共计 1273 个字符，预计需要花费 4 分钟才能阅读完成。
agent 进驻工作群, 我们给豆包支的招,Claude 听进去了
Anthropic 最近推出的 Claude Tag, 把 AI Agent 直接塞进了工作群 。只要在 Slack 频道里 @Claude, 它就能顺着上下文拆任务、调工具、跑流程、交结果。这被 Karpathy 称为 LLM UI/UX 的第三次重设计——从网站、App, 进化成一个自包含、持久、异步的组织实体。
📌 Claude Tag 如何工作?
- 重点: LLM 的第三次革命,AI 牛马直接在群里上班。
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
管理员将 Claude 加入指定 Slack 频道, 并授权相关工具、数据和代码库 。之后, 频道成员只需 @Claude 即可分配任务。Claude 会基于群聊上下文, 自主拆解任务、调用可用工具, 并在同一讨论串中交付结果。它支持多人协作、持续学习、主动推送信息, 并能异步执行耗时数小时甚至数天的任务。
🔍 典型用法: 从快速补课到自动修复 bug
对于普通员工, 最实用的场景是“快速补课”: 当你在群聊中错过大量消息时 ,@Claude 即可获取讨论结论、未解决问题和下一步行动清单。它还能管理那些长期被免打扰的“半荒废群聊”——客服反馈、告警、工单等, 自动筛选出真正需要人类处理的步骤。更深度的应用体现在开发场景: 群内有人报告 bug 后,@Claude 可基于讨论内容直接定位代码问题、生成修复方案并打开草稿 PR。
💡 LLM 的第三次形态: 从工具到同事
Karpathy 将 LLM 交互演进划分为三代: 第一代网站形态用于问答, 第二代 App 形态服务于个人工作 , 第三代组织实体形态让 LLM 成为团队中可被 @的角色。Claude Tag 正是第三代的代表。它不再让每个人与 AI 单独协作, 而是将 Agent 拉入公共讨论场景——人类负责讨论和决策,AI 负责总结、查证、拆解和执行。这种模式解决了企业 Agent 此前难以落地的痛点: 很多产品能总结会议、查知识库, 但一旦进入复杂工作流便难以闭环。
📊 现实挑战: 强大但昂贵, 权限治理是关键
尽管功能强大, 但 Claude Tag 运行在 Opus 4.8 模型上, 复杂 Agent 任务的 token 消耗远高于普通问答, 企业需分层使用模型并设置预算上限。此外, 权限治理是另一大难题:Agent 可接入代码库、CRM 等敏感数据, 一旦失控可能引发安全风险。Anthropic 提供了组织级和频道级的 token 上限、任务审计、访问控制等功能, 但企业仍需建立完善的治理流程。
🚀 行业观察: 企业 Agent 的未来方向
Claude Tag 的启发在于 , 企业 Agent 应走向三个方向: 从个人 Agent 转向群组 Agent, 从问答工具转向异步执行者, 从功能堆叠转向能力收敛。让 Agent 更像一个“高效率的人类员工”, 成为团队中能接住上下文、推进流程、持续收口的万能同事, 才是真正有价值的形态。目前多数企业 Agent 受限于模型能力和功能闭环, 距离这一目标仍有距离。Claude Tag 的出现为行业树立了一个标杆: 模型强是基础, 产品形态的收敛同样重要。
