的流式回答，并直接在线程中继续追问，而无需离开 Slack。多用户 OAuth 确保每条回答都遵守提问者的权限，因此保护 CoWork 内部数据的同一套治理机制，也能无缝延伸到团队沟通流程中。

跨团队已在使用的工具行动

洞察只有转化为行动才有意义。通过 MCP 连接器，CoWork 可以在 Gmail 中起草邮件，更新 Jira 工单，发布到 Slack，并在 Salesforce 中记录活动。所有操作都可以在同一段对话中完成，并处于 Snowflake 的治理边界之内，也完全融入工作流程之中。团队无需切换工具或工作流，就能从洞察走向行动。

启用面向企业工具的一键式 MCP 连接

iOS 移动应用（即将正式 GA）让团队中的任何人，无论身处何地，都可以使用完整的 CoWork 体验。通过 Face ID 解锁和完整对话历史，知识工作者可以在会议现场批准一封由 Agent 起草的客户邮件，也可以在机场查看早间简报。

每一条回答都只反映该用户有权查看的数据。每一次行动都在管理员定义的策略范围内执行。每一次交互都完整可审计。

iOS 移动应用：你的个人工作 Agent，随时随地可用。

为规模化 Agent 的人而构建

每一个优秀的用户体验背后，都需要强大的构建者体验。Agent Studio（即将正式 GA）是用于构建、管理和治理 Agent 的全新设计体验。

Agent readiness wizard 将让从原型到生产的过程更快，它会引导创建者完成 Agent 配置、评估和部署。统一视图将让构建者能够看到组织内各个 Agent 的使用情况、延迟、评估分数，以及整个组织中每个 Agent 的工具使用情况，从而让构建者更轻松地改进并监控 Agent 质量。

为了进一步加速价值实现，那些希望把仪表盘转化为对话式应用的构建者，现在可以直接从任何现有 Power BI 仪表盘即时创建受治理的 semantic view（public preview）。

管理员现在可以使用 RBAC，并结合完整审计追踪和管理员定义的策略，确保自主行动始终处于组织边界之内。管理员将决定 Agent 哪些事情可以自主完成，哪些事情需要审批，以及哪些内容不能使用；每一次行动都会记录对应的策略原因。