# 影片筆記：AI同事开始进群了 | Claude Tag | Anthropic 65%代码 | Slack Agent | Karpathy第三范式 | 企业AI工作流

## 一句話總結

Anthropic 推出 **Claude Tag**，將 AI 從被動的對話工具轉變為具備「共享、持續、主動」特性的 Slack 團隊成員，標誌著 LLM 交互範式從「人找 AI」轉向「AI 進入工作流」的第三次重構，並已於內部實現 65% 代碼編寫，引發對企業 AI 協作模式與行業競爭格局的深遠影響。

## 核心重點

1.  **Claude Tag 的核心特性**：
    *   **共享 (Shared)**：單一頻道內僅有一個 Claude，所有成員可見進度與上下文，實現類似真實團隊的協作，解決舊模式上下文隔離問題。
    *   **持續 (Persistent)**：常驻頻道，隨討論累積上下文，理解團隊習慣與項目背景，無需每次從零開始。
    *   **主動 (Proactive)**：開啟 **Ambient 模式**後，AI 會主動觀察頻道，監控卡住的討論、標記懸而未決的決策，而非僅等待指令。

2.  **LLM 用戶界面的第三次重構 (Karpathy 觀點)**：
    *   **第一次重構**：對話框 (Chatbox)，如 ChatGPT 網頁版，人主動訪問 AI，AI 是「孤島」。
    *   **第二次重構**：命令行 Agent，如 Claude Code，AI 具備動手能力，但仍需人切換環境、輸入指令，AI 是「工具」。
    *   **第三次重構**：持續實體 (Continuous Entity)，如 Claude Tag，AI 進入人原本的工作流（Slack），上下文由頻道提供，AI 被「送入」上下文。

3.  **實際應用與可靠性**：
    *   Anthropic 內部產品團隊已使用內部版 Claude Tag 編寫 **65%** 的代碼，證明其具備處理主力工程任務的能力。
    *   應用範圍擴展至追蹤產品指標、處理支持工單、定位 Bug 根因等。

4.  **行業影響與戰略意義**：
    *   **對創業公司的威脅**：模型廠商直接進入應用層，提供原生能力與企業級管理，擠壓純套殼 Agent 創業公司的生存空間。
    *   **成本與機會**：Claude Tag 因持續讀取與主動監控消耗大量 Token，企業帳單可能高昂，這為具備成本控制與混合架構能力的第三方廠商留下空間。
    *   **戰略重心**：Anthropic 目前重心在於企業與 B 端（工作流、組織、付費能力），而非單純的個人用戶體驗。

## 詳細大綱

### I. Claude Tag 是什麼？
*   **基本定義**：將 Claude 加入 Slack 頻道，透過 @提及 的方式指派任務。
*   **運作機制**：接收任務後，自行拆解步驟、調用工具、執行代碼，並將結果回傳至對話線程。
*   **案例**：處理 Bug 修復、開啟 PR（Pull Request）、運行測試等。

### II. 與舊有集成的三大區別
1.  **共享性 (Shared)**：
    *   舊模式：個人上下文隔離，換人需重新交代背景。
    *   Claude Tag：單一頻道內僅有一個 Claude，所有成員可見進度與上下文，實現類似真實團隊的協作。
2.  **持續性 (Persistent)**：
    *   舊模式：呼叫即消失，無長期記憶。
    *   Claude Tag：常驻頻道，隨討論累積上下文，理解團隊習慣、技術棧與項目背景，無需每次从零開始。
3.  **主動性 (Proactive)**：
    *   開啟 **Ambient 模式**後，AI 會主動觀察頻道。
    *   功能：監控卡住的討論、標記懸而未決的決策、主動同步相關信息，而非僅等待指令。

### III. 交互範式的第三次重構
*   **第一次重構：對話框 (Chatbox)**
    *   代表：ChatGPT 網頁版。
    *   特徵：人主動訪問 AI，信息單向，上下文一次性，AI 是「孤島」。
*   **第二次重構：命令行 Agent**
    *   代表：Claude Code。
    *   特徵：AI 具備動手能力（讀寫文件、跑測試），但仍需人切換環境、輸入指令，AI 是「工具」。
    *   共同點：人去找 AI，需離開原有工作流。
*   **第三次重構：持續實體 (Continuous Entity)**
    *   代表：Claude Tag。
    *   特徵：AI 進入人原本的工作流（Slack），上下文由頻道提供，AI 被「送入」上下文。
    *   意義：Karpathy 稱之為 LLM 用戶界面的第三次重大重構。

### IV. 實際可靠性與內部採用
*   **Anthropic 內部數據**：
    *   產品團隊 65% 的代碼由內部版 Claude Tag 編寫。
    *   非輔助編寫或補全，而是主力代碼來源。
*   **兩層意義**：
    1.  Agent 已跨越門檻，能處理複雜工程任務。
    2.  Anthropic 將自身工程團隊作為頭號用戶與試驗場，產品在真實壓力下迭代。
*   **應用範圍擴展**：除代碼外，還用於追蹤產品指標、處理支持工單、定位 Bug 根因。

### V. 用戶反饋與戰略重心
*   **反饋一：對個人用戶的疏離感**
    *   用戶關注點在於 **Fable 5** 何時可用，而非企業功能。
    *   目前運行的是 **Opus 4.8**，非 Fable。
    *   反映 Anthropic 戰略重心在於企業與 B 端（工作流、組織、付費能力）。
*   **反饋二：助手還是監工？**
    *   擔憂：AI 永不下線且主動提醒進度，可能變成「數字監工」。
    *   Anthropic 回應：
        *   權限與記憶按頻道隔離（銷售與工程數據隔離）。
        *   可設置頻道訪問權限、工具訪問權限、Token 預算。
        *   所有操作有日誌可查。
    *   結論：技術邊界清晰，但角色定位取決於團隊管理文化。

### VI. 對行業的影響
*   **利空：純套殼產品**
    *   模型廠商（Anthropic）直接進入應用層，提供原生能力、入口（Slack）及企業級管理。
    *   缺乏核心差異化的創業公司生存空間被擠壓。
*   **利好：成本控制與混合架構**
    *   **Token 成本問題**：Claude Tag 因持續讀取、主動監控，消耗 Token 量大，企業帳單可能高昂。
    *   **機會點**：第三方廠商若能提供更低成本的解決方案（如混合路由、多模型調度、Agent 壓縮），將具備競爭力。
    *   企業最終考量：在能力、權限、可靠性與價格之間重新算賬。

### VII. 總結與展望
*   **方向轉變**：AI 從「目的地」（需專門時間使用）變為「同事」（嵌入工作流）。
*   **深遠影響**：改變團隊協作方式、任務分配、追蹤機制及人力需求。
*   **現狀限制**：僅支持 Slack 和 GitHub，處於 Beta 階段，能力仍在早期。
*   **結論**：AI 將走出對話框，適應人的工作方式，Claude Tag 是這一過程的重要一步。

## 工具 / 模型 / 名詞整理

*   **Claude Tag**：Anthropic 推出的 Slack 集成功能/產品，允許將 AI 作為團隊成員加入頻道。
*   **Slack**：企業通訊軟體，Claude Tag 的主要運行平台。
*   **Claude**：Anthropic 開發的大型語言模型系列。
*   **Claude Code**：Anthropic 推出的命令行代碼編寫 Agent，被視為第二次重構的代表。
*   **ChatGPT**：OpenAI 推出的對話框式 AI 產品，被提及為第一代交互範式代表。
*   **Ambient 模式**：Claude Tag 中的一種模式，允許 AI 主動觀察頻道並進行監控。
*   **PR (Pull Request)**：代碼合併請求，Claude Tag 可協助開啟。
*   **Token**：AI 處理文本的基本單位，Claude Tag 因持續運作消耗量大。
*   **Karpathy 第三范式**：指代 LLM 用戶界面的第三次重大重構，即 AI 進入人工作流的範式。

## 操作流程整理

1.  **加入頻道**：將 Claude Tag 添加至企業 Slack 頻道。
2.  **指派任務**：用戶在頻道中 @提及 Claude Tag 並發送任務指令。
3.  **任務拆解與執行**：
    *   Claude Tag 接收任務。
    *   自行拆解步驟。
    *   調用所需工具（如讀寫文件、運行測試）。
    *   執行代碼或處理邏輯。
4.  **結果回傳**：將執行結果、代碼變更或狀態更新回傳至對話線程。
5.  **持續協作 (Ambient 模式)**：
    *   若開啟 Ambient 模式，AI 持續監控頻道討論。
    *   主動標記懸而未決的決策或卡住的討論。
    *   主動同步相關信息給相關成員。
6.  **管理與監控**：
    *   管理員設置頻道訪問權限、工具訪問權限及 Token 預算。
    *   查看所有操作日誌以確保合規與可追溯性。

## 值得注意的限制或風險

1.  **Token 成本高昂**：由於 Claude Tag 具備持續讀取與主動監控能力，會消耗大量 Token，可能導致企業帳單顯著增加。
2.  **平台限制**：目前僅支持 Slack 和 GitHub，處於 Beta 階段，能力仍在早期發展中。
3.  **「數字監工」效應**：AI 永不下線且主動提醒進度，可能引發員工對被監控的擔憂，角色定位取決於團隊管理文化。
4.  **上下文隔離與權限**：雖然技術上可按頻道隔離權限與記憶，但需企業自行設置嚴格的訪問控制，否則可能存在數據洩露風險（如銷售與工程數據混雜）。
5.  **對創業公司的擠壓**：模型廠商直接提供企業級原生能力，可能使缺乏核心差異化的純套殼 Agent 創業公司難以生存。

## 逐字稿辨識疑點

*   **Fable 5**：逐字稿中多次提及「Fable 5」，並與 Claude 模型對比。Anthropic 主要模型系列為 Claude (Opus, Sonnet, Haiku)，「Fable」並非其公開的主流模型名稱，極大機率為聽寫錯誤或口誤（可能意指其他模型或特定版本）。
*   **Opus 4.8**：逐字稿提到「目前跑的是 Opus 4.8」。Anthropic 的 Opus 模型版本號通常不以此格式發布（如 Opus 3.5 等），「4.8」可能為口誤或聽寫錯誤。
*   **Cowork**：逐字稿提到「從 Claude Code 到 Cowork 再到現在的 Tag」。Anthropic 官方產品線中無明確名為 "Cowork" 的知名產品，可能為口誤（如指代 "Claude Computer" 或其他協作工具）或特定內部項目名稱。
*   **65% 代碼來源**：逐字稿稱「產品團隊百分之六十五的代碼...來自內部版的 Claude Tag」。此數據為 Anthropic 官方說法，但需留意其定義（是否包含補全、測試代碼等）。
*   **Ambient 模式**：逐字稿提及「開啟所謂的 Ambient 模式」。需確認此為 Anthropic 官方正式命名的功能模式，還是影片作者的描述性用語。

## 可延伸追問

1.  **成本效益分析**：企業在導入 Claude Tag 時，如何精確計算 Token 成本與潛在效率提升之間的平衡點？是否有具體的 ROI 案例？
2.  **混合架構解決方案**：第三方廠商如何通過混合路由或多模型調度來降低 Claude Tag 的高 Token 成本？具體技術路徑為何？
3.  **權限管理細節**：在實際企業環境中，如何具體實施「銷售與工程數據隔離」？是否有現成的最佳實踐或工具推薦？
4.  **個人用戶體驗**：Anthropic 如何回應個人用戶對企業功能重心的不滿？未來是否會推出針對個人用戶的類似「持續實體」功能？
5.  **其他平台支持**：除了 Slack 和 GitHub，Anthropic 是否有計劃將 Claude Tag 擴展至其他協作平台（如 Teams、Discord 等）？