問題：創作工具的 AI 整合往往停在聊天框
很多創作者已經試過用 AI 輔助發想或寫文案，但一旦要回到 Photoshop、Blender 或 Ableton 裡實際動手，往往得手動複製貼上、切換視窗，甚至重新學習一套新的介面。Anthropic 在 2026 年 4 月 28 日發布的「Claude for Creative Work」公告指出，Claude 無法取代品味或想像力，但可以開啟新的工作方式——更快的發想、更廣的技能範圍，以及承接更大規模專案的能力。關鍵在於把 Claude 整合進創意產業原本就熟悉且信任的工具中。
做法：用連接器讓 Claude 直接操作創作軟體
Anthropic 推出的是一組連接器（connectors），讓 Claude 能直接存取其他平台與工具。這次新增的連接器涵蓋多個領域：
- Ableton：讓 Claude 的回答以 Live 與 Push 的官方產品文件為依據。
- Adobe for creativity：整合 Creative Cloud 中超過 50 個工具，包括 Photoshop、Premiere、Express 等，用於處理圖片、影片與設計。
- Affinity by Canva：自動化專業創作流程中的重複性生產工作，例如批次調整圖片、重新命名圖層、匯出檔案，並直接在應用程式內產生自訂功能。
- Autodesk Fusion：讓訂閱 Fusion 的設計師與工程師能透過對話建立與修改 3D 模型。
- Blender：提供自然語言介面給 Blender 的 Python API，方便探索複雜設定並查閱文件。
- Resolume Arena 與 Resolume Wire：讓 VJ 與現場視覺藝術家即時控制 Arena、Avenue 與 Wire，用於現場演出與 AV 製作。
- SketchUp：把對話轉化為 3D 建模的起點，描述一個房間、家具或場地概念後，可開啟至 SketchUp 繼續精修。
- Splice：讓音樂製作人直接在 Claude 內搜尋免版稅取樣目錄。
實際用途：從學習、寫程式到跨工具管線
公告中列舉了幾種 Claude 在創作工作中的具體用法。它可以扮演複雜軟體的隨選導師，解釋 modifier stack、示範合成器技巧或說明不熟悉的功能。Claude Code 則能為既有軟體撰寫腳本、外掛與生成式系統，例如自訂 shader、程序化動畫或參數化模型，並產出可重複使用的程式碼。
跨工具管線也是重點：Claude 能轉換格式、重整資料，並在跨多個應用程式的專案中保持素材同步，減少設計、3D 與音訊工具之間的手動交接。此外，Anthropic Labs 推出的新產品 Claude Design 可用於探索軟體體驗的點子，視覺化選項並根據回饋迭代，且能將結果匯出至其他工具，首波支援 Canva。
Blender 案例：開放原始碼與 MCP 的結合
Blender 開發者製作的 MCP 連接器已正式提供給 Claude 使用。3D 藝術家可以用它分析與除錯整個 Blender 場景，或建立自訂腳本來批次套用修改到場景中的物件。透過 Blender 的 Python API，連接器還能讓 Claude 直接在 Blender 介面中新增工具。
值得注意的是，這個連接器建立在 MCP 之上，因此不只 Claude，其他 LLM 也能使用，反映了 Blender 對開放原始碼與互通性的承諾。Anthropic 也提供了一筆捐款支持 Blender 專案持續開發 Python API。公告在 2026 年 5 月 1 日更新說明，Blender 選擇以一次性捐款而非透過 Blender Development Fund 的方式接受這筆貢獻。
教育合作：從課堂收集真實需求
Anthropic 同時與藝術與設計學程合作，支持涉及創意運算的課程。首批合作對象包括羅德島設計學院的 Art and Computation、瑞格林藝術與設計學院的 Fundamentals of AI for Creatives，以及倫敦大學金匠學院的 MA/MFA Computational Arts 學程。學生與教師將獲得 Claude 與新連接器的使用權，他們的反饋將協助 Anthropic 了解創意實務工作者對這類工具的需求。
對產品建構者的啟示
這批連接器的設計邏輯值得留意：不是把使用者拉進一個新的 AI 平台，而是讓 AI 走進使用者原本的工作環境。對於正在思考 AI 整合策略的產品團隊來說，這代表一種「工具優先」的切入方式——先找出目標使用者每天實際使用的軟體，再設計讓 AI 能直接操作或輔助那些軟體的介面。
同時，Blender 連接器採用 MCP 的作法也顯示，開放標準能讓同一個整合被多個 LLM 使用，降低生態系鎖定的風險。如果你正在規劃類似的整合，可以考慮從使用者最花時間的重複性工作著手，例如批次處理、格式轉換或文件查詢，這類任務最容易量化效益，也最能快速建立信任。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。