整理 | 四月

群聊Agent賽道，迎來了真正的重量級選手。

微信剛剛在你的下拉框加上“小微”；企微里的“大圓”已經潛入群聊/會議等工作流；而大洋彼岸，Anthropic 也在同一時間把Claude塞進了美國人的“公司群聊”。

當地時間 6 月 23 日消息，Anthropic 上線最新功能Claude Tag。企業主只需將其接入 Slack，員工就能像呼叫同事一樣“@Claude”。它能閱讀當前討論、拆解任務、調用工具，并持續跟進任務流。

它還會記住當前群聊里與工作相關的信息，隨著交流輪次的增多， Claude 可以深入理解項目內容、團隊分工、組織架構和溝通習慣，并發現遺漏事項，主動“找”活干。

乍看之下，Claude Tag 簡直就是美版“小微”，但實則卻是Anthropic針對協同 SaaS 市場的降維打擊。

不同于小微側重的個人助手和生活服務，Claude Tag 更聚焦在多人協同辦公。它背靠 Slack 生態——擁有 20 萬以上付費客戶、覆蓋近 80% 《財富》100 強企業。看中的是群里源源不斷的任務需求和真實信息流。

事實上，Claude Tag并不是 Slack 里第一個 AI 助手。早在 2024 年，Slack 就曾推出類似的Bot 組件，而今年初，Slack 母公司Saleforce 也把新版 Slackbot 定義為企業 Agent 的入口。

（說到 Saleforce，SaaS 領域最成功的范本——越是跟蹤 Anthropic 這家公司，你就越會發現，它或許就是 Anthropic 最想成為的樣子。）

Claude Tag 上線后，前 OpenAI 大神、現 Anthropic 員工 Andrej Karpathy 第一時間給出了極高的評價。

他認為，Claude Tag 代表了 和Claude交互方式的一次新范式。底層工程已就緒，Claude已經能“即插即用”地充當“AI員工”， 加入團隊，處理各種工作。

Karpathy把LLM的交互方式歸結為三個階段：

• 網站階段： LLM 是你要主動訪問的站點。

• 應用階段： LLM 是你下載到電腦上的軟件。

• 現在的 Claude Tag： 一個獨立、持久、異步運行的實體，擁有組織內的工具和上下文，真正實現了“并肩工作”。

他還表示，雖然 人們需要一些時間才能完全理解這種演進，但它的確有效，而且非常棒。

群聊即 Prompt

在 Claude Tag 的邏輯里，群聊本身就是 Prompt。所以 真正讓人興奮的點在于：過去是用戶把上下文送給模型，現在是 Anthropic把模型送進了上下文。

用戶無需切換窗口，也不必費力解釋背景。只要輸入“@Claude”，誰提出了問題、討論過哪些方案、文件在哪里，這些信息直接就能轉化為執行任務的上下文。

更關鍵的變化在于“主動性”。

如果開啟“Ambient”模式，Claude 不再被動等待點名。它會持續關注群聊，主動標記重要信息，追問懸而未決的討論，甚至提醒“這個問題三天沒跟進了”。

Claude Code 產品負責人 Cat Wu 分享，她首先把自己的 Claude Tag 接入了 Gmail。當重要聯系人發來郵件，Claude 會自動識別，再把提醒發送到 Slack。

“比起郵箱提醒，我還是會更關注 Slack 上的消息”。

這也精準擊中了職場人的痛點：它正試圖重新安排信息抵達的方式。

傳統通知系統只會無差別推送，Claude Tag 則先理解“哪些變化與你有關”，再決定是否提醒。所以說，Anthropic 真正想占據的并不是另一個聊天平臺，而是任務被發現、分配和追蹤的第一現場。

Claude Tag 落地的第一站Slack的確具備這個價值。

正如前文所提及的，它在北美市場是除微軟 Teams 外的唯二選擇，尤其在科技公司、大量跨工具協作的開發者群體具備很強的黏性。 對 Anthropic 而言，把 Claude 放在這里，等于直接接入了大量企業最活躍的非結構化信息源。

目前，Claude Tag正以測試版形式向 Claude Team 和 Enterprise 客戶開放，運行 Opus 4.8，并將取代此前功能相對簡單的 Claude for Slack。

群聊管理員可以定義它進入哪些頻道/群聊、連接哪些數據、工具和代碼庫，再為不同部門配置彼此隔離的 Claude。

隨時在線 = 一直被監控 ？

凡事都有兩面。“一直在線待命”的換個說法，也可以是“一直被監控”。

Anthropic 特意強調，Claude 不會把私密群聊的信息匯報到其他群聊；不同用途的 Claude 在權限和記憶上彼此隔離，銷售部門的 Claude 不會向工程團隊泄露客戶數據。

管理員還可以限制組織和單個頻道的 Token 支出，查看 Claude 執行過的全部操作及其發起者。

但這些技術保障，仍然掩蓋不了產品設計的核心矛盾。

當一個 AI 常駐群聊，主動追問進度時：“這個問題已經三天沒跟進”。它究竟是幫助員工的助手，還是替管理者巡視的“數字監工”？

Hacker News 上，不少開發者首先追問的并不是 Claude 能干多少活，而是不同頻道之間是否共享身份、權限如何歸因，以及企業如何滿足安全與合規要求。

在安全與隱私合規的紅線邊緣，企業是否已經準備好迎接一位永不疲倦的“AI 同事”了？

放到國內語境里，這個問題同樣刺眼：如果類似能力進入釘釘、飛書或者企業微信，誰有權決定 AI 看哪些群、記住什么，又該由誰來定義“主動幫助”和“數字監工”的邊界？

“Claude Code 升級版”升級在哪里？

Anthropic 將 Claude Tag 定義為“Claude Code 的升級版”，可見其對于公司的戰略意義重大。

所以，一個寫代碼的終端 Agent，如何能夠進化成“群聊助手”？

它并非來自模型技術能力的增強，而是Agent 的架構從“個人環境”躍升到了“協作現場”。

如果說，Claude Code 是個人使用的 terminal-level Agent，那么Claude Tag 就是多人共享的 team-level Agent。

順著 Karpathy 的視角，從產品演化的角度看，Claude Tag 實際上融合了三種形態：

• 最早的 Slack Bot 是ChatBot，用戶問一句，它回答一句；

• 后來的 Claude Code for Slack 已經變成Workflow Agent，開發者可以在群里交給它一個 Bug，它讀取討論后進入代碼倉庫完成修改；

• 而當前的Claude Tag又向前走了一步，不再只處理一次性任務，而是持續跟隨消息、積累上下文并主動發現需求、處理事項。

這不是簡單地把任務需求搬進 Slack，而是給 Agent 增加了一層組織身份：

它屬于哪個群聊、能接觸哪些部門、擁有哪些工具、保留哪一部分記憶，都將由企業的組織和權限結構決定。

整體來看，在筆者看來，Claude Tag 最重要的升級可以歸結為兩點：

第一，從“請求驅動”走向“事件驅動”。

以前的 Claude Code 解決的是執行問題：人發現 Bug，叫 Claude 開工。

現在的 Claude Tag 解決的是發現問題：Bug 在群里產生，Claude 就在現場。它判斷何時介入，不再需要人類搬運背景。

第二，降低的不是推理成本，而是調用門檻。

傳統 Agent 要求用戶切換窗口、組織 Prompt，這在無形中增加了心理負擔。

Claude Tag 沿用了人類最自然的協作動作——過去是 @產品經理、@工程師，現在只是多了一個 @Claude。這種“像點名同事一樣點名 AI”的產品形態，把產品門檻降到了最低，進一步擴寬了 Claude 的目標群體。

Agent 創業者還能賣什么？

說實話，當我刷到Claude Tag 這個消息時，第一反應就是，“這和某家公司做的辦公協同產品也太像了！” 并且他們接入的還是Claude 旗下模型。

我相信，市面上已經推出類似功能，或者正在朝這個方向開發產品的團隊，并不在少數。Anthropic 的入局對于他們而言，顯然不是一個好消息。

過去，群聊Bot、工單助手和企業知識庫……還能勉強算作一門生意。

現在呢？頂級模型廠商帶著原生能力和企業級入口直接入場，那些僅僅多了一層界面的“套殼產品”，瞬間失去了生存空間。

正如前文提及的，Anthropic 與 OpenAI 等模型公司正在瘋狂爭奪企業市場。今年以來， Saleforce 已經成為Anthropic 與 OpenAI 的挖角大本營！

光是今年，這兩家公司就已經從 Salesforce挖走近百名員工，為的就是搶奪過去屬于 SaaS 廠商的預算。

但這是否意味著游戲就此結束？

從另一個角度看，Anthropic 的入場，或許反而暴露了這個賽道真正的競爭門檻。

這個軟肋就是 Token 成本。

它給第三方廠商和開源模型留出了缺口，因為對于服務商而言， Token 既是成本，也是收入。

要做一個本質是面向企業主，用來降本增效的代理平臺，最佳的商業策略一定是多模型入口，并專注于控制Token成本。

企業主真正關心的問題是：同樣的任務，Claude 花 10 美元，我能不能花 1 美元完成？同樣的群聊，Claude 一天燒 50 萬 Token，我能不能只燒 5 萬？

這也是為什么越來越多的企業正在嘗試將Agent 的代理流量從 Claude 切換到 DeepSeek 的原因（）。

所以，做混合路由，擁抱開源模型，做 Agent 壓縮……都是對抗 Token 吞金獸Anthropic 的出口。

結語

Claude Tag 利空的是套殼產品，卻可能利好開源模型。它創造的 Agent 調用量越大，企業優化成本、避免鎖定的動力就越強。

模型廠商決定了能力上限，但真正落地企業的 Agent，還要在權限、流程、可靠性和價格之間重新算賬。

畢竟，財務部門撥預算時看的，從來都不是跑分Benchmark，而是一張能講清 ROI的賬單。

聲明：本文為 AI 前線原創，不代表平臺觀點，未經許可禁止轉載。

會議推薦

AICon 上海站 4 大核心看點：Keynote 前瞻洞見、Agent 工程化專題拆解、前沿技術 + 產業落地全覆蓋，Google Cloud 專家實操帶練。更多詳情可掃碼或聯系票務經理 13269078023 進行咨詢。

今日薦文

你也「在看」嗎？