团队智能体正在变成有权限边界的工作频道

Anthropic 在 6 月 23 日推出 Claude Tag 测试版，面向 Claude Enterprise 和 Team 用户。它的表面形态很容易理解：把 Claude 带进 Slack 频道，团队成员可以在讨论中标记它，让它基于被授权的频道、工具、数据和代码库协助工作。Anthropic 强调，Claude 可以从允许访问的频道里建立上下文，记住相关信息，跟进未解决的讨论，并在数小时甚至数天内异步推进任务。

两天后，OpenAI 也给出一个相邻信号：在 OpenAI 内部，Codex 已经从短对话工具转向被委派任务的工作智能体。OpenAI 称，Codex 已占普通员工输出 token 的 85% 以上，占公司内部每周输出 token 的 99.8%；非开发岗位的组织用户自 2025 年 8 月以来增长了 189 倍，许多人开始把原本需要人类一小时以上的任务交给 Codex。

这里重要的不是 Slack 又多了一个机器人，而是企业智能体正在进入共享工作频道。委派要真正扩大规模，不能只依赖模型聪明，还要把记忆、权限、成本和责任绑定到工作实际发生的地方。

这对中国读者尤其值得留意。很多企业谈 AI 落地时，仍然习惯从“能不能写材料、查资料、生成代码、总结会议”这些单点能力出发。但在真实组织里，问题往往不是模型会不会回答，而是它能不能在不越权、不泄露、不失控、不增加隐性成本的前提下，参与团队正在进行的工作。

私人聊天框适合个人试用。团队智能体则不同。它要面对的是部门权限、客户数据、项目历史、临时决策、跨团队协作、合规要求、预算限制，以及事后有人要追问“谁让它做的、它用了什么、结果能不能复盘”。一旦智能体进入频道，它就不再只是助手，而是一个有身份、有边界、有记录的工作参与者。

Claude Tag 最值得看的设计，不是“接入 Slack”本身。Slack 机器人早就存在，许多公司也做过问答机器人、知识库助手或流程提醒工具。真正的新意在于，Anthropic 把 Claude 描述成一个可以多人共享的频道成员：同一个 Claude 在频道里对所有人可见，能理解此前讨论，在管理员授权的范围内学习相关频道和数据源，并以任务方式持续跟进。

这改变了人的使用动作。过去，员工常常要把一段对话、一个需求、几份文件、某个背景信息复制到私人 AI 聊天框里，再让模型生成答案。现在更自然的动作可能是：在问题发生的频道里直接标记智能体。客户投诉、产品需求、故障排查、销售跟进、数据异常、代码讨论，本来就在那里发生，智能体也在那里接手。

频道于是变成任务边界。它不只是消息流，而是一个可授权、可记忆、可审计的工作容器。

OpenAI 的 Codex 数据从另一个方向补上了同样的判断。当非技术岗位也开始用智能体做自动化、数据整理、调试、结构化分析和跨岗位任务时，组织面对的核心问题就变成：能不能安全地让一个人把相邻工作委派出去？这不是单纯的模型能力问题，而是组织设计问题。

被低估的代价在“记忆”上。减少重复解释当然有价值。一个频道智能体如果知道产品名称、客户背景、内部缩写、工程约束和团队习惯，效率会比每次从零开始高得多。但记忆越有用，它越不能是一个模糊的黑箱。

Anthropic 的产品描述里有几个关键词很关键：管理员指定 Claude 在哪些频道可以访问哪些工具和信息；可以为不同用途创建不同 Claude 身份；记忆被限制在管理员定义的频道范围内；可以设置 token 支出限制；可以查看 Claude 做了什么、谁请求了任务。这些听起来像管理功能，其实就是产品本体。

销售频道里的 Claude 不应该继承工程内部的敏感讨论。工程频道里的 Claude 不应该读取人力资源或财务讨论。财务场景里的 Claude 也不能把一次探索性聊天自动变成未审核的业务流程。只要智能体可以自我安排任务、跨时间运行、调用工具并产出结果，身份、访问、记忆和审计就都成了运行时要求。

这也是企业买方需要改变评估方式的地方。不要只问模型能不能总结、写代码、检索、起草邮件。那些已经接近基础能力。更应该问的是：智能体的记忆能否按工作区、频道、项目、角色和时间范围切分？管理员能否看到谁委派了任务、用了哪些工具、接触了哪些数据、产生了什么结果？成本预算能否按组织和频道控制？敏感频道能否完全排除？长任务能否暂停、复核或升级？

如果供应商回答不清楚，买方评估的就不是企业智能体，而是一个带企业风险的聪明助手。

成本也会被重新理解。OpenAI 的 Codex 使用数据说明，当智能体工具足够好，人会委派更长、更并行、更复杂的任务。这样的任务天然会消耗更多 token，因为智能体不只是回答一句话，而是在计划、调用工具、检查结果、失败重试、等待上下文、生成总结。支出控制不再只是采购部门的账单管理，而是工作流设计的一部分。

一个有用的团队智能体，可能看起来比聊天机器人贵。问题是，它多出来的工作有没有转化成可复用成果、减少返工、缩短交付周期、提高跨团队协作质量。谨慎的买方会衡量这些；粗心的买方只会看到用量上升。

对构建者来说，实践重点是把团队智能体当成频道级的工作委派系统，而不是一个嵌在聊天软件里的模型接口。

需要记录的不只是 prompt 和 response，而是任务从哪里来、谁发起、属于哪个频道、触碰了哪些数据源、调用了哪些工具、运行多久、花费多少、重试几次、是否被人修改、是否升级给负责人、是否留下了可复用资产。个人助手和共享委派要分开看。尤其要衡量一个关键行为：团队成员是否能接续智能体已经做过的工作，而不是每个人都重新开一个上下文。

记忆边界也要显式设计。“智能体会随着时间学习”听起来很强，但企业真正需要的是记忆查看、记忆删除、记忆过期和不同部门的保留策略。智能体越有价值，越要知道它到底知道什么。

接下来可以观察一个可验证指标：企业智能体供应商是否开始在频道级管理能力上竞争，而不只是宣传通用智能。产品语言如果越来越多地谈 agent identity、workspace memory、tool scope、spend control、audit trail、unresolved thread follow-up、cross-channel context rule，就说明市场正在往这个方向走。

还要看协作平台是否变成新的分发关口。Slack、Teams、IDE、工单系统、CRM、数据分析平台都不是中性的界面。智能体越依赖“工作已经发生的地方”，掌握工作上下文的平台就越有议价权。

现实检验也很清楚：团队智能体很容易走向两个失败方向。权限太少，它就变成又一个不断索要背景的机器人；权限太多，它就变成失控的组织记忆系统。最后胜出的产品，不会只是进入每一个频道，而是能让委派变得可见、有边界、可衡量、可追回。

Read in English →