Claude Cowork 完整教學：不碰 API 也能自動化｜Dispatch 手機遙控實測（2026）

Elponcho

1 小時前

過去幾個月，我每天都用 Claude API 跑一套「AI 每日摘要」的工作流 — 從指定的 X 帳號抓取 AI 領域動態，自動整理成固定格式的情報簡報。
這套流程很順，但有個痛點：token 成本。

即使我用了 prompt caching，cache read 的費用累積下來還是不便宜。每個月光是這個 workflow，API 帳單就燒掉一筆可觀的數字。我開始想：有沒有可能用訂閱制的 Claude Pro 或 Max 來取代？
今年一月，Anthropic 推出了 Claude Cowork — 一個讓非工程師也能使用 Claude Code 級別自動化能力的產品。三月，他們又加上了 Dispatch，讓你可以從手機遠端指派任務給桌面的 Claude。
這聽起來正是我需要的東西。

但真的能用嗎？訂閱制的額度夠跑我的 workflow 嗎？跟 OpenClaw 比起來差在哪？

廣告 - 內文未完請往下捲動

這篇文章是我的實測評估。我會帶你看 Cowork 和 Dispatch 怎麼設定、實際跑起來什麼感覺、成本怎麼算，以及最後我的結論 — 什麼情況下值得從 API 或 OpenClaw 切換過來。

Table of Contents

什麼是 Claude Cowork？

如果你用過 ChatGPT 或一般的 Claude 聊天介面，你會知道那是一個「問答」的模式 — 你問一個問題，AI 回答，然後你再問下一個。

Cowork 不是這樣。

在 Cowork 模式下，你描述一個「任務」，Claude 會自己規劃步驟、執行、然後把成果交給你。它可以直接讀寫你電腦上的檔案，不需要你手動上傳下載。

舉個例子：你可以跟 Cowork 說「把這個資料夾裡的 50 張收據截圖整理成一份 Excel 報表」，它就會自己去讀圖、辨識金額、建立試算表。你不用一張張上傳，也不用複製貼上 Claude 的回覆到 Excel 裡。

這個能力其實跟 Claude Code 一樣 — Claude Code 是給工程師用的命令列工具，Cowork 則是把同樣的 agentic 架構包進桌面 app 裡，讓不會寫 code 的人也能用。

Cowork 目前可以做的事包括：

直接讀寫你指定資料夾裡的檔案
產出 Word、Excel、PowerPoint 等專業文件
執行多步驟任務（自己規劃、自己跑）
連接外部服務（透過 Connectors，例如 Google Drive、Gmail）
排程任務（例如「每週五早上幫我整理週報」）

適合誰用？

如果你的工作大量涉及文件處理、資料整理、研究彙整，但你不想學 terminal 或 API，Cowork 就是設計給你的。Anthropic 自己定位的目標用戶是：研究員、分析師、法務、財務、營運 — 這些每天跟文件打交道，但不是工程師的知識工作者。

什麼是 Claude Dispatch？

Cowork 解決了「不想碰 terminal」的問題，但還有一個場景它本來處理不了：你人不在電腦前面。

比如說，你在通勤的捷運上，突然想到要請 Claude 幫你整理一份資料。以前你只能先記下來，等回到電腦再處理。或者你得打開手機版 Claude，但手機版沒辦法存取你桌面的檔案。

Dispatch 就是來解決這個問題的。

簡單說，Dispatch 讓你的手機變成一個「遙控器」，而你的桌面 Claude 是真正執行任務的「工作站」。你從手機發出指令，Anthropic 的伺服器中繼，桌面的 Claude 收到後開始執行，完成後結果會同步回你的手機。

設定過程很直覺：

確保桌面 Claude Desktop 是最新版
在桌面 app 裡開啟 Dispatch
用手機掃描 QR code 配對
之後你就可以從 Claude 手機 app 指派任務

跟 OpenClaw 的 Telegram bot 有什麼不一樣？

如果你用過 OpenClaw，你知道它也能從 Telegram 或 WhatsApp 發指令給桌面。但兩者架構不同：

OpenClaw：開源、model-agnostic、你可以接任何 LLM（Claude、GPT、Gemini 都行）、透過 messaging app 控制
Dispatch：Anthropic 官方產品、只能用 Claude、需要安裝專屬 app、但整合度更高

Dispatch 的優勢是「開箱即用」 — 下載 app、掃 QR code、就能開始用。OpenClaw 的彈性更大（可以換模型、接不同平台、自訂行為），但需要自己設定環境，對非工程師來說門檻比較高。

另一個差異是 memory 的處理方式。Dispatch 內建 session 間的 context 保留，你可以跟它說「繼續上次那個報告」，它知道你在講什麼。OpenClaw 也做得到 — 它的 MCP 架構支援 persistent context — 但這需要你自己設定，而且每次載入先前 context 都會消耗 token。對於頻繁「接續任務」的使用場景，Dispatch 的固定月費 vs OpenClaw 的按 token 計費，成本結構會差不少。

實測 1：用 Cowork 跑我的 AI Daily Digest workflow

講了這麼多功能，實際用起來到底如何？我決定拿我每天在跑的「AI 每日摘要」workflow 來測試。

原本的 API workflow 長這樣：

我有一份追蹤清單，追蹤 AI 領域的重要帳號。每天早上，我的腳本會：

從這些帳號抓取過去 24 小時的內容
篩選出有價值的內容
用 Claude API 整理成固定格式的情報簡報
輸出成 markdown 檔案

這套流程用 API 跑得很順，但每天都會吃掉不少 token，尤其是 cache read 的部分。

改用 Cowork 的設定過程：

我先在桌面建了一個專用資料夾，把追蹤清單（一份 txt 檔）和輸出模板（一份 markdown）放進去。然後在 Cowork 裡授權這個資料夾的存取權限。

接著我給 Cowork 下了這個指令：

「讀取 tracking-list.txt 裡的 X 帳號清單。用網頁搜尋查看這些帳號過去 24 小時有沒有發布重要的 AI 相關內容。把結果整理成跟 template.md 相同格式的每日摘要，存成今天日期的檔名。」

結果如何？

Cowork 確實跑起來了。它讀取了我的清單、用內建的 web search 功能去查資料、然後產出了一份 markdown 報告。整個過程大概花了 3-4 分鐘。

但有幾個卡關的地方：

卡關 1：Web search 的限制

Cowork 的 web search 跟直接抓 X/Twitter API 不一樣。它只能搜尋公開的網頁內容，沒辦法精準抓到某個帳號「過去 24 小時」的所有貼文。結果就是有些內容被漏掉，有些則是抓到比較舊的東西。如果你的 workflow 需要精準的資料來源控制，這會是一個問題。

卡關 2：格式一致性

我的 template.md 有很嚴格的格式要求 — 固定的標題層級、特定的 metadata 區塊、統一的引用格式。Cowork 產出的結果大致上對，但細節會有偏差。需要我事後手動調整，或是把 prompt 寫得更詳細。

這不算是 Cowork 的問題，而是所有 LLM 都會遇到的 instruction following 挑戰。但如果你的 workflow 對格式要求很高，要有心理準備。

卡關 3：執行時間不穩定

同樣的任務，有時候 2 分鐘就跑完，有時候要 5 分鐘。我猜是 Anthropic 那邊的伺服器負載問題。對於需要穩定排程的任務來說，這點要考慮進去。

優點也是有的：

最大的優點是「不用管 infra」。我原本的 API workflow 需要處理 rate limit、error handling、retry logic 這些。Cowork 都幫你包好了，你就是下指令、看結果。

另一個優點是輸出的檔案直接存在你的電腦裡。不像 API 回傳的是 text，你還要自己寫進檔案。Cowork 原生就是操作本地檔案的。

實測：用 Dispatch 從手機指派任務

Cowork 測完，接下來測 Dispatch 的手機遙控功能。

設定過程：

先確認桌面 Claude Desktop 是最新版（我是 Mac，要 1.1.94 以上）
在 Cowork 模式裡找到「Dispatch」的選項
畫面會顯示一個 QR code
手機下載 Claude app（iOS / Android 都有）
用 app 掃描 QR code 完成配對

整個設定大概 2 分鐘，比我預期的簡單。

實際使用：

配對完成後，手機 app 裡會出現一個跟桌面 Cowork session 連動的對話。我試著從手機發了一個任務：

「整理我桌面 Downloads 資料夾裡今天的 PDF 檔案，把檔名改成更清楚的格式」

然後我就把手機放下，去倒了杯咖啡。

回來一看，桌面的 Claude 已經在跑了。它讀取了我的 Downloads 資料夾、找到 3 個今天下載的 PDF、根據內容把它們重新命名。整個過程我人不在電腦前，但任務照樣完成。

成功率與限制：

這種簡單的檔案操作任務，成功率很高。但我也測了一些比較複雜的指令，成功率就下降了。

根據一些第三方測試，Dispatch 在「複雜的多 app 任務」上的成功率大約是 50%。這跟 OpenClaw 目前的水準差不多 — desktop agent 這個領域本來就還在早期階段。

另一個限制：電腦必須保持開啟，而且 Claude Desktop 要在前景或背景執行。如果你把電腦關了或 app 關掉，Dispatch 就收不到指令。這點 OpenClaw 也是一樣。

最後，Dispatch 目前只支援 macOS。Windows 版的 Cowork 已經有了，但 Dispatch 功能還在等。如果你是 Windows 用戶，這個功能暫時用不了。

成本比較：Pro vs Max vs API

功能面大致了解了，現在來談錢。

這是我最在意的部分，也是促使我評估 Cowork 的主因。我想知道：用訂閱制到底能不能比 API 省錢？

先看各方案的定價：

方案	月費 (美金)	用量	備註
Pro	$20	基準量的 5 倍	Cowork 功能完整可用
Max 5x	$100	Pro 的 5 倍	優先存取、PowerPoint 整合
Max 20x	$200	Pro 的 20 倍	高強度用戶適用
API	按 token 計費	無上限	Sonnet 4.6: $3/MTok 輸入、$15/MTok 輸出

我原本 API 方案的成本：

我的 AI Daily Digest workflow，加上平常其他的 Claude 使用，每個月大概花 $150-200 美金在 API 上。主要是 cache read 的費用吃掉不少 — 雖然比正常 input 便宜，但量大了還是會累積。

如果換成 Max 5x（$100 美金/月）：

理論上可以省下 $50-100。但前提是 Cowork 的用量限制夠我用。

這裡就是訂閱制的麻煩之處：Anthropic 沒有公開具體的 token 額度。他們只說「5 倍」「20 倍」，但實際換算成多少 token、多少次對話，沒有明確數字。

根據 Anthropic 自己的數據，平均 Claude Code 用戶每天大約消耗 $6 等值的 token，90% 的用戶每天低於 $12。如果你每天的使用量在這個範圍內，Max 方案大致上是划算的。

Break-even point 大概在哪？

粗估：

如果你 API 每月花 < $50：用 Pro（$20）就夠
如果你 API 每月花 $50-150：Max 5x（$100）開始划算
如果你 API 每月花 > $200：Max 20x（$200）或繼續用 API

但這只是粗估。實際上還要考慮：

用量的穩定性：訂閱制是固定月費，如果你某個月用很少，那月費就浪費了。API 是用多少算多少。
功能限制：Cowork 沒辦法完全複製 API 的彈性。如果你需要自訂 system prompt、接自己的 MCP server、或做批次處理，API 還是唯一選擇。
Extra Usage 功能：Pro 和 Max 現在都支援「超額計費」 — 用完額度後可以按 API 價格繼續用。這讓訂閱制有了一些彈性。

我的結論：

以我的使用量來說，Max 5x（$100）應該可以 cover 大部分需求，比原本 $150-200 的 API 帳單省一些。但我還在觀察中，因為 Cowork 的功能限制讓我沒辦法完全放棄 API。