Adobe 把 Gemini 和 Claude 都接进自家工具：AI 工作流军备竞赛进入工具链层面

【免费下载链接】knowledge-work-pluginsOpen source repository of plugins primarily intended for knowledge workers to use in Claude Cowork项目地址: https://gitcode.com/GitHub_Trending/kn/knowledge-work-plugins

当一家三十多年历史、靠封闭生态起家的创意软件巨头，开始在自家全家桶里同时接纳两家竞争对手的大模型，行业的信号已经足够明确：AI 竞争的胜负手，正在从"谁的模型更强"转移到"谁的工具链能把模型接到真正的业务流程里"。Adobe 将 Google 的 Gemini 与 Anthropic 的 Claude 接入自家工具的动向，就是这条军备竞赛新赛道的标志性事件——而在它背后，同一时间点上 Anthropic 开源 11 个知识工作插件、开放插件提交门户、给 Claude Cowork 加上定时任务与私有市场，另一家模型厂商则在工具链层面把"怎么接、接什么、谁来审批"的产品哲学铺满了整个仓库。本文结合全网情报与开源仓库 knowledge-work-plugins 的真实源码，拆解这一轮工具链层面竞争的底层逻辑。

一、形态之争：模型不再"独家"，接口才是护城河

Adobe 接入 Gemini 与 Claude，最直接的变化是模型的"可选化"。对用户而言，同一个 Adobe 界面里可以按任务选择不同模型的时刻到来：重推理、长文档的任务可以交给 Claude，与 Google Workspace 深度绑定的协作任务可以交给 Gemini。模型从"唯一引擎"退化为"可插拔能力"，这让 Adobe 避免了被任何单一模型厂商绑架，也把竞争重心抬升到了模型之上的工具链层。

这种"模型中立"的设计哲学，恰恰是 Claude 生态当前的主推路线。打开 README.md 可以看到，Anthropic 开源的 11 个插件覆盖 productivity、sales、customer-support、finance、data、enterprise-search、bio-research 等角色，而贯穿全部插件的核心机制——Connectors——正是"模型中立"的落地方式：

• 插件里的技能文件用~~CRM、~~chat、~~calendar这类类别占位符描述工作流，而非绑定某家具体产品；
• 每个插件根目录的.mcp.json预置一组 MCP 服务器，例如 productivity/.mcp.json 里同时声明了 Slack、Notion、Asana、Linear、Atlassian、monday、ClickUp、Google Calendar 与 Gmail；
• 用户想换工具，改配置文件即可，工作流定义本身完全不动。

这跟 Adobe 的做法是同一套思路的两种实现：Adobe 把"模型"做成可插拔，Anthropic 把"企业工具"做成可插拔。双方都在抢同一个生态位——成为连接 AI 与真实业务的中枢。

二、知识工作流的 AI 化：从"聊两句"到"交付成品"

插件目录能直观反映这场竞争的下半场。今天头条的社区情报显示，Claude 知识工作插件开源后迅速登顶 GitHub 当日热榜，单日涨星上百颗，被总结为"85+ 技能免费装，效率翻倍"；CSDN 上同期涌现出大量"Claude Code 知识工作插件实战"类文章，讨论焦点集中在 slash commands 固化工作流、多插件编排与团队级知识沉淀。这些情报共同指向一个判断：知识工作者对 AI 的诉求，已经从"生成一段文字"升级为"跑完一条工作流、交付一个成品"。

仓库源码把这种升级拆解得很细。以 sales 插件为例，一条完整的销售工作流由 36 个技能分层编排：

• 你的日常：setup、daily-briefing、call-prep、call-summary、inbox-sweep、end-of-day、weekly-wrap
• 客户与线索：account-research、stakeholder-map、lead-triage、route-lead、account-plan
• 交易推进：deal-review、deal-signals、close-plan、handle-objection、update-opportunity
• 管道与预测：pipeline-review、forecast、crm-hygiene-check、win-loss-review

用户只输入一句话"Write my forecast for this quarter"，forecast技能会自动读取开放机会或上传的管道导出文件，产出一份包含 commit、best-case 与风险叙事的完整预测报告。这不再是聊天，而是把岗位方法论封装成可复现、可校验的自动化流程。

更值得注意的是"无连接也能工作"的设计。销售技能的官方说明明确写着"Works with files, better with your tools"——没有接入任何 SaaS 时，粘贴通话记录、上传管道导出表即可运行；接入 CRM、日历、邮件后，同一套技能自动升级为可读、可写、可订会议的全自动版本。这种"降级可用、连接增强"的思路，让工作流插件在没有完整工具栈的企业里也能立刻产生价值，是知识工作流大规模落地的关键一步。

财务插件的源码把"确定性"做到了教科书级别。finance/skills/variance-analysis/SKILL.md 不只是让 Claude"分析一下差异"，而是给出了完整的分解方法论：价格/数量三因子分解的公式、量价混合效应的验证等式、5%–20% 分场景的重要性阈值表、以及叙事生成的固定模板——"线项名 + 有利/不利 + 金额 + 驱动因素 + 展望 + 行动"，并明确列出"Revenue was higher due to higher revenue"这类循环解释是反模式。审计场景下，finance/skills/journal-entry-prep/SKILL.md 甚至内置了按金额分层（<50K 会计经理、50K–250K 财务总监、>250K CFO）的审批矩阵与 12 项复核清单。

这就是工具链层面竞争和单纯"模型能力"竞争的本质区别：前者把行业知识、流程规范、审计边界全部固化成可执行的技能文件，让 AI 的输出从"看起来专业"变成"经得起复核"。

三、Connectors 与 MCP：开放协议成为军备竞赛的主战场

要把模型接进真实业务，光有技能文件远远不够，还需要一条标准化的"接线管道"。这正是 MCP（Model Context Protocol）承担的角色——它是 Anthropic 开源、如今被行业广泛采纳的模型上下文协议。仓库里每一份 CONNECTORS.md 都解释了这条管道的工作方式：

插件是工具无关的，用类别（CRM、聊天、邮件）而非具体产品描述工作流；.mcp.json预置了具体 MCP 服务器，但同一类别下任何 MCP 服务器都可用。

以 productivity/.mcp.json 为例，一套典型的连接配置长这样：

{ "mcpServers": { "slack": { "type": "http", "url": "https://mcp.slack.com/mcp", "oauth": { "clientId": "1601185624273.8899143856786", "callbackPort": 3118 } }, "notion": { "type": "http", "url": "https://mcp.notion.com/mcp" }, "asana": { "type": "http", "url": "https://mcp.asana.com/v2/mcp" }, "linear": { "type": "http", "url": "https://mcp.linear.app/mcp" }, "google calendar": { "type": "http", "url": "" }, "gmail": { "type": "http", "url": "" } } }

注意 Google Calendar 和 Gmail 的 URL 留空——按 sales/CONNECTORS.md 的说明，这类服务器由用户在 Claude 的连接器设置中自行绑定。这背后是对"适配层归平台、业务层归插件"分工的明确划分：协议层越标准化，生态越容易长大；而生态里跑的是谁的工作流，决定权就握在平台手里。

这一点放在 Adobe 接入 Gemini 与 Claude 的新闻里看尤其值得玩味。Adobe 的做法本质上是把"连接层"内置进自家产品：模型经统一接入层进来，应用层保留 Adobe 的品牌、数据与交互。当每家巨头都在修建自己的"模型连接器"，真正的竞争焦点就变成了——谁先让海量第三方工具通过标准协议接入，谁就锁定了知识工作流的入口。这也解释了为什么 Anthropic 在同一个月内既开源了 11 个角色插件，又上线了插件提交门户：前者建立标准范式，后者建立分发网络。

四、可组合、可自定义：工具链竞争的内核是"工作流资产化"

本轮军备竞赛还有一个此前被低估的维度：工作流本身正在变成可复用的资产。cowork-plugin-management/skills/create-cowork-plugin/SKILL.md 详细定义了插件的五阶段构建流程——发现、组件规划、设计、实现、审查打包——并强调"插件是自包含目录，用 skills、agents、hooks 与 MCP 服务器集成扩展 Claude 的能力"。从仓库真实的目录结构看，每个插件都是一个标准化单元：

plugin-name/ ├── .claude-plugin/plugin.json # 插件清单 ├── .mcp.json # 工具连接 ├── commands/ # 显式触发的斜杠命令 └── skills/ # Claude 自动调用的领域知识

组件的文件化是这套体系最反直觉也最关键的设计：技能是 Markdown，连接是 JSON，没有代码、没有构建步骤。这让"把公司的术语、流程、审批矩阵写进技能文件"变成了任何知识工作者都能完成的动作，而不是工程师的专利。README 首页那句"Plugins are just markdown files. Fork the repo, make your changes, and submit a PR"——插件即文档，是这场竞争里最有杀伤力的产品宣言。

与之配套的是一套完整的可定制语法：对外分发用~~category占位符保持工具无关，对内集成用${CLAUDE_PLUGIN_ROOT}保证路径可移植；权限层面每个 connector 可以按 allow / ask / block 三级控制读写工具，定时任务场景（晨报、周报自动推送）强制要求发送类工具设为 ask——AI 可以提议，但发出任何东西前必须经人确认。这些细节回答了一个关键问题：工作流资产化之后，控制权怎么不被稀释。

五、对国产 AI 工具生态的映射与启示

把镜头拉回国内。这一轮"模型厂商亲自下场做工作流插件"的动作，对国产 AI 生态至少有四层可复制的启示。

第一，模型中立不是妥协，是生态战略。Adobe 同时接入 Gemini 与 Claude、Anthropic 用类别占位符而非产品名描述工作流，逻辑是一致的：在工具链层面，绑定单一模型等于缩小生态半径。国产大模型平台如果把自己的 Agent 产品绑死在自家模型上，很难让企业放心地把核心流程托付进来；先做连接层标准化，再谈模型替换自由，反而能赢得更大的接入面。

第二，知识沉淀比推理能力更稀缺。对比 finance/skills/variance-analysis/SKILL.md 里那套量价分解公式与审批矩阵可以看到，Anthropic 真正在出售的不是模型，而是把头部企业的财务方法论、销售方法论、审计方法论结构化、可执行化的能力。国产生态里各垂直领域的"行业 Know-how 数字化"仍处于早期，谁能把财税、医疗、政务这些高门槛行业的规范流程固化成技能资产，谁就拿到了企业级市场的入场券。

第三，开放协议要先于私有生态。MCP 之所以能在一年内被微软、OpenAI 等竞争对手相继采纳，是因为连接层的标准对所有人都有利。国产平台在建设自身 Agent 市场的同时，应当把 MCP 兼容作为默认项而不是可选项——你的连接器支持的工具越多，你的工作流能触碰的业务就越深。

第四，分发网络决定渗透速度。插件提交门户 + GitHub 开源仓库的组合，本质上是在同时经营开发者网络与终端用户网络。社区情报显示 knowledge-work-plugins 开源后单日涨星上百、CSDN 同步涌现大量实战教程，这种"官方范式 + 社区教程"的双轮扩散，比单纯投放广告的效果更持久。国产厂商同样需要建立"平台级模板 + 社区再创作"的闭环，让最佳实践在被使用的过程中持续进化。

六、结语：模型的仗打完了，工作流的仗刚刚开始

Adobe 接入 Gemini 与 Claude 真正宣告的不是"又多了一个模型选择"，而是工具软件巨头正式承认：AI 能力的最终交付形态，取决于模型背后的工具链，而不是模型本身。与此同时，Anthropic 开源插件仓库、开放插件市场、把财务审计级的工作流固化进 Markdown 技能文件，则示范了模型厂商如何反过来向工具层进攻——自己做连接器、自己做范式、自己做分发。

当模型能力趋同，谁能把行业知识沉淀为可组合、可审批、可分发的工作流资产，谁就掌握了 AI 生产力下一阶段的定义权。这场军备竞赛的下一幕，不在实验室的 benchmark 榜单上，而在每个真实岗位的日常流程里——而 knowledge-work-plugins 的源码，正是观察这幕大戏最详尽的剧本。

【免费下载链接】knowledge-work-pluginsOpen source repository of plugins primarily intended for knowledge workers to use in Claude Cowork项目地址: https://gitcode.com/GitHub_Trending/kn/knowledge-work-plugins