Claude Live Artifacts:从聊天机器人到持久化 AI 工作区
Anthropic 的 Live Artifacts 如何把一次性 AI 输出变成可刷新、可交互的工具,并直接存在于你的对话中——以及这为何会改变团队与 AI 协作的方式

大多数 AI 对话的结局都一样。你得到一个有用的输出——图表、跟踪器、摘要——而当你关闭标签页的那一刻,它就消失了。下次你再需要它时,只能从头开始。Claude Live Artifacts 正是为了解决这个问题而设计的。
与其生成会消失在聊天记录里的一次性回复,Claude Live Artifacts 不如在你的工作区中创建持久、交互式的工具,并随着数据变化而刷新。与其说它是“回答问题的 AI”,不如说它是“构建你会不断回访的应用的 AI”。对于每天依赖 Claude 的团队来说,这意味着 AI 融入真实工作的方式发生了实质性转变。
本指南涵盖你需要了解的一切:Live Artifacts 是什么、底层如何工作、你可以用它们构建什么,以及如何开始使用——无论你是开发者、产品经理,还是从未写过一行代码的知识工作者。
什么是 Claude Live Artifacts?
Claude Artifacts 最早与 Claude 3.5 Sonnet 一同出现,作为一种在聊天旁边的专属侧边栏中渲染代码、文档和网页的方式。你不再是在滚动的对话记录里阅读输出,而是可以在 Code 标签页旁边看到实时 Preview 标签页——让 AI 输出拥有自己的工作区。
随着时间推移,Anthropic 将 Artifacts 从一个简单的预览面板扩展为一个完整平台,用户可以直接在 Claude 界面内构建、托管和共享交互式工具。无需外部部署,也不需要单独的开发环境——只需一个提示词、一个渲染后的界面,以及一个你可以实时迭代的 artifact。
Claude Live Artifacts 更进一步,让这些 artifact 具备状态并相互连接。它们可以从你的应用和文件中拉取数据,在打开时刷新,并且更像你会反复回访的实时工具,而不是静态快照。这一区别非常重要:早期的 Artifacts 展示的是它在生成那一刻的样子,而 Live Artifacts 展示的是它此刻的样子。
从 Artifacts 到 Live Artifacts:发生了什么变化
Artifacts 进化到 Live Artifacts,涉及三项具体升级。
第一是持久化存储。早期 artifact 在你重新访问时会重置,因为它们在会话之间没有记忆。Live Artifacts 可以存储用户输入、中间结果和应用状态,因此你构建的工具会保留上下文,而不是每次都从空白开始。
第二是API 集成。Live Artifacts 可以在 artifact 内部调用 Claude 自己的 API,将 Claude 嵌入为你所构建界面中的推理引擎。它们还可以连接外部数据源,这正是实时仪表盘和跟踪器能够实现的原因。
第三是在 Claude 侧边栏中的专属 artifacts 空间。你所有的 artifact——以及 Anthropic 精选的 artifact——现在都集中在一个可浏览的位置,并提供创建新 artifact、重混现有 artifact 和整理集合的选项。这让 artifact 具有类似文件系统的持久性,而不是被埋在旧聊天线程里。
这些变化共同推动 Claude 更接近一个工作区平台,而不是一个问答聊天机器人。
Claude Live Artifacts 如何工作
创建 artifact 的核心流程很直接。你描述你想要什么——仪表盘、数据可视化、原型界面、简单工具——Claude 就会生成底层代码。对于简单 artifact,这通常是 HTML、CSS 和 JavaScript。对于更复杂的 artifact,则可能涉及 React 或其他前端组件,并直接在 Claude 界面中渲染。
Anthropic 对这一基础交互的描述如下:描述 artifact,Claude 编写代码,应用运行在 Anthropic 的基础设施上,然后你通过自己的 Claude 账号认证后与实例交互。
Live Artifacts 在此基础上进一步扩展,允许 artifact 调用外部 API 和数据源,在会话之间保存状态,并且每次打开时都呈现最新数据,而不是重放静态快照。这正是一个持续运行的销售管道跟踪器,与上个季度数据的一次性图表之间的区别。
从技术角度看,Claude 3.5 Sonnet 在 agentic coding(代理式编程)任务上的优势在这里尤为关键。因为该模型在编写和迭代前端代码方面表现可靠,所以“描述你想要什么”与“拥有一个可用界面”之间的距离足够短,足以在实践中真正派上用场——而不只是演示。
Claude Live Artifacts 的核心能力
专属的 Artifacts 空间
Claude 界面现在提供一个侧边栏,所有 artifact 都会集中显示在这里。你可以在这里浏览自己创建的 artifact,探索 Anthropic 提供的精选示例,从零创建新的 artifact,或通过重混现有 artifact 来创建新版本,并随着集合增长对其进行管理。
这将文档管理的思维模型带入 Claude。Artifacts 更像文件或应用,而不是短暂的聊天消息——它们有名称,会持久保存,并且无需在对话历史里滚动查找即可找到。
可实时刷新的体验
在 Claude 的 Co-work 和 Live 环境中,artifact 可以直接连接到你的应用和文件。打开 artifact 时会触发新的数据拉取,而不是显示冻结的快照。这使它们适用于持续性工作流:监控销售管道、审查内容日历或跟踪产品指标——这些任务中,“上周的数据”会产生明显误导。
这里的实际门槛很有意义。如果你发现自己会反复向 Claude 追问“最新数据”,那么这个工作流就是 Live Artifact 的候选对象。
面向非开发者的无代码应用创建
Artifacts 平台让非开发者也能通过自然语言描述构建功能性工具。用户可以描述抽认卡生成器、费用跟踪器、招聘漏斗或数据驱动的仪表盘,Claude 会在 artifact 面板中生成并迭代实现。
Artifacts 支持丰富的 UI,而已发布的 artifact 会将使用成本计入终端用户,而不是创建者——这使得广泛分享工具变得可行,而不会因为他人的会话给你带来持续的算力成本。
内置推理的 AI 驱动 artifact
新的 AI 驱动 artifact 可以直接在 artifact 内调用 Claude 的 API,将界面本身变成一个智能层,而不仅仅是静态前端。结合持久化存储,这些 artifact 可以维持类似对话的上下文、记住用户偏好,并跨会话累积结果,而无需每次都重放整段聊天记录。
早期社区实验指向的是一些专门构建的工具——自定义助手、交互式生成器、智能图表——它们更像独立产品,而不是聊天记录。与早期 Artifacts 的关键区别在于,AI 在工具内部,而不只是工具的构建者。
共享、重混与目录
Anthropic 不断扩展的目录让用户可以发布 artifact、浏览他人的作品并对其重混。共享 artifact 可通过链接访问——没有 Claude 账号的访客也可以查看 artifact,而已登录用户可以复制并根据自己的场景进行修改。
这种可重混性大幅降低了构建新工具的成本。当目录中已经存在类似 artifact,并且只需几个提示词就能分叉和修改时,你几乎不需要从空白页面开始。
谁最受益:按角色划分的用例
开发者与技术团队
开发者可以使用 Live Artifacts 构建交互式架构图,并在底层系统变化时保持同步;创建内部工具和管理面板原型,让 Claude 生成脚手架;还可以创建一些小型实用工具——正则测试器、API 请求构建器、Schema 可视化工具——通过侧边栏一键访问。
由于 Claude 3.5 Sonnet 在 agentic coding 任务上表现出色,从提示词到可运行工具的循环足够紧凑,足以在内部工具项目中替代相当一部分脚手架工作。
产品经理与设计师
产品团队可以将手绘草图或截图转化为交互式原型,将实时产品需求文档和用户旅程图作为 artifact 持续维护并协作优化,还可以构建简单的可用性测试支架,这些支架围绕模拟数据运行,但表现得像真实界面一样。
由于 Live Artifacts 渲染的是实际 UI,而非静态原型图,因此它们适合在早期利益相关方评审中使用,而无需完整的设计到工程交接。这能显著缩短早期概念的反馈周期。
知识工作者与运营团队
非技术用户可以为营销活动、销售漏斗或运营指标创建在打开时刷新的报表仪表盘。他们可以构建工作流助手——内容日历、线索跟踪器、招聘管道——并与底层数据保持同步。他们还可以将 artifact 作为结构化知识库,让 Claude 通过设计好的 UI 而不是冗长段落来呈现答案。
Live Artifacts 占据了一个很有价值的层级:交互性高于电子表格,复杂度低于完整的 SaaS 平台。对于那些已经超出电子表格能力范围、但又不足以单独开发一套软件的工作流来说,它们通常非常合适。
如何开始使用 Claude Live Artifacts
启用 Artifacts
在 Claude 的网页版界面中,可以在设置里启用 Artifacts——根据你的账号等级,可能位于 Capabilities 或 Feature Previews 下。启用后,当输出适合结构化预览时,例如代码、可视化或格式化文档,Claude 会自动建议创建 artifact。
一旦启用 Artifacts,侧边栏中的专属 artifacts 空间就会出现,并提供浏览和创建入口,以及 Anthropic 的精选示例。
创建你的第一个 Live Artifact
一个基础的创建流程如下。先在 Claude Live 或 Co-work 中开启对话,并描述你想要的工具——仪表盘、跟踪器、生成器或原型。让 Claude 建议一个 artifact,然后查看 Preview 标签页,并通过后续提示词进行优化。如果你想要更多控制,可以打开 Code 标签页查看或编辑底层的 HTML、CSS、JavaScript 或框架代码。保存 artifact,这样它就会出现在侧边栏中,并可随时重新打开、共享或刷新。
要让 artifact 真正“活”起来,可以在提示词中加入数据源需求——例如“连接到这个 API”或“从这个文件读取”——并在支持的情况下,允许 artifact 调用 Claude 的 API 并在会话之间持久化状态。
发布与重混
一旦你满意,发布 artifact 就会生成一个可分享链接。接收者可以在浏览器中与之交互,而已登录用户可以将其复制到自己的 artifacts 空间,并提示 Claude 根据自己的场景进行调整。
由于算力成本是按终端用户使用情况而不是创建行为来计费的,因此广泛分享不会给你带来他人会话的持续基础设施成本。
为什么 Claude Live Artifacts 很重要
从短暂的 AI 输出转向持久、交互式工具,并不是一个表面变化。它解决了大多数 AI 工作流都会遇到的真实摩擦:你用 AI 构建的东西会消失,这意味着你必须反复重建,而 AI 从未成为你工作流中的稳定层——只是一项反复出现的成本。
通过让 artifact 持久化并可刷新,Anthropic 做的不只是增加一个功能,而是在更战略性的层面上将 Claude 定位为工作区,而不是聊天界面。你创建的输出会变成资产——可以命名、可以回访、可以共享——而不是转瞬即逝的答案。
这里有三点值得注意。第一,工作流持久化意味着 AI 输出成为可稳定保存的对象,能够与团队归档和回访工作的方式兼容,而不是需要重新构建上下文的隐藏消息。第二,应用创建民主化意味着非开发者现在也能在无需开发者介入的情况下交付有用的微工具。第三,目录和重混模型创造了生态系统潜力——一个构建在 Claude 之上的 AI 原生工具市场,其使用经济会奖励创作者分享,而不是惩罚他们。
随着 Live Artifacts 不断成熟——尤其是在与外部系统、团队工作区和治理模型的集成进一步加深时——它们很可能会成为组织真正感受到 AI 融入日常工作的主要界面之一,而不仅仅是一个偶尔咨询、随后就被遗忘的助手。
常见问题
使用 Claude Live Artifacts 需要会编程吗?
不需要。Artifacts 的整个理念就是你用自然语言描述想要什么,Claude 来编写代码。你交互的是渲染后的界面,而不是底层实现。虽然 Code 标签页对有需要的人开放,但使用 artifact 并不要求你去接触它。
普通 Claude Artifact 和 Live Artifact 有什么区别?
普通 Artifact 是在预览面板中渲染的静态输出——它展示的是创建时生成内容的快照。Live Artifact 则增加了持久化状态、外部数据连接,以及在 artifact 内部调用 Claude API 的能力,因此它可以刷新和演化,而不是显示冻结的快照。
我可以把 Claude Live Artifact 分享给没有 Claude 账号的人吗?
可以。共享的 artifact 可通过链接访问,任何人都能在浏览器中查看,无需 Claude 账号。已登录用户还可以进一步将该 artifact 复制到自己的工作区中进行自定义。
已发布 artifact 的费用如何计算?
已发布 artifact 的算力成本按终端用户的使用情况计费,而不是计入 artifact 创建者。这意味着你可以广泛共享工具,而不会因为他人的会话产生持续的基础设施成本。
Claude Live Artifacts 最适合哪类工具?
Live Artifacts 擅长任何需要结构化 UI、受益于可刷新数据,或通常需要电子表格或简单网页应用的场景。常见示例包括仪表盘、工作流跟踪器、交互式生成器、原型界面和结构化知识库。
在寻找一个超越单次会话 artifact 的 AI 工作区?Eigent 为团队提供具备多智能体桌面平台,支持持久化工具、并行执行,以及与你已在使用的应用深度集成。
Recent Posts

Kimi K3:Moonshot AI 发布的 2.8T 开放权重前沿模型,专为智能体编程打造
Kimi K3 是 Moonshot AI 发布的 2.8 万亿参数开放权重模型,也是迄今为止发布的最大开放权重模型。了解其规格参数、基准测试成绩、定价方案,以及对 AI 智能体领域的深远影响。

Thinking Machines Inkling:Mira Murati 首个开放权重模型深度解析
Thinking Machines Lab 的首个模型 Inkling 是一款拥有 9750 亿开放权重的多模态 MoE 模型,支持可控推理强度。本文涵盖技术规格、基准测试及其重要意义。

ChatGPT Work 详解
了解 ChatGPT Work 的功能、它与 Chat 和 Codex 的区别,以及如何将其用于多步骤任务、文档、电子表格和团队工作流。