Claude Live Artifacts:從聊天機器人到持久化 AI 工作空間
Anthropic 的 Live Artifacts 如何把一次性的 AI 輸出變成可重新整理、可互動、並能留在對話中的工具——以及為什麼這會改變團隊與 AI 協作的方式

大多數 AI 對話的結局都一樣。你得到一個有用的輸出——圖表、追蹤器、摘要——但只要你關掉分頁,它就消失了。下次需要時,你又得從頭開始。Claude Live Artifacts 正是為了解決這個問題而設計的。
它不只是產生會消失在聊天記錄中的一次性回覆,而是建立會留在工作空間中、能隨資料變化而更新的持久化互動工具。與其說是「會回答問題的 AI」,不如說是「會幫你打造可以反覆使用的應用程式的 AI」。對於每天都依賴 Claude 的團隊來說,這代表 AI 與實際工作的結合方式出現了重要轉變。
本指南會涵蓋你需要知道的一切:Live Artifacts 是什麼、它們在底層如何運作、可以用它們打造什麼,以及如何開始使用——無論你是開發者、產品經理,還是從未寫過一行程式碼的知識工作者。
什麼是 Claude Live Artifacts?
Claude Artifacts 最早隨 Claude 3.5 Sonnet 一起推出,目的是在聊天旁邊的專屬側欄中渲染程式碼、文件與網頁。你不再需要在捲動的對話文字中閱讀輸出,而是可以在 Code 分頁旁看到即時的 Preview 分頁——讓 AI 輸出有了自己的工作空間。
隨著時間推移,Anthropic 將 Artifacts 從簡單的預覽面板擴展為完整平台,使用者可以直接在 Claude 介面中建立、託管並分享互動式工具。無須外部部署,也不需要獨立的開發環境——只要一個提示詞、一個渲染後的介面,以及一個可即時迭代的 artifact。
Claude Live Artifacts 更進一步,讓這些 artifacts 具備狀態並能彼此連接。它們可以從你的應用程式與檔案中抓取資料、在你開啟時重新整理,並且更像是你會反覆回訪的即時工具,而不是靜態快照。這個差異很重要:早期的 Artifacts 呈現的是「生成當下」的樣子;Live Artifacts 呈現的是「現在」的樣子。
從 Artifacts 到 Live Artifacts:發生了什麼變化
從 Artifacts 演進到 Live Artifacts,包含三項具體升級。
第一是 持久化儲存。早期 artifacts 每次重新開啟時都會重置,因為它們在不同工作階段之間沒有記憶。Live Artifacts 可以儲存使用者輸入、中間結果與應用程式狀態,因此你建立的工具能跨訪問保留上下文,而不是每次都從空白開始。
第二是 API 整合。Live Artifacts 可以在 artifact 內部呼叫 Claude 的 API,將 Claude 嵌入到你建立的介面中,成為推理引擎。它們也可以連接外部資料來源,這正是即時儀表板與追蹤器得以實現的原因。
第三是在 Claude 側欄中的 專屬 artifacts 空間。你所有的 artifacts——以及 Anthropic 精選的內容——現在都集中在一個可瀏覽的位置,並提供建立新項目、混搭現有項目、以及整理收藏的選項。這讓 artifacts 擁有類似檔案系統的持久性,而不是被埋沒在舊對話串中。
這些變化共同讓 Claude 更接近工作空間平台,而不再只是問答型聊天機器人。
Claude Live Artifacts 如何運作
建立 artifact 的核心流程很直接。你描述想要什麼——儀表板、資料視覺化、原型介面、簡單工具——Claude 就會產生底層程式碼。對於簡單的 artifacts,通常是 HTML、CSS 與 JavaScript。對於更複雜的項目,則可能包含 React 或其他前端元件,直接在 Claude 介面中渲染。
Anthropic 將基本互動描述如下:描述 artifact,Claude 寫程式碼,應用程式在 Anthropic 的基礎架構上執行,而你透過自己的 Claude 帳戶驗證後,與專屬實例互動。
Live Artifacts 進一步擴展了這個流程,讓 artifacts 能呼叫外部 API 與資料來源、在工作階段之間儲存狀態,並在每次開啟時顯示最新資料,而不是重播靜態快照。這就是「持續運作的銷售管線追蹤器」與「上一季數字的單次圖表」之間的差別。
從技術角度來看,Claude 3.5 Sonnet 在 agentic coding 任務上的優勢在這裡尤其重要。由於這個模型在撰寫與迭代前端程式碼方面表現穩定,從「描述你想要什麼」到「得到可運作介面」之間的落差已經小到在實務上真正有用,而不只是示範時好看。
Claude Live Artifacts 的關鍵能力
專屬的 Artifacts 空間
Claude 介面現在提供一個側欄,所有 artifacts 都能在同一處看到。你可以在這裡瀏覽自己建立的 artifacts、探索 Anthropic 精選範例、從零開始建立新 artifacts 或混搭現有項目,並隨著收藏成長管理它們。
這將文件管理的思維模型帶進了 Claude。Artifacts 的行為更像檔案或應用程式,而不是短暫的聊天訊息——它們有名稱、會持久存在,而且不用在對話記錄中一直捲動就能找到。
可即時重新整理的體驗
在 Claude 的 Co-work 與 Live 環境中,artifacts 可以直接連接到你的應用程式與檔案。開啟 artifact 時會觸發新的資料抓取,而不是顯示凍結快照。這讓它們非常適合持續進行的工作流程:監控銷售管線、檢視內容行事曆,或追蹤產品指標——這些任務若只看「上週的資料」,其實會造成誤導。
這裡的實用門檻很明確。如果你發現自己反覆向 Claude पूछ「最新數字是多少」,那麼這個工作流程就是 Live Artifact 的候選項目。
面向非開發者的免程式碼應用程式建立
Artifacts 平台讓非開發者也能透過自然語言描述建立可運作工具。使用者可以描述抽認卡生成器、費用追蹤器、招募漏斗或資料驅動儀表板,Claude 則會在 artifact 面板中產生並迭代實作。
Artifacts 支援豐富的 UI,而已發布的 artifacts 會將使用量計入終端使用者,而不是建立者——因此你可以實際大範圍分享工具,而不必承擔他人工作階段帶來的持續運算成本。
內嵌推理的 AI 驅動產物
新的 AI 驅動 artifacts 可以直接在 artifact 內呼叫 Claude 的 API,讓介面本身成為智慧層,而不只是靜態前端。搭配持久化儲存,這些 artifacts 可以保留類似對話的上下文、記住使用者偏好,並跨工作階段累積結果,而不是每次都重播整段對話。
早期社群實驗顯示,這能打造出專用工具——客製化助理、互動式生成器、智慧圖表——其感受更像獨立產品,而不是聊天記錄。與早期 Artifacts 的關鍵差異在於,AI 是在工具裡面,而不只是工具的建構者。
分享、混搭與目錄
Anthropic 持續擴充的目錄讓使用者可以發布 artifacts、瀏覽他人的創作,並對其進行混搭。共享 artifacts 可透過連結存取——沒有 Claude 帳戶的訪客也能檢視 artifact,而已登入使用者則可以複製並依自己的情境進行調整。
這種可混搭性大幅降低了建立新工具的成本。當目錄中已經有類似的 artifact,往往不需要從空白頁面開始,只要透過幾個提示詞就能 fork 並修改。
誰最受益:按角色分類的使用案例
開發者與技術團隊
開發者可以使用 Live Artifacts 建立互動式架構圖,並在底層系統變更時保持更新;可以快速原型化內部工具與管理面板,由 Claude 產生基礎骨架;也可以建立小型工具——如 regex 測試器、API 請求建構器、schema 視覺化工具——讓它們在側欄中一鍵可用。
由於 Claude 3.5 Sonnet 在 agentic coding 任務上表現良好,從提示詞到可執行工具的流程已經夠緊湊,足以取代內部工具專案中相當一部分的樣板建置工作。
產品經理與設計師
產品團隊可以把手繪草圖或截圖轉成互動式原型,將可即時更新的產品需求文件與使用者旅程地圖維持為可協作的 artifacts,並建立簡單的可用性測試框架,用假資料包裝但行為像真實介面的工具。
因為 Live Artifacts 呈現的是實際 UI,而不是靜態 mockup,它們很適合早期利害關係人審查,不需要完整的設計到工程交接。這能大幅縮短早期概念的回饋週期。
知識工作者與營運團隊
非技術使用者可以建立活動、銷售漏斗或營運指標的報表儀表板,並在開啟時自動更新。他們也可以建立工作流程輔助工具——內容行事曆、潛在客戶追蹤器、招募流程——讓它們與底層資料保持同步。他們還可以把 artifacts 當作結構化知識庫,讓 Claude 透過設計好的 UI 呈現答案,而不是長篇文字。
Live Artifacts 位於一個很實用的層級:互動性比試算表更高,複雜度又低於完整的 SaaS 平台。對於已經超出試算表能力、但又不值得專門開發軟體的工作流程,它們通常是很合適的選擇。
如何開始使用 Claude Live Artifacts
啟用 Artifacts
在 Claude 的網頁介面中,可以於設定中啟用 Artifacts——請查看 Capabilities 或 Feature Previews,具體名稱取決於你的帳戶方案。一旦啟用,當輸出會受益於結構化預覽時,例如程式碼、視覺化或格式化文件,Claude 就會自動提出建立 artifact。
啟用 Artifacts 後,側欄中的專屬 artifacts 空間也會顯示出來,提供瀏覽與建立入口,並附帶 Anthropic 的精選範例。
建立你的第一個 Live Artifact
基本的建立流程如下。先在 Claude Live 或 Co-work 中開啟對話,描述你想要的工具——儀表板、追蹤器、生成器或原型。讓 Claude 提出 artifact,然後檢查 Preview 分頁,並透過後續提示詞進一步調整。如果你想要更多控制,可以打開 Code 分頁,檢視或編輯底層的 HTML、CSS、JavaScript 或框架程式碼。儲存 artifact,讓它出現在側欄中,方便日後重新開啟、分享或重新整理。
如果要讓 artifact 真正「活起來」,可以在提示詞中加入資料來源需求——例如「連接到這個 API」或「從這個檔案讀取」——並在支援的情況下,允許 artifact 呼叫 Claude 的 API 並跨工作階段保留狀態。
發布與混搭
當你滿意後,發布 artifact 會產生可分享連結。收件者可以在瀏覽器中與它互動,而已登入使用者則可以將它複製到自己的 artifacts 空間,並提示 Claude 依其情境進行調整。
由於運算成本是按終端使用者的使用量計費,而不是按建立階段計費,因此廣泛分享不會讓你為他人的工作階段承擔持續性的基礎架構成本。
為什麼 Claude Live Artifacts 很重要
從短暫的 AI 輸出轉向持久且可互動的工具,不只是外觀上的改變。它解決了大多數 AI 工作流程都會遇到的真實摩擦:你用 AI 建出來的東西會消失,這意味著你必須反覆重建,而 AI 也永遠不會成為你工作流程中的穩定層——只是一筆反覆出現的成本。
透過讓 artifacts 具備持久性且可重新整理,Anthropic 做的不只是新增功能,而是在策略上把 Claude 定位成工作空間,而非聊天介面。你建立的輸出會變成資產——可命名、可回訪、可分享——而不只是短暫的答案。
有三個值得注意的影響。第一,工作流程持久化意味著 AI 輸出會成為與團隊歸檔與回顧工作方式相容的穩定物件,而不是需要重新建構上下文的零散訊息。第二,應用程式建立民主化意味著非開發者現在也能在不需要開發者介入的情況下推出有用的微型工具。第三,目錄與混搭模型創造了生態系潛力——建立在 Claude 上的 AI 原生工具市集,且使用經濟鼓勵創作者分享,而不是懲罰他們。
隨著 Live Artifacts 成熟——特別是在與外部系統、團隊工作空間與治理模型的整合加深之後——它們很可能成為組織真正感受到 AI 融入日常工作的主要介面之一,而不只是偶爾才會使用、用完就忘的助理。
常見問題
我需要懂程式才能使用 Claude Live Artifacts 嗎?
不需要。Artifacts 的核心概念就是你用自然語言描述想要什麼,而 Claude 會撰寫程式碼。你互動的是渲染後的介面,而不是底層實作。Code 分頁會提供給想使用它的人,但使用 artifact 並不需要碰它。
一般的 Claude Artifact 和 Live Artifact 有什麼差別?
一般 Artifact 是在預覽面板中渲染的靜態輸出——它只會顯示建立當下生成內容的快照。Live Artifact 則加入了持久化狀態、外部資料連接,以及在 artifact 內部呼叫 Claude API 的能力,因此它可以重新整理並持續演進,而不是顯示凍結快照。
我可以把 Claude Live Artifact 分享給沒有 Claude 帳戶的人嗎?
可以。共享 artifacts 可透過連結存取,沒有 Claude 帳戶的人也能在瀏覽器中查看。已登入使用者則可以進一步將 artifact 複製到自己的工作空間並自訂。
發布後的 artifacts 費用如何計算?
已發布 artifacts 的運算成本會依終端使用者的使用情況計費,而不是向 artifact 建立者收費。這表示你可以廣泛分享工具,而不必為他人的工作階段承擔持續性的基礎架構成本。
Claude Live Artifacts 最適合哪類工具?
Live Artifacts 非常適合任何需要結構化 UI、受益於可重新整理資料,或原本就需要試算表或簡單網頁應用程式的場景。常見例子包括儀表板、工作流程追蹤器、互動式生成器、原型介面,以及結構化知識庫。
在尋找超越單次工作階段 artifacts 的 AI 工作空間嗎?Eigent 提供團隊一個多代理人桌面平台,具備持久化工具、平行執行,以及與你已在使用的應用程式深度整合。
Recent Posts

Kimi K3:Moonshot AI 的 2.8T 開放權重前沿模型,專為智能體程式設計打造
Kimi K3 是 Moonshot AI 的 2.8 兆參數開放權重模型,為史上最大。了解其規格、基準測試、定價,以及對 AI 智能體的意義。

Thinking Machines Inkling:Mira Murati 首個開放權重模型深度解析
Thinking Machines Lab 的首個模型 Inkling,是一個擁有 9750 億開放權重的多模態 MoE 系統,支援可調控的推理強度。本文涵蓋規格、基準測試及其重要意義。

ChatGPT Work 解析
了解 ChatGPT Work 的功能、它與 Chat 和 Codex 的差異,以及如何用它處理多步驟任務、文件、試算表與團隊工作流程。