Anthropic 推出 Claude Tag：在 Slack 里 @Claude，它能自己干上几天活
事情是这样的。
Anthropic 昨天发布了 Claude Tag（发布公告在这），我读官方那篇东西的时候，被里面描述的一个场景钉在那儿了。
设想一个三天没人理的 Slack 线程，楼主问了个挺刁钻的技术问题，底下零回复，安静得像深夜的机房。然后某个时刻，这个冷掉的话题被人接了。不是同事，是 @Claude。它在没人催的情况下，自己回到这个没解决的线程，补了一段分析，还顺手把相关的资料挂了上去。
这不是我编的画面，是官方明明白白写进发布说明里的能力，他们管这叫主动跟进那些冷掉、没动静、没解决的线程。我读到那段的时候停了几秒，说真的，有点恍惚。
Claude Tag 这玩意儿的核心一句话就能说清，让 Claude 作为一个团队成员加入你的 Slack，你在频道里 @它，把活儿丢给它，然后该干嘛干嘛。它在后台慢慢做，做完了在线程里回你。
听着是不是有点像那种烂大街的「AI 助手」营销？我一开始也是这么想的。Slack 机器人见得还少吗，从 standup 提醒到打卡到点外卖，哪个不是号称智能。但我把官方那篇东西从头到尾读完，又扒了扒文档，越读越觉得，这次不太一样。
先说让我没绷住的那个数字
官方公告里藏着一句话，我看到的时候笑了一下，又有点说不上来的复杂。
Anthropic 自己说，他们产品团队 65% 的代码，是由内部版的 Claude Tag 生成的。
你品一下这个数字。不是「辅助写了 65%」，不是「补全命中率 65%」，是产品团队的代码有接近三分之二，是通过在 Slack 里 @一下、把任务委派出去这种方式产出的。而且官方紧接着说，这套模式正在往工程之外扩散，他们现在用 @Claude 追产品指标、扒数据、处理支持工单，甚至帮忙定位那种特别难缠的 bug 的根因。
好家伙。一个做大模型的公司，自己内部已经把「跟 AI 协作」这件事跑到了这个浓度。
我为什么对这个数字敏感，得稍微交代一句。我平时的工作就是给大模型搭那层让它真正能干活的工程脚手架，agent 的工具链、评测、调度、上下文这些。所以我太清楚「让模型在生产环境里稳定干活」和「demo 里跑得很漂亮」之间隔着多大一条沟。65% 这个数字如果是真的，意味着这条沟在他们内部已经被填得差不多了。这比任何一个 benchmark 分数都更能说明问题。
当然我也留个心眼，这是 Anthropic 自己说自己，王婆卖瓜的成分肯定有。但即便打个对折，30% 多的代码靠这种方式产出，也已经够吓人了。
它到底跟以前的 Slack 机器人有啥不一样
我寻思了一下，这事的关键不在于「能在 Slack 里调用 Claude」。这个早就有了，旧的 Claude in Slack 应用就是干这个的（Claude Tag 这次直接把它替换掉了，老用户可以在 30 天内迁移）。
真正的变化在于四个地方，我一个一个跟你唠。
第一个，它是多人的。
以前你用 AI，说到底就是你和一个对话框的私人关系。你开一个 chat，你问，它答，这段上下文是你一个人的。换个人来，得从头再喂一遍背景。
Claude Tag 不是这样。一个 Slack 频道里只有一个 Claude，它跟频道里所有人打交道。这就带来一个区别，你同事昨天 @它聊到一半的事，你今天可以直接接着往下推，不用重新解释。它更像一个坐在频道里的真实队友，而不是每个人手里各自捏着的一个工具。
这个设计我觉得有点子东西。因为协作的本质从来不是「每个人和 AI 单线联系」，而是「大家围着同一个上下文工作」。它把 AI 从一个私人工具，挪到了团队的公共空间里。
第二个，它会随时间学习。
它跟着频道跑，慢慢攒出对这摊活儿的理解。你不用一遍遍从零给它讲「我们这个项目是干嘛的」「这个缩写指的是啥」。经过授权，它甚至能从别的 Slack 频道和数据源自动学，把那些没人会专门写下来、但团队里人人都懂的隐性知识吃进去。
注意一个细节，官方特意说了，它不会从私有频道往外汇报内容。这点其实挺重要，待会儿讲权限的时候我再展开。
第三个，它会主动。
这是最让我「嘶」了一下的部分。如果你开启了官方叫做 ambient（环境）的那个行为，Claude 会主动跟你同步它认为你需要知道的事。它会从所在的频道、连着的工具里挑出相关信息推给你，还会去跟进那些冷掉的、没动静的、没解决的线程。
对，就是开头那个画面。那个三天没人理的线程，它自己回去接。
你想想看，这个跨度其实挺大的。从「你问我答」到「我看你没问，但我觉得这事你该知道，我主动告诉你」，这中间隔着的是从工具到同事的一道坎。一个工具是不会主动找你的，只有同事会。
第四个，它异步干活，能自己排期跑好几天。
你丢给它一个任务，你就可以去忙别的了，它在后台慢慢做。更狠的是，它能给自己排期，一个项目自主推进数小时甚至数天。Anthropic 说他们现在花更多时间，是把任务并行委派给一堆 Claude，自己当那个分发任务的人。
读到这我停了一下。这个画面其实有点科幻，一个人坐在那，手底下挂着十几个 Claude，各自跑着不同的活儿，他像个调度器一样在中间分发、收集、再分发。
我为什么说这是 Claude Code 的下一步
官方自己给了个定位，说 Claude Tag 是 Claude Code 演进的开始。这句话值得拆开看。
写代码的兄弟应该都对 Claude Code 不陌生，那个在终端里跟你结对编程的命令行工具。它很强，但它的形态决定了它是「一对一」的，你在你的终端里，跟你的那个 Claude 干活。它再聪明，也活在你一个人的上下文里。
Claude Tag 干的事，是把这种能力从「一个程序员的终端」搬到了「整个团队的协作空间」。它不再只服务于敲键盘的那个人，而是服务于一群人围着一摊活儿。官方说如果你用过 Claude Code 或者 Cowork，会觉得 Claude Tag 很熟悉，用大白话 @它提个需求，它把任务拆成几个阶段，依次推进，用它有权限的工具做完，最后在线程里回你它干了啥。
底层模型是 Opus 4.8。这点我得多说一句。同样一套交互形态，跑在不同能力的模型上，体验是天差地别的。异步自主推进数天这种事，对模型的长程规划、上下文保持、自我纠错的要求高到离谱。一个会在第三步忘了第一步在干嘛的模型，你是绝对不敢让它自己跑一整天的。能把这个形态做出来摆上台面，本身就是对模型能力的一种背书。
真正聪明的地方，是它把权限这件事想清楚了
讲到这，可能有小伙伴已经开始皱眉了。
一个 AI，能自动从别的频道学东西，能主动翻你没解决的线程，还能连你的工具、你的数据、甚至你的代码库。听着是挺爽，但这玩意儿要是乱来，那不就是个在公司内网里到处乱窜的幽灵吗？销售的数据被工程看到，内部资料被它顺手发到了不该发的地方，token 一晚上烧穿预算，这些风险一个比一个让人头皮发麻。
说实话，这才是我最关心的部分。因为做 AI 工程久了你会有种职业病，看到任何「全自动」「能主动」的东西，第一反应不是兴奋，是「它的边界在哪，它失控了谁来兜底」。
Anthropic 这次在这块下的功夫，我觉得是整个发布里最值得说的（他们专门写了一篇讲智能体身份与访问模型的文章，在这）。
它的思路是，给不同用途创建相互隔离的 Claude 身份。系统管理员来定，哪个频道、能用哪些工具、能碰哪些信息。包括记忆在内的一切，都被牢牢圈在管理员划定的频道范围里。举个例子，给销售配的那个 Claude，绝不会把记忆传给给工程配的那个；反过来工程那边也拿不到任何销售的数据和工具。
这个设计的精髓在于，它没有把 AI 当成一个无所不知的超级账号，而是当成一个个需要分别授权的员工。你不会给一个新来的销售开通整个公司代码库的权限，对吧，那你也不该给一个 AI 开。
除此之外还有两个我觉得很务实的东西。一个是花费上限，管理员能给整个组织、也能给单个频道分别设 token 的预算天花板。这条简直是给我们这种天天盯成本的人量身定做的，没有这个我是真不敢让它在后台自己跑几天，那不知道得烧出个什么数。另一个是审计日志，@Claude 做过的每一件事都有记录，连每个任务是谁发起的都能查到。
权限、预算、审计，这三样凑齐，才敢谈「让 AI 在公司里自主干活」。少任何一样，都是耍流氓。我见过太多号称全自动的 agent 方案，一问权限边界就开始打哈哈，一问出了事怎么追责就王顾左右而言他。Anthropic 这次起码把这三个最硬的问题摆在了明面上。
我自己还没在生产里跑过，但有几个想法
得诚实说，Claude Tag 现在是 beta，只对 Claude Enterprise 和 Team 客户开放，符合条件的组织还有试用额度。我手上还没法在真实的团队环境里把它跑起来踩一遍坑，所以下面这些是我看完资料的想法，不是实测结论，你听个方向就行。
我最好奇的，其实是那个 65% 背后的真实质感。代码生成出来是一回事，这些代码的 review 成本、返工率、出线上事故的概率，是另一回事。一个团队如果 65% 的代码是委派出去的，那他们的工程流程一定发生了某种深刻的重构。code review 怎么做？谁为 AI 写的代码负责？出了 bug 是 @它修还是人上？这些问题官方没细讲，但恰恰是落地时最硌脚的地方。
还有那个「主动」的度。AI 主动跟进冷线程，听着很美。但主动和打扰之间，隔着一条特别细的线。我太能想象那种场景了，一个开了 ambient 的频道，几十个人在里面，Claude 热情似火地这也提醒那也跟进，最后大家被它刷屏刷到把它静音。这个分寸怎么拿捏，是产品设计里最难的部分，也是真正用起来之后才知道好坏的部分。
但抛开这些保留，我得承认我是被它打动的。
打动我的不是某个具体功能，是它背后那个方向的转变。过去两年我们聊 AI，聊的大多是「它能不能做对这道题」，是能力问题。而 Claude Tag 聊的是另一件事，是「怎么把 AI 嵌进人和人协作的缝隙里」，是形态问题。前者决定 AI 有多聪明，后者决定 AI 能不能真的改变我们每天怎么干活。
很多时候，决定一个技术影响力的，根本不是它的能力上限，而是它被放进了一个什么样的容器里。电不是因为更强才进了千家万户，是因为有了插座和电网。Claude Tag 给我的感觉，就是有人在认真地造那个插座。
写在最后
我又想起开头那个画面。
一个三天没人理的问题，被一个不知疲倦、不会觉得尴尬、也不在乎这活儿有没有 KPI 的存在，安安静静接了过去。它不需要被催，不需要被分配，它只是觉得，这件事悬着，那就去把它落地。
我们这代程序员，习惯了 AI 是个被我们呼来喝去的工具。你发问，它响应，主动权永远在你手里。而 Claude Tag 让我第一次清楚地感觉到，那个边界正在松动。它开始有自己的节奏，自己的待办，自己对「什么事该做」的判断。
是谁来自山川湖海，却囿于昼夜厨房与爱。万青那句词我以前一直以为是写人的困顿。但想着那个自己回到冷线程的画面，我忽然觉得，我们造出来的这些东西，正在一点点从我们的指令里挣出来，去往一个我们还没完全想明白的地方。
这趟航行才刚开始。礁石肯定还有一堆，但海面上的光，确实跟昨天不太一样了。