Anthropic 新版 Claude Tag 实现 Slack 全对话理解与主动介入

Anthropic 正进行一项经过审慎计算的押注：企业人工智能领域最大的瓶颈并非模型智能——而是大多数人仍在单独使用人工智能。

在 VentureBeat 独家专访中，Anthropic 企业产品主管斯科特·怀特（Scott White）阐述了该公司所谓“多人协作式人工智能（multiplayer AI）”的核心主张：即从单用户聊天机器人范式转向跨团队运行、能理解组织上下文并主动介入工作流的人工智能代理——有时甚至无需被明确请求。

本月早些时候，Anthropic 更新其 Slack 频道内嵌式代理 Claude Tag时，该战略得以明确成型：新版 Claude Tag 可读取整个对话的上下文，而非逐条评估消息。据该公司称，这一改动使 Claude 在决定何时——以及关键地，何时不——未经提示便主动介入对话的能力提升了约 30%。

这听起来可能只是一次渐进式产品更新。但怀特认为，它代表了一种更根本的转变：人工智能从此不再是个体咨询的工具，而成为组织部署的同事。

“过去 Claude 给人的感觉像是你个人的首席幕僚，”怀特告诉 VentureBeat，“如今，在组织部署语境下，Claude 给人的感觉则是整家公司的首席幕僚。”

企业人工智能如何从自动补全代码演进为追求公司级目标

怀特将行业演进划分为三个明确阶段，其叙述同时亦构成 Anthropic 引导其企业产品发展方向的路线图。

他指出，最初阶段，人工智能仅处理“一项任务的部分环节”——例如在聊天机器人中回答一个问题，或在集成开发环境（IDE）中补全一行代码。随着模型能力提升，它们进阶至完成整项任务：撰写完整函数、生成研究报告、依据多个数据源起草文件。

“我认为，我们当前正处于我所称的‘项目’或‘目标’轨迹上，”怀特表示，“模型已具备相应能力，且与各系统的连接能力也已足够强大，足以实现更高阶的抽象目标——例如保持我们产品的零缺陷，或加速我们的法律部门 NDA 审查流程——此时模型可主要在后台运行，连接各类数据源，并以代理方式循环审视其自认的目标。

怀特认为，正是这种转变迫使人工智能走向多人协作模式。目标天然涉及多人，而任务则不然。知识型工作——不同于软件工程（后者数十年来已围绕 Git 和拉取请求构建起成熟的协作基础设施）——尚无等效的支撑框架。

“知识型工作远比软件工程混乱得多，”怀特表示，“它涉及多人、多岗位职能、多系统互联，且各系统权限各异……目标或产出成果亦不如代码那般易于验证。代码可通过测试、可在本地机器编译，你可反复迭代直至其确定性地正常运行。知识型工作未必如此，它需要人类判断来确认某项成果是否达到质量标准。”

促成主动式人工智能代理成为可能的三项技术突破

当被问及真正推动多人协作式转变的因素时，怀特指出过去两年间汇聚而成的三大支柱。第一是连接性。Anthropic 于 2024 年底推出的开放标准 模型上下文协议（Model Context Protocol，MCP） ——该标准随后于 2025 年被 OpenAI 与谷歌采纳——已发展成熟，怀特将其称为“AI 连接器的 USB-C”，赋予 Claude 对企业数据系统的受控访问权限。

第二是模型智能达到某一阈值，使主动性成为可能而非令人厌烦。“当你连接至所有这些不同系统时，你必须能够将从各来源获取的数据关联起来，才能主动介入并说：‘我认为我发现了您面临的一个问题，我能解决它，’”怀特表示，“你确实需要达到一种全新的模型智能水平，而我认为我们直到最近才真正实现这一点。”

第三是形态因子：将 Claude 部署在协作已然发生之处。怀特将 Slack 集成 描述为“我们建立的一项新颖合作伙伴关系，旨在让 Claude 以代理身份持续存在”——该集成赋予 Claude 一个联邦式代理身份，拥有自身权限、频道感知能力及通过 MCP 连接的上下文。

此次 Claude Tag 更新展示了上述各要素如何协同运作。此前，一个轻量级分类器会孤立地逐条评估每条 Slack 消息，并就 Claude 是否应响应作出二元判断。Anthropic 现已彻底移除该分类器。Claude 现在读取频道的完整上下文——连同其记忆与既定指令——并在四种行动中择一执行：内联回复、在线程中启动更深入的工作、将消息路由至现有工作流，或保持沉默。Anthropic 的公告提供了一个颇具启发性的示例：两名工程师从相反方向追查同一漏洞，均未向 Claude 发出任何指令。若单独阅读，两条消息均不触发响应；但合起来看，一名工程师提出假设，另一名则掌握证据——此时 Claude 即开启一个线程，调查工作已在其中展开。值得注意的是，该公司在系统中明确内置了克制机制。“令人厌烦的代理比无用的代理更糟糕，”Anthropic 在公告中写道，并指出当 Claude 在某个频道中反复无话可说时，便会进入休眠状态。

为何 Anthropic 认为协作式人工智能优于单打独斗的明星表现者

显而易见的怀疑论者会质疑：这一切是否真能提升团队效率？高绩效者往往 独自工作时推进最快，而在工作风格各异的人员之间协调人工智能的使用确实困难重重。当被追问实证时，怀特援引了自己在 Anthropic 内部工作方式的变化。

“过去，若我对业务中某事存有疑问，我会与数据科学家合作，花一两天时间围绕该问题陈述开展数据分析，”怀特表示，“如今 Claude 执行数据分析已足够出色，使我无需再进行此类交接。数据科学家如今所做的，是构建一套基础设施，确保 Claude 在执行数据分析时始终正确。”

他表示，结果是原本耗费于等待交接的时间，现在转而用于判断：“我更多时间是与同级别的协作者共同研讨，探讨我们究竟该采取何种行动、应如何调整策略……过去为完成一项工作并据此做出决策所需经历的多次交接——所有这些环节如今都已大幅缩短。”

怀特援引站点可靠性工程（site reliability engineering）作为该模式最清晰的外部佐证：Claude 收集错误日志，将其与近期代码变更及相关的 Slack 对话关联起来，继而呈现综合分析结果，并拉入相关人员——“解决规模更大、更具雄心、目标导向性更强的问题，而这类问题通常必须协作完成。”

这些主张出现在一个仍难以将人工智能热情转化为实际回报的市场中。麦肯锡（McKinsey）最新发布的 《人工智能现状》（State of AI） 调查发现，尽管88%的组织报告已在至少一项职能中使用人工智能，且62%的组织至少正在试验人工智能代理（AI agents），但仅有39%的组织将任何盈利影响归因于人工智能——而仅有6%可被归类为“高绩效者”，即已从中获得显著价值。

德勤（Deloitte）则预测，2025年将有25%使用生成式人工智能的企业部署代理， 到2027年这一比例将翻倍至50%。这种采用率与实际影响之间的差距，正是Anthropic试图占据的领域：如果经过重新设计的工作流程（而非简单附加的聊天机器人）才是区分人工智能赢家与其他企业的关键，那么一款能重构团队协作方式的产品，将比一款性能略优的模型构成更稳固的竞争切入点。

Anthropic如何防御始终在线代理遭受提示注入攻击

赋予人工智能代理对公司 Slack频道、文档及所连接系统的持续访问权限，引发了一个显而易见的攻击面问题，尤其涉及提示注入（prompt injection）——即在人工智能读取的内容中嵌入恶意指令的技术。

怀特（White）描述了一种分层防御策略。“模型本身经训练配备了分类器，有助于防范提示注入等攻击，”他表示，并补充称Anthropic此前曾因该问题推迟过产品发布：“我们并未正式发布Chrome扩展程序，实际上还将其置于等待名单……因为我们需更深入理解在浏览器环境中使用Claude时提示注入的风险。随后，我们确实开展了新型分类器训练，以利用该数据集找出改进方法。”

除模型层面的防御外，Anthropic还开放了合规性与分析API，使企业能够自行定义风险阈值，并通过其钩子（hooks）和数据防泄漏（data loss prevention）集成，与第三方安全供应商合作。“我们认为应在技术栈的多个层级上解决该问题，”怀特表示。

关于数据访问权限，怀特强调Claude的权限将缩减为代理可查看内容与请求用户可查看内容二者中最严格的交集。“你必须拥有与该功能将向你提供访问权限的数据相同的查看权限，”他表示。“如果你在协作场景中使用Claude，它将仅拥有你当前所见频道的上下文，而不会将该频道上下文泄露至其他频道。”

每位首席信息官（CIO）如今都应提出的未解定价问题

在 Claude Tag公告 中埋藏的一个细节值得技术采购方关注：Claude当前所持有的扩展频道上下文目前不计入任何套餐的用量或支出限额——至少现阶段如此。当被问及企业是否应为此类上下文未来可能计费而预留预算时，怀特拒绝作出承诺，将当前阶段描述为与客户共同开展的积极实验与协同设计。

“就我所称的主动型、协作型代理而言，我们在此旅程中尚处早期，”他表示。“人工智能领域的长期规划非常——非常漫长。事物变化极为迅速，因此与客户的紧密合作至关重要，以便他们能协助我们找到正确答案。”

Anthropic并未做出定价承诺，而是强调管控措施：与代理身份或基于角色的访问组绑定的预算上限，以及模型授权机制，允许不同团队运行不同成本-性能特征的配置。“如果我们能让你完全掌控部署架构的设计，从而针对你试图完成的任务，在成本与性能之间实现最优化平衡，那么便存在多种路径达成你期望的结果状态，”怀特表示。

坦率而言：始终在线、上下文密集型代理的单位经济效益仍未确定，Anthropic实质上正在补贴学习阶段。企业应按计量计费终将启动的前提来设计部署方案。

企业为何可能选择Anthropic而非微软、谷歌与Salesforce

竞争问题举足轻重。 Salesforce 拥有 Slack， 微软（Microsoft） 正将代理深度整合至Teams，并推进其自身多代理编排（multi-agent orchestration）战略； 谷歌（Google） 则在Workspace全平台推行类似举措。企业为何要将最敏感的内部对话交予第三方？

怀特的回答是：价值存在于系统之间的连接之中，而非任一单个系统之内。他指出，依据客户反馈改进产品，需要从Salesforce提取通话记录、从Slack获取内部讨论、从产品工具调取使用分析数据、并从开发环境拉取代码——没有任何一家供应商掌握这一完整图景。

“并非某单一功能即可解决你全部问题，”怀特表示。“真正关键的是你整合所有要素以达成最终目标所需的智能与结构——这一目标即为客户打造更优质的产品。我们已看到客户热衷于将Claude作为编排者（orchestrator）。”

这一立场之所以可信，恰恰因为企业数据本就是按设计而碎片化的。一个在各系统间保持中立的编排层——构建于连Anthropic最激烈竞争对手也已标准化的协议之上——具备封闭式花园（walled-garden）代理所不具备的结构性优势。风险亦呈双向：平台所有者可免费捆绑其代理，并控制Anthropic所依赖的集成点。Anthropic押注前沿智能与跨系统中立性胜过渠道分发——这一赌注迄今在编程领域已获验证，但在通用知识工作领域仍待证实。

下一步：将公司季度目标交付Claude

当被问及发展轨迹指向何方时，怀特勾勒出一个双向委托的未来——而他对此事的描述竟显得如此理所当然。

“我们目前正向Claude委派项目以完成，”他表示。“不久之后，我认为我们将向Claude下达其目标与关键结果（OKRs），它将自行判断组织需开展哪些项目，以及如何连接人员执行这些项目——并随时间推移持续提升自身能力及周围人员的能力。”

他承认这一愿景“略显抽象”，并引发治理问题，而当前的管控措施仅处于初步应对阶段。一个能决定组织应推进哪些项目的AI——用怀特的话说，仅在“需要人类协助提升其判断力时”才向人类委派任务——从根本上颠覆了员工与其工具之间的传统关系，而大多数企业对此几乎尚未开始认真思考。

怀特援引Anthropic在 网络与生物安全等灾难性风险领域（catastrophic risk domains） 所作的公开承诺，作为公司正审慎权衡相关利害关系的佐证；不过职场代理（workplace agency）的日常问题，很大程度上仍由客户自主决定，受控于Anthropic随其雄心一同交付的权限系统与预算管控机制。

目前，更直接的变化已正在 Slack频道——一种能够倾听整个房间、自主决定何时发言，并且日益承担起过去由管理者、分析师和项目负责人负责的连接性工作的AI。怀特目睹了这种转变将自己的工作压缩至其最具人性化的剩余部分——判断、辩论和决策——并且他预计这种压缩将蔓延至其他所有地方。

两年前，业界对AI最钟爱的比喻是实习生。Anthropic刚刚将其晋升为首席幕僚——如今它直接向全公司汇报。