不用等人提问了：Snowflake 的 CoCo 与 CoWork 要变成常驻后台同事

2026 年 11 月 3 日，Snowflake 在 Expedition 2026 大会上公布了一批 agent 相关能力，其中最值得琢磨的一条叫 Snowflake Bots：给 CoCo 和 CoWork 两个助手各配一个“常驻机器人”，你交代一个目标，它自己在后台把活干完，只在需要人做决定时才来找你。这句话听起来像又一个“自动干活”的营销口号，但 Snowflake 这次把重点放在了两个平时被跳过的问题上：agent 凭什么知道什么叫“对”，以及它动手的权限从哪来。

先说背景。Snowflake 在官方博客里引用了两组数字：德勤 2026 技术趋势报告说，只有 11% 的组织真正把 agent 用到了生产环境，尽管 38% 已经在试点；凯捷的研究则说，人们对完全自主 agent 的信任度一年内从 43% 跌到了 27%。这两个数字拼在一起，就是当前企业 agent 市场的真实处境：演示都很好看，一上真实数据就露馅——模型拿着一张看起来很像的表，自信满满地算出一个错误的营收数字，或者漏掉一条初级分析师都不会漏的政策限制。Snowflake 的判断是，问题不在模型够不够聪明，而在上下文够不够“官方”：agent 不知道哪个指标定义才是权威的、哪份数据才是最新的、每个用户到底有什么权限。

Bots 到底是什么：从“等提问”到“领目标”

Snowflake Bots 的定位是“目标驱动、常驻后台”。用法是：你给它一个职责，比如“盯住核心管线的健康状况”或“别让客户流失的苗头溜过去”，它自己建议该监测哪些信号、规划工作、然后在几天甚至几周的时间里把任务推进到底，期间数据始终留在受治理的 Snowflake 环境里，权限沿用你的现有权限。它的汇报节奏是反过来的：不是你每次去问它进度，而是它只在两种情况下找你——需要人拍板的时候，和活干完的时候。

这里必须先把预期校准：Bots 目前的状态是“即将进入私人预览”（private preview soon），不是正式可用。真正已经正式可用（GA）的，是同一批里的 CoCo Automations：数据工程师用自然语言描述一个重复性任务，比如“站会前检查管线健康”或“重建周一报表”，定好节奏，它就按排程跑起来，每次运行产出 transcript（执行记录）、在创建者的权限内操作、并受预设的用量配额约束。换句话说，今天你能直接用的是“定时跑的活”，而“自己领目标、连续干几周的同事”还在排队——把这两档混为一谈，是读这篇公告最容易踩的坑。

为什么 Snowflake 敢谈“权限”：agent 继承的是你的身份

Bots 最关键的一句设计，在官方博客里只占了半行：它在“你的现有权限”之下工作。展开说就是，bot 没有一套独立的、更大的身份，它继承的就是交代任务的那个用户的访问权限、角色上下文和权限边界，行级访问策略和脱敏规则对它同样生效。数据团队的 CoCo 跑在云端容器里时也一样：每个会话都使用创建用户的 Snowflake 权限，管理员还可以用“受限会话范围”再收紧一道。

这个设计针对的正是企业最怕的场景：agent 半夜自己跑起来，顺手读了它不该读的表、动了它不该动的数据。Snowflake 的答案不是给 agent 再加一层事后审计，而是让它从一开始就没有越权的能力——它能做的事，等于你本人能做的事。配合每一次运行留下的 transcript，事后可以完整追溯它做了什么、依据什么做的。这套思路对独立开发者未必有吸引力，但对要把 agent 交给几百人用的大公司，这是能不能过合规关的分水岭。

CoCo 与 CoWork 各自变了什么

CoCo 是面向数据团队的编程 agent，这次的变化围绕“人不在场也能推进”。除了上面说的 Automations，Snowsight 里新增了 CoCo 模式：一个全屏工作区，背后是带 shell、文件系统、Git 和实时预览的云端容器，适合跑耗时较长的迁移、多步分析或管线搭建——开着任务合上笔记本，回来时结果已经在那了。Cloud Agents 也正式可用，团队可以在 Snowflake 托管的隔离环境里跑 CoCo，应对长时任务。此外，CoCo 开始往团队已经在用的地方钻：Slack 机器人（公开预览）、GitHub 集成（公开预览，走团队现有的 PR 流程）、移动端（iOS 正式可用、Android 公开预览），以及 Cortex Agent SDK（公开预览），让开发者把 CoCo 的编程能力嵌进自己的应用。

CoWork 是面向全员的个人工作 agent，这次的重点是“按团队调教”。CoWork Profiles（公开预览）让管理员给不同团队配置不同的 agent、技能、连接器和指令：财务团队的问题自动路由到财务规划 agent，市场团队的路由到营销分析 agent，用户不用先从一堆不认识的 agent 里挑。Snowflake Dashboards（公开预览）则让人可以直接对着仪表盘说话：总结它、问某个变化的成因、按某个维度过滤，仪表盘背后的数据仍然受行级权限和脱敏策略保护。另外，CoWork 的 Automations、用户记忆（GA）、用户技能、MCP 连接器、文档生成（PDF、PPTX、DOCX、HTML）和 HTML 报告（公开预览）也一并补齐，目标是让一次对话的成果能直接变成可分享的工作产物。

底层还有一层：让 agent 知道“什么叫对”

Bots 和 Automations 解决的是“动手”的问题，另一半公告解决的是“动脑依据”的问题。Cortex Sense（即将公开预览）会自动从现有的 schema、指标定义和业务逻辑里拼出上下文，省去几周的手工配置；Analytical Search（公开预览）可以对成千上万份文档做计数、比较和趋势分析，比如“有多少份合同含涨价条款”；新的 Arctic Embed 3S 嵌入模型（即将正式可用）据称比上一代在英文检索上好 3%、多语言好 6%、结构化表和列好 23%，而体积保持同一级别；Cortex Training（公开预览）则让团队可以在自有数据上微调 Qwen、DeepSeek、Mistral、Gemma 等开源权重模型，官方称成本比同类 serverless 方案低至 61%——这个数字是厂商自测口径，引用时要留个心眼。

还有两个偏生态的动作：AI Data Package（公开预览）打包了 60 多个行业外部数据集，附带语义视图和一个现成的 CoWork agent；Agentic Marketplace Discovery（公开预览）让人用对话的方式在 Marketplace 里找数据、应用和 AI 产品。连同 Skills and Plugins Sharing（GA），Snowflake 想表达的意思是：一个专家做好的工作流应该变成全公司可复用的资产，而不是每个团队重复造轮子。

我的判断：这是一次“把 agent 关进笼子再放出来”的发布

如果把这次公告和 OpenAI、Anthropic 近期的 agent 发布放在一起看，差别很明显：别人比的是模型多聪明、任务完成率多高，Snowflake 比的是“在别人的数据主权和权限体系里，agent 能不能被信任着放出去干活”。它的赌注是，企业 agent 的瓶颈不在模型，而在上下文和治理——谁先把“权威定义、现有权限、完整审计”这三件事做进产品，谁就先拿到生产环境的入场券。

但也要看到边界。第一，Bots 本身还没开放，今天能验证的只有 Automations 和周边集成，别被“常驻同事”的说法提前说服。第二，所有“成本低至 61%”“检索好 23%”之类的数字都是厂商口径，没有独立复核。第三，Snowflake 的整套逻辑成立的前提是你已经把数据和权限放在 Snowflake 里；如果你的数据根本不在那，这套“继承权限”的优雅设计就无从谈起。对数据团队来说，务实的姿势是：先用 GA 的 Automations 把一两个真正重复的例行活接过去，跑一个月看 transcript 和配额表现，再决定要不要等 Bots 的私人预览；而对还没上 Snowflake 的团队，这篇公告更适合当作选型参考——看它对“权限继承”和“审计”的处理方式，将来拿去要求你自己的 agent 供应商。

三档状态对照：别把“即将预览”当成“已经能用”

读 Snowflake 这类公告，最容易踩的坑是把三档状态混成一档。这里把本轮提到的关键能力按状态排一张对照：正式可用（GA）的是 CoCo Automations（Snowsight 界面与 CLI）、Cloud Agents、受限会话范围、CoWork 用户记忆、Skills and Plugins Sharing，以及 CoCo 移动端 iOS 版；公开预览（public preview）的是 CoCo Slack 机器人、GitHub 集成、CoCo 桌面版 Automations、CoWork Profiles、Dashboards、Analytical Search、Cortex Training、AI Data Package、Agentic Marketplace Discovery、移动端 Android 版等；私人预览在即（private preview soon）的是最受关注的 Snowflake Bots，以及 Cortex Sense。

这个分档对选型有直接意义。GA 意味着可以写进生产计划；公开预览意味着可以试用、但接口和行为可能调整；私人预览在即意味着现在只能看、不能摸，任何基于它的时间表都要留出“跳票”的余地。很多团队读公告时只看功能名字，不看状态档位，结果把“即将推出”写进了下个季度的交付承诺，到期兑现不了。养成一个习惯：看到新能力先问它在哪一档，再决定把它放在“现在就用”“小范围试点”还是“持续关注”这三个篮子的哪一个。

数据团队的落地清单：先从 Automations 接一两个活

如果你已经在用 Snowflake，最务实的落地路径不是等 Bots，而是先把 GA 的 Automations 用起来。建议按这三步走：第一步，挑一个真正重复、且失败时容易察觉的活，比如每天早上站会前的管线健康检查——失败了当天就能发现，修起来也快；第二步，用自然语言描述任务并定好节奏，同时设好用量配额，让它在你的权限内跑，跑一周看 transcript：它有没有按预期执行、有没有多余的动作、花了多少配额；第三步，确认无误后再把第二个活接进来，同时把做好的技能和自动化分享给团队里的其他人，让一个人的经验变成团队的资产。

这个过程里有两个检查点值得坚持。第一，transcript 要定期看，不只是出问题时才翻——transcript 是你了解 agent 行为的唯一窗口，不看它，就等于把钥匙交给了一个从不汇报的临时工。第二，配额要先设后用，agent 的花费不像人工那样有自然上限，跑起来的任务可能比你想象的更频繁，尤其是在定时任务叠加的情况下。先把这两个习惯立起来，再谈“常驻同事”才有意义。

和 OpenAI、Anthropic 的路线对比：三种不同的赌注

把 Snowflake 的发布和 OpenAI、Anthropic 近期的 agent 动向放在一起，能看出三种不同的赌注。OpenAI 的赌注在“规模与通用”：一个 agent 能并行跑多个任务、自己验证、自动提 PR，目标是让 agent 成为默认的开发劳动力；Anthropic 的赌注在“长程与可靠”：更长的上下文、更稳的工具调用、更严格的自我检查，目标是让 agent 能独立啃下更难的任务；Snowflake 的赌注在“治理与上下文”：不追求模型本身更聪明，而是让 agent 在企业已有的权限和定义体系里行动，目标是让 agent 能过合规关、进生产环境。

这三种赌注没有高下之分，但适用场景不同。你的数据本来就在 Snowflake 里、且权限体系已经建好，Snowflake 的路线最顺；你的任务主要是写代码、且对模型能力要求极高，OpenAI 或 Anthropic 的路线更直接；你的场景横跨多个系统、且没有统一的数据平台，那就要先补数据治理这一课，否则任何 agent 来了都会在“不知道什么叫对”上栽跟头。对 vibe 项目的作者来说，这个对比的启发是：选 agent 供应商之前，先看清自己的瓶颈到底在模型能力、还是在上下文与权限——瓶颈在哪，钱就该花在哪。

风险与未解问题：厂商数字、成本与数据不在场的三种情况

最后列三个需要保持警惕的点。第一，所有带百分比的说法——检索好 23%、成本低 61%——都是厂商在自选条件下的测量结果，没有独立第三方复核，引用时应当注明口径，而不是当成既定事实。第二，成本结构：Automations 的配额机制是好事，但 agent 的花费模式和人工不同，定时任务一旦叠加、或者某个任务进入重试循环，账单可能超出预期，上线前务必在小范围里跑出真实花费再放大。第三，数据不在 Snowflake 的情况：如果你的核心数据根本不在这个平台上，整套“继承权限、权威定义”的设计就无从谈起，这时候更应该把公告当作一张检查清单——拿着它去问你自己的供应商：你们的 agent 继承谁的权限？依据什么定义“对”？每次运行留不留完整的执行记录？答不上这三问的供应商，不值得把生产数据交过去。

给没有 Snowflake 的团队：三件可以直接借鉴的事

就算你的数据根本不在 Snowflake 上，这篇公告里也有三件可以直接抄走的做法。第一件是“权限继承”原则：你自己的 agent 或自动化脚本在动手之前，先问一句“它顶着谁的身份在跑”。很多小团队的脚本用的是管理员密钥、跑的是全量权限，出问题时才发现它能动的东西远超预期。改成按任务发最小权限、按用户身份执行，是成本最低的一次安全升级。

第二件是“执行记录”习惯：任何自动跑的任务，都要留下一份事后能查的记录——跑了什么、依据什么、结果如何、花了多少。不管是写日志文件、发日报，还是接进现有的监控里，关键是“出问题时能翻出来”，而不是“出问题时才发现没记”。Snowflake 把 transcript 做成 Automations 的标配，这个习惯值得所有自动化任务照搬。

第三件是“分档发布”纪律：你自己的产品发布，也可以学 Snowflake 的三档——正式可用、公开预览、私人预览内测。很多小团队的发布只有“上了”和“没上”两档，结果新功能一上线就是全量，出问题只能全量回滚。先给一小批用户开预览、跑两周、看数据再全量，这套流程不需要任何大厂基础设施，一个功能开关就能实现。公告里的产品你未必用得上，但公告背后的工作方法，换个规模照样成立。

写在最后：先看档位，再谈期待

读任何一家大厂的 agent 公告，都可以先做一个动作：把每个新能力按“正式可用、公开预览、私人预览在即”分进三个篮子，再决定自己的期待值。Snowflake 这次公告里，值得立刻动手的是 GA 的 Automations 和周边集成，值得小范围试点的是公开预览的 Profiles、Dashboards 和各项连接器，而 Bots 则值得持续关注、等私人预览开放后再验证。分清档位，就不会把“即将推出”当成“已经能用”，也不会把真正能用的 GA 能力晾在一边等一个还没开放的功能。Agent 的世界变化很快，但这个读公告的方法，长期都管用。

补充一组背景数字：Snowflake 官方通稿称 CoCo 已有 9,100 多个使用账户、CoWork 有 5,800 多个，统计口径为截至 2026 年 7 月 31 日季度最后四周的周均使用账户；思科、DocuSign 等公司被列为同时使用两款产品的客户。这些数字出自厂商通稿、未经独立核实，引用时应注明口径，不宜当成市场份额的直接证据。