提示词让 AI 变得有用。循环让它变得持久。Claude Tag 让它变得共享、主动，并出现在工作发生的地方。
2026 年 6 月 23 日，Anthropic 改变了一件比模型更重要的事。
https://x.com/claudeai/status/2069468693017268244
它改变了模型所在的位置。
多年来，使用 AI 意味着打开一个私人盒子。你输入，它回答。你关闭标签页。下一个人打开另一个盒子，重新开始。
Claude Tag 将 Claude 带入 Slack，成为团队中可见的一员。
它可以阅读周围的对话。跨线程和天数记住相关上下文。使用团队赋予它的工具。在提问者下线后继续工作。并且，在启用环境行为后，可以在任何人提示它之前主动发言。
Anthropic 表示，内部版本已经创造了其产品团队 65% 的代码。
大多数人会称其为 Slack 集成。
这种描述错过了重点。
这是 AI 离开聊天框，进入群聊。
这是多人 AI 的开端。
聊天机器人是单人模式
主流的 AI 界面复制了搜索。
一个人输入问题。一个模型返回答案。
这让 AI 变得易于使用，但也将有用的上下文困在了成千上万个私人对话中。
你的队友可能花了一个小时教 Claude 一个项目是如何运作的。明天，你又要教另一个 Claude 同样的事情。
公司的共享系统什么也没学到。
模型不知道周一会议上决定了什么，谁负责发布，为什么截止日期变了，或者哪个请求已经被忽略了十一天。
它只知道一个人记得粘贴到某个提示词里的内容。
**问题不在于智能。
在于缺席。**
Claude Tag 改变了交互的形态。频道里的每个人都与同一个 Claude 协作。请求、计划、结果和修正都保持可见。另一个人可以从第一个人停下的地方继续。
AI 不再是一个私人捷径。
它变成了共享基础设施。
AI 工作的四个时代
理解 Claude Tag 最简单的方式，是看看它之前是什么。
1. 提示词
你提问。AI 回答。会话结束。
对一个问题有用。对持续工作很弱。
2. Agents
你给 AI 一个目标。它规划、使用工具，并返回结果。
更适合一个完整的任务。但通常仍由一个人在一个私人会话中启动。
3. 循环
你给 Agent 一个任务和一个条件。它检查、行动、验证，然后重复。
循环让 AI 变得持久。
但循环仍然需要有人定义应该重复什么。
4. 环境 Agents
AI 位于共享上下文的实时流中。它观察变化，记住决策，遵循既定指令，并在情况匹配时采取行动。
循环重复工作。环境 Agent 发现工作。
这就是 Claude Tag 背后的真正转变。
不是更聪明的答案。
而是一个知道何时需要答案的系统。
是什么让 AI 成为多人模式
Claude Tag 结合了五个过去分散在不同产品中的部分。
1. 共享上下文
在 Slack 线程中标记 @Claude，它可以使用该频道中的消息和文件，以及组织连接的工具。
上下文已经存在。没有人需要在巨大的提示词中重建它。
询问决定了什么，Claude 可以在讨论发生的同一个线程中返回决策、负责人和未解决的问题。
频道变成了工作空间。
2. 有边界的记忆
Claude Tag 可以跨线程和天数保留相关上下文。周一站会上发生的事情，周四仍然可能相关。
但这并非神奇的全局记忆。
记忆的范围限定在组织、工作空间和频道结构内。管理员可以检查、编辑或删除它。Slack 对话也与你的个人 Claude 聊天历史保持分离。
这个边界很重要。
一个工程用的 Claude 不应该随意将私密的法律上下文带入一个公开的产品频道。
有用的记忆会记住。安全的记忆知道在哪里停止。
3. 自己的身份
个人 AI 通常会借用你的权限。它打开你的云端硬盘、日历或 GitHub，因为你连接了你的账户。
当二十个人共享一个 Agent 时，这就行不通了。
Claude Tag 以其自己的 Agent 身份行动。管理员决定它可以访问哪些仓库、工具和凭据。它的提交和拉取请求会显示 Claude 为作者，并且操作可以追溯到请求它们的 Slack 线程。
Anthropic 在审计视图中记录计划任务、记忆写入和网络调用。
重要的问题从：
模型能做什么？
变成了：
这个 Agent 在这里被允许做什么？
4. 主动性
大多数聊天机器人是惰性的。没有提示，就没有行动。
启用环境行为后，Claude 可以提出一个未回复的线程，标记一条紧急消息，报告部署完成，或者询问阻碍其工作的决策。
主动性是按频道配置的。一个支持频道可以持续被监控，而一个敏感的策略频道则保持仅提及触发。
正是这个功能让 Claude 感觉更像一个参与者，而不是软件。
https://x.com/claudeai/status/2069468699766005847
但这也是配置不当时最可能变得烦人的功能。
5. 异步工作
Claude Tag 可以安排后续任务并在后台继续执行较长的任务。分配工作的人不需要一直开着标签页。
Anthropic 表示，Agent 任务的可靠长度大约每四个月翻一番。更长的自主性是为什么身份、预算和审计日志不再是可选的细节。它们是产品的一部分。
一个工作五分钟的 Agent 是工具。一个在你下线后还在工作的 Agent 需要治理。
它实际上能做什么
当 Claude 停止总结并开始闭环时，演示变得有趣起来。
这里有六个展示差异的工作流程。
无需重读 200 条消息即可跟上进度
Claude 可以扫描一个繁忙的线程，并区分三件事：
- 决定了什么；
- 谁负责每个决策；
- 还有什么悬而未决。
输出保留在频道中，以便每个人都可以纠正。
找到消失的工作
让 Claude 检查一个频道过去两周的内容，并找出从未收到回复的请求。
它不是生成另一个通用的摘要，而是链接回原始消息，并指出每个请求可能正在等待谁。
价值不在于总结。
而在于找回团队已经忘记的工作。
将对话转化为成果
一个产品线程通常是半成品决策、截图、反对意见和“我们可能应该”消息的混合体。
Claude 可以将这些混乱转化为一份规范、一个交互页面、一张图表、一个工单或一份文档，然后在有人回复更改时更新同一个成果。
从群聊中查询公司
连接数据仓库后，团队成员可以询问按计划划分的周活跃用户数。
Claude 编写查询，运行它，发布图表，并包含 SQL 以便检查结果。
答案对整个频道可见，而不是消失在某个分析师的私人 AI 会话中。
从 Bug 报告到拉取请求
Anthropic 展示的一个团队使用 Claude 作为内部 Bug 的第一响应者。它读取报告和截图，检查 Datadog、Linear 和 GitHub 等系统，追踪可能的原因，并可以起草一个修复拉取请求。
工程师在需要判断时介入，而不是在信息需要在五个工具之间复制时。
维护无人维护的工作
Claude 可以保持一个置顶的频道概览最新，发布周一回顾，监控支持积压，或在新信息到达时更新一份定期报告。
这就是环境 AI 超越演示的地方。
最佳目标不是光鲜的创意工作。
而是那些每个人都认为重要但没有人持续负责的安静运营工作。
如何设置而不造成混乱
Claude Tag 目前处于测试阶段，适用于 Claude Team 和 Enterprise 组织。需要 Primary Owner 或 Owner 来配置；普通管理员无法配置 Agent。
官方设置包含四个基本步骤：
- 将 Claude Tag 连接到 Slack 工作空间；
- 选择它可以访问的工具、仓库和信息；
- 设置组织消费限额和更小的频道限额；
- 在扩展到更多访问权限之前，先在私人频道中测试。
不要一开始就授予 GitHub 写入权限、生产凭据、六个数据源以及跨整个公司的环境行为。
从一个频道开始，不连接任何外部工具。
让 Claude 恢复决策、查找未回复的消息或维护每周回顾。这可以测试团队是否喜欢与共享 Agent 协作，然后再让 Agent 在 Slack 之外更改任何内容。
然后连接一个只读源。
只有在输出持续有用之后，才应添加写入权限、计划工作或主动行为。
Claude Tag 是基于消费的。频道工作计入组织；直接消息使用个人用户的 Claude 账户。所有者可以设置硬上限、按频道预算和阈值警报。
访问权限应该以信任的速度扩展，而不是演示的速度。
值得借鉴的 12 个提示词
Claude Tag 目前是 Team 和 Enterprise 的测试版，但这些示例也展示了如何在任何地方设计更好的 Agent：给它们一个来源、一个触发器、一个输出和一个边界。
从频道上下文开始
1. 决策提取器
@Claude 帮我了解这个线程的进展。列出决定了什么、谁负责每个决策、背后的证据，以及还有什么悬而未决。
2. 未回复请求查找器
@Claude 检查这个频道过去两周的内容。找出从未收到有用回复的请求，链接每个原始消息，并指出最有可能解决该问题的人。先不要标记任何人。
3. 每周运营笔记
@Claude 每周一上午 9:00，发布上周的简短回顾：做出的决策、完成的工作、未解决的障碍，以及任何等待一个人超过 48 小时的事情。
4. 动态频道地图
@Claude 创建并置顶这个频道的概览：它的目的、当前优先级、负责人、关键文档和活跃截止日期。随着频道变化，保持同一条消息更新。
连接真实工具
5. 可验证指标
@Claude 绘制过去八周的周活跃用户图表，按计划拆分。包含 SQL，定义每个指标，并标记任何数据可能不完整的周。
6. 会议简报
@Claude 为我下午 2 点与 Acme 的电话会议准备一页简报。使用最新的 CRM 笔记、相关的 Slack 线程、未解决的支持工单和当前的提案。将事实与你的建议分开。
7. 客户信号挖掘器
@Claude 对本季度来自客户频道和 CRM 的十个最重复的产品请求进行排名。包括频率、影响的收入、代表性引述以及指向原始证据的链接。
8. 从 Bug 到草稿 PR
@Claude 调查此线程中描述的 Bug。如果可能，重现它，确定根本原因，提出最小的安全修复方案，运行相关测试，并打开一个草稿 PR。在任何生产操作之前停止。
让它变得环境化而不嘈杂
9. 支持异常监控器
@Claude 监控此频道。仅当当前文档明确能解决问题时才回答。当问题紧急、高价值或超过四小时仍未解决时，标记支持负责人。否则保持沉默。
10. 发布观察者
@Claude 监控此发布。仅在里程碑完成、截止日期变动、错误率超过约定阈值或需要人工决策时报告。为每个警报包含来源。
11. 研究矛盾发现器
@Claude 监控此处分享的来源。当两个可信来源做出相互矛盾的声明时，发布确切的冲突，链接两个来源，并解释什么证据可以解决它。忽略简单的措辞差异。
12. 决策记忆
@Claude 为此项目维护一个决策日志。记录决策、日期、负责人、理由、被拒绝的替代方案以及重新审视它的条件。在更改现有条目之前询问。
注意这些提示词没有说什么：
要聪明。要有帮助。要表现得像个专家。
有用的指令定义了何时行动、使用什么证据、产生什么输出以及何时保持沉默。
最好的环境提示词包含一个沉默条件。
风险：当共享上下文出错时
使多人 AI 有价值的相同特性也使其有风险。
一个私人聊天机器人可能产生一个糟糕的答案。
一个拥有记忆和写入权限的环境 Agent 可以保留这个糟糕的答案，与团队分享，并在以后采取行动。
有四种明显的失败模式。
错误的记忆
如果 Claude 将一个临时的意见记录为最终决定，未来的工作可能会继承这个错误。
重要的记忆需要负责人、来源、日期和纠正它们的方法。
过度的访问权限
仅仅因为频道中的某个人拥有权限，Agent 并不需要访问所有东西。
从只读访问开始。分离敏感频道。只有在工作流程证明需要时才扩展权限。
主动的垃圾信息
一个评论所有事情的 Agent 不会让人觉得聪明。
它感觉像是群聊里最烦人的人。
定义异常阈值。指定何时保持沉默。让人类按频道调整主动性。
不可见的成本
Claude Tag 是基于消费的。组织可以设置全局硬上限、按频道限制以及预算达到 75% 和 95% 时的警报。
这很重要，因为一个监控十个繁忙频道的 Agent 可以消耗大量 Token，而没有明显的单个“会话”可以归咎。
一个安全的部署是乏味的：
- 从一个私人测试频道开始；
- 连接一个只读源；
- 选择一个可衡量的工作流程；
- 对不可逆的操作要求批准；
- 每周检查记忆和审计日志；
- 只有在误报率可接受时才扩展。
一个有记忆的 Agent 是有用的。一个有错误权限的 Agent 是漏洞。
真正的产品是上下文
AI 公司一直在模型智能上竞争。
团队体验到的却是不同的瓶颈。
模型不知道昨天发生了什么。
它不知道哪个仪表盘是可信的，哪个客户重要，哪个规则已经过时，或者哪个决策已经被推翻过两次。
这些信息分散在聊天、文档、工单、代码、仪表盘和人类记忆中。
Claude Tag 是 Anthropic 将这种分散的上下文转变为 Agent 工作环境的尝试。
模型下个月可能会改变。
积累的上下文、权限、常规、修正和机构记忆会保留下来。
这就是为什么从单人模式到多人模式的转变比另一个基准测试的胜利更重要。
下一个 AI 优势不会来自写出最聪明的提示词。它将来自构建最清晰的上下文。
Slack 只是第一个位置。
一旦这种模式奏效，每一个共享空间都可能成为 Agent 的家：
- 一个注意到谁落后的教室；
- 一个捕捉到矛盾证据的研究小组；
- 一个记住每一个创意决定的工作室；
- 一个路由未解答问题的社区；
- 一个运营记忆不会因某人离开而消失的公司。
下一个十亿 AI 用户可能永远不会称自己为提示工程师。
他们会像标记设计师、分析师或工程师一样标记 AI。
重要的技能将不是提出一个完美的问题。
而是决定 Agent 能看到什么、应该记住什么、何时可以行动以及何时必须停止。
提示词让 AI 变得有用。
Agent 让它变得有能力。
循环让它变得持久。
多人上下文让它成为团队的一部分。
AI 不会取代对话。
它会加入对话。
