手上有份数据整理的工作：三个来源的数据要对齐。同一个东西，在三个地方名字各写各的，字段对不齐，还压着一堆只有懂业务的人才知道的判定规则。最后要产出一份能直接用的结果，还得交给同事以后自己能跑。
这种活儿按老办法做，得把规则一条条翻成代码、调试、跑通，乐观估计也要搭进去小半个月。这次我用 Claude Cowork，就是 Anthropic 桌面端那个能直接在你电脑上动手的模式，几个小时就整理好了，又快又准。
说说它具体做了什么。
它直接动手捋数据，不是教我怎么捋
跟普通聊天最大的区别在这。
在对话框里问怎么对齐三张表，它给你讲思路、丢几段代码，你自己回去拼。Cowork 不一样。你把数据所在的文件夹连给它，它就真的在你电脑上读文件、跑计算、把结果写成一个文件交给你。我把几份原始数据放进它能访问的目录，让它去比对，十几分钟，结果就出来了。以前最耗时间的"把逻辑变成能跑的程序"这一步，它全包了。
它替我把规则和差异都理清楚了
这是它最值钱的地方，也是我以前最头疼的部分。它做的事拆开看是这几件。
先是理清三个来源之间的对应关系，搞明白同一个东西在三处分别长什么样、靠哪些字段能对上。
然后把对齐的规则一条条定下来：哪几个字段算同一个，数值差在多少范围内算一致，名字写法不一样的怎么归到一起。比如有个指标，一个来源是厂商填的整数，另一个是实测的小数，老差零点几。一开始判得太死，差一点就算"不一致"，一大片本来对得上的全被打成了差异。我跟它说这俩本来就有口径差、差零点几正常，它马上改判定、重跑，还把因此从"不一致"翻回"一致"的条目列出来让我确认。
最后是把差异算清楚、分好类：多少条完全对得上，多少条对不上，对不上的具体差在哪个字段、差多大、各有多少条。一张表下来，哪些能直接用、哪些得人工再看，一目了然。
光命名归一这一类就够磨的。一个来源全大写，一个大小写混着写；一个中文，一个英文缩写；还夹着空格、标点、主名和别名对不上。每发现一类，我说一声，它加一条规则。有七百多条一开始死活对不上的，这么一类一类磨下来，最后只剩九十几条是对方数据里真没有、谁也救不回的。
它也会出错，所以人不能走开
不是一路顺。有回我让它把名称匹配放宽点，它一下放过头，把一条记录硬配给了另一条其实不相干的。还有几次为同一个统计口径来回拉锯，它先按一种理解算，我说不对，换一种，又跟另一份参考对不上，再调。
这些事反而让我觉得它的定位是对的。活它来干，速度它来给，要紧的判断得你来。错配是我抽样时肉眼发现的；口径怎么定，得有个懂业务的人拍板。它快归快，拍板的还得是我。
一次性的活，能存下来反复用、还能自己跑
要是只跑出个对的结果，那 Cowork 也就是个提效工具。让我觉得它不太一样的是后面两件事。
一是能存下来复用。这套逻辑后面要交给同事维护，我让 Cowork 把所有规则，容差、命名映射、判定标准，全抽到一个配置文件里，不写代码的人也能改；再把核心算法和读写文件的部分拆开，配上文档和一个三十秒上手的说明，连样本数据打成一个包。这类可复用的能力在 Cowork 里能沉淀成 Skill，下次同类的活儿直接调，不用从头再聊一遍。
二是能定时自己跑。这活儿不是做完一次就完，隔段时间有新数据要重对。在 Cowork 里打一个 /schedule，设成定时，它就自己开个会话把整套比对跑一遍，结果放进文件夹。我从"每次手动跑"变成"打开看结果"。前提是电脑醒着、App 开着它才会跑，这个得记住。
最后
同一个问题，搁过去我得靠写代码硬解，乐观也要小半个月，还不一定干净。这次几个小时就出活，质量我自己挺满意。
变化不在于谁来写代码，在于从"想清楚规则"到"做出能用的结果"中间那段，被压缩得几乎没有了。脏活它干，长尾它陪你抠，做完还能存成 Skill、设成定时任务自己跑。剩下的是你的事：想清楚规则，在它拿不准的地方把判断定下来。