ClaudeTag：Anthropic 给 AI Agent 发了第一张“企业工牌”

刘棕霆
0 阅读18分钟

ClaudeTag 不是 Slack 机器人，而是企业 AI Agent 从“个人工具”变成“组织成员”的分水岭。

claudetag-cover.png Anthropic 在 2026 年 6 月 23 日发布了 Claude Tag。

表面上看，它只是让你在 Slack 里 @Claude。

但如果只把它理解成一个 Slack 插件，就太低估 Anthropic 了。

ClaudeTag 真正有意思的地方不是“Claude 进了 Slack”，而是它第一次认真回答了企业 AI Agent 的几个核心问题：

  • AI 在组织里有没有自己的身份？
  • AI 能不能拥有频道级长期记忆？
  • AI 调用工具时到底用谁的权限？
  • AI 异步执行任务后，谁来审计？
  • AI 如果像同事一样参与协作，责任边界在哪里？

所以我更愿意这样定义它：

ClaudeTag 是 Anthropic 给 AI Agent 发的第一张“企业工牌”。

如果说 Claude Code 让 AI 进入代码仓库，那么 ClaudeTag 让 AI 进入公司组织。

这件事的战略意义，可能比“又一个 Claude 新功能”大得多。

TL;DR

  • ClaudeTag 是什么：Anthropic 放进 Slack 的团队级 AI Agent，可以在频道、线程、DM 里被 @Claude 调用。
  • 它能做什么：读取频道上下文、记住长期信息、连接企业工具、异步执行任务，并在任务停滞时主动跟进。
  • 为什么重要：它把 AI 从“个人聊天框”推进到“组织协作现场”。
  • 真正关键词：不是 Slack，而是 Agent Identity，也就是 AI Agent 以自己的身份行动。
  • 最大启发：企业 AI 的下一站不是更大的 Chatbot，而是有身份、有权限、有记忆、有审计的数字同事。
  • 国内开发者该抄什么：不是抄 Slack，而是在飞书、企微、钉钉、GitHub、Jira、数据平台里做“频道级 Agent Runtime”。

1. ClaudeTag 到底是什么？

一句话：

ClaudeTag 是一个住在 Slack 协作现场里的团队级 AI Agent。

团队可以在 Slack 频道里授权 Claude，让它读取当前频道、线程和已连接工具的上下文。之后，团队成员可以像 @ 同事一样 @Claude，把任务交给它。

它可以做的事情包括：

  • 读长线程，整理决策、待办和风险；
  • 查最近 7 天 / 28 天的业务数据；
  • 根据 bug 线程定位问题，并起草修复 PR；
  • 会议前拉取 CRM、历史线程、通话记录，生成 briefing；
  • 监控频道，定期总结，发现停滞任务后主动提醒。

这些能力单看都不新。

真正新的是：它们第一次被放进团队协作现场。

过去我们使用 AI 的姿势是：

人把上下文复制进聊天框。

ClaudeTag 的姿势是：

AI 直接住进上下文发生的地方。

这就是它和普通 Chatbot 的本质区别。

claudetag-comparison.png

维度传统 AI ChatbotClaudeTag
入口单人聊天窗口Slack 频道、线程、DM
上下文用户手动复制直接读取协作现场
身份依附用户账号Agent 自己的组织身份
记忆会话级历史频道级 / 工作区级记忆
执行一问一答异步任务、长期任务、主动跟进
治理边界模糊权限、限额、审计、日志

所以 ClaudeTag 不是“把 Claude 接进 Slack”这么简单。

它是在把 Slack 变成 Agent 的运行环境。

2. 真正关键词不是 Slack，而是 Agent Identity

这篇文章最想强调的一点是：

ClaudeTag 最重要的创新不是 Slack 集成，而是 Agent Identity。

什么意思？

Claude 不再“冒充”某个员工，也不再临时借用某个人的账号权限，而是拥有自己的 Agent 身份。

在个人 AI 场景里，这个问题不明显。

你用 Claude 连接自己的 Gmail、Google Drive、GitHub，让它帮你查邮件、总结文档、改代码，本质上还是你的个人助手。

但 ClaudeTag 是多人协作场景。

一个频道里可能同时有工程师、产品经理、数据分析师、客服同学。大家都能 @Claude，Claude 还可能异步跑几个小时，甚至在你下线后继续跟进任务。

这时企业必须回答一个问题：

AI 到底以谁的身份做事？

如果它用工程师 A 的账号，产品经理 B 让它查数据算什么？

如果它用 PM 的权限，工程师让它改代码算什么？

如果它默认使用频道里权限最高的人的账号，那频道就可能变成权限后门。

如果它没有独立身份，那审计系统里看到的到底是谁干的？

所以 ClaudeTag 的关键变化是：

Claude acts as itself.

Claude 在 Slack 里以 Claude app 发言，在 GitHub 里可以以 Claude GitHub App 的身份开 PR，在数据系统里可以使用管理员配置的 service account 查询数据。

这带来一个很重要的变化：

过去企业权限模型问的是：

这个用户能做什么？

Agent Identity 问的是：

这个 Agent 在这个工作区 / 频道 / 场景里能做什么？

这不是产品细节。

这是企业 AI 能不能进入生产系统的地基。

企业 AI 的第一性问题，从来不是“模型有多聪明”，而是：

它凭什么能代表组织行动？

3. ClaudeTag 背后的企业 Agent OS

如果只把 ClaudeTag 看成一个产品，会低估它。

我更愿意把它看成一个雏形：

企业 Agent OS 的第一块拼图。

一个真正能进入企业生产环境的 Agent，不是一个模型，不是一个 prompt，也不是一个聊天窗口。

它至少需要三层：

claudetag-agent-os.png

层级核心问题ClaudeTag 对应
入口层Agent 在哪里被调用？Slack 频道、线程、DM
身份层Agent 凭什么行动？Agent Identity、频道权限、组织身份
执行层Agent 能完成什么？工具调用、数据查询、代码仓库、异步任务

过去大多数 AI 产品卡在入口层。

它们提供一个聊天框，让用户把问题输进去。

但企业真正需要的不是一个更大的聊天框，而是一个能长在工作流里的执行节点。

ClaudeTag 同时踩中了三件事：

第一，它选择 Slack 作为入口。

Slack 不是普通聊天工具，而是很多企业里的组织神经系统。需求在这里诞生，bug 在这里暴露，决策在这里沉淀，责任人在这里被 @。

第二，它引入 Agent Identity 作为身份层。

Claude 不再复用某个人的 token，而是由管理员配置自己的身份、工具、代码仓库、连接器和频道边界。

第三，它把执行能力放进协作现场。

Claude 不只是总结聊天记录，还可以查数据、建 ticket、开 PR、追踪长期任务、主动提醒。

所以 ClaudeTag 最准确的定位不是 Slack Bot。

它更像一个：

Slack-native Agent Runtime。

换句话说：

ClaudeTag 的野心，不是让 Claude 会用 Slack，而是让 Slack 变成 Agent 的操作系统。

4. 为什么它可能比 Claude Code 更值得关注？

这句话可能有争议：

ClaudeTag 的战略位置，可能比 Claude Code 更大。

注意，我不是说 ClaudeTag 的代码能力比 Claude Code 强。

Claude Code 改变的是程序员的工作方式。

ClaudeTag 改变的是团队的协作方式。

这两个东西的影响半径不一样。

产品进入哪里改变什么
Claude Web聊天窗口个人问答和写作
Claude Code终端 / IDE / Repo开发者编码流
Claude Cowork企业任务空间复杂任务委托
ClaudeTagSlack 协作现场团队生产关系

Claude Code 让 AI 会写代码。

ClaudeTag 让 AI 开始参加公司运转。

Anthropic 官方发布里有一个很有传播性的数字：内部版 Claude Tag 创建了其产品团队 65% 的代码。

这个数字不一定能直接外推到其他公司，但它释放了一个非常强的信号：

AI 写代码的入口，不一定只在 IDE。

很多代码任务的起点，其实在聊天线程里。

Bug 报告在 Slack。

需求澄清在 Slack。

数据异常在 Slack。

上线决策也在 Slack。

ClaudeTag 做的事情，就是把“任务发生的地方”和“代码执行的地方”连起来。

这才是它值得关注的地方。

5. 四个真实场景：它不是聊天，是推进工作

场景一：线上 bug triage

用户在客服频道里报了一个问题，截图、日志、复现路径散落在线程里。

过去的流程是：

客服转给 PM，PM 找工程师，工程师查 Datadog，翻 Linear，看 GitHub 最近合并，最后再开 issue。

现在可能是：

@Claude 看一下这个报错是不是最近发版引入的。
如果是，帮我定位相关 PR，整理影响范围，并起草一个修复方案。

Claude 可以读线程、看截图、查日志、检索工单、翻仓库、打开 draft PR。

人类不再是每一步的搬运工，而是判断者和审批者。

场景二：数据问题追踪

增长频道里有人发现转化率下降。

过去要找数仓同学拉数，找产品同学解释实验，找运营同学补充活动背景。

现在可以：

@Claude 查一下过去 7 天注册转化率下降的主要来源，
对比渠道、地区、设备和实验分组，给出最可能的三个原因。

这不是“AI 会 SQL”这么简单。

关键是结果直接回到团队讨论现场，所有人都能继续追问。

场景三：项目推进

最烦人的工作不是制定计划，而是追踪计划。

ClaudeTag 可以被要求：

@Claude 每周五下午汇总这个频道未关闭事项，
标出 owner、阻塞点和下周风险。

它可以在任务停滞时主动 tag 人。

这就从“聊天机器人”变成了“协作推进器”。

场景四：研发协作

CI 挂了，大家在频道里讨论。

过去是工程师复制日志、打开仓库、定位提交、改代码、再回频道解释。

现在可以：

@Claude 看一下这次 CI 失败原因，
如果是测试用例问题，起草一个修复 PR；
如果是产品逻辑变化，整理给 owner 确认。

这类场景最能体现 ClaudeTag 的价值：

它不是替代某个工具，而是把多个工具串成一个团队任务流。

6. Anthropic 真正想抢什么？

我认为 Anthropic 抢的不是 Slack 插件市场。

它抢的是企业 Agent 的默认入口。

下一代企业 AI 应用，大概率不会要求员工每天打开一个新的 AI 工作台。

因为员工已经在工作了。

他们在 Slack、Teams、飞书、企业微信、钉钉、Linear、Jira、GitHub、Notion、Google Docs、Datadog、Salesforce 里工作。

AI 如果想成为生产力基础设施，就不能总是要求人切换到 AI。

它必须长在人已经工作的地方。

这就是 ClaudeTag 的战略判断：

企业 AI 的入口，不是新的 App，而是旧工作流里的新成员。

Slack 不是终点。

它只是 Anthropic 选择的第一站。

未来类似形态一定会出现在：

  • Microsoft Teams
  • 飞书
  • 企业微信
  • 钉钉
  • GitHub
  • Linear / Jira
  • Notion / Confluence
  • 数据平台
  • 客服工单系统

谁控制协作入口，谁就控制 Agent 分发。

谁定义 Agent 身份，谁就定义企业 AI 的权限边界。

谁拥有组织上下文，谁就拥有 AI 最难替代的燃料。

这就是 ClaudeTag 的野心。

7. 国内开发者应该抄什么？

如果你是国内 AI 应用开发者，ClaudeTag 给出的启发不是“赶紧做一个 Slack Bot”。

国内很多团队不用 Slack。

但这不重要。

真正应该抄的是它背后的架构思想：

不要抄 ClaudeTag 的 Slack，要抄它的组织协作模型。

claudetag-china-architecture.png

一个国内版 ClaudeTag，大概应该长这样：

飞书 / 企微 / 钉钉群聊
        ↓
频道级 Agent
        ↓
Agent 身份与权限系统
        ↓
企业工具连接层
        ↓
异步任务执行器
        ↓
审计日志与成本控制
        ↓
频道级 / 项目级组织记忆

具体来说，有六件事值得抄。

1）不要只做网页 Chatbot，要做协作现场里的 Agent

企业里的真实工作不发生在聊天框里，而发生在群聊、工单、代码仓库、会议纪要、数据看板、审批流里。

国内版 ClaudeTag 的入口可能是飞书群、企业微信群、钉钉群、TAPD、Jira、GitLab、Gitee、语雀、Confluence、日志平台、数据平台。

关键不是支持哪个平台，而是：

Agent 必须出现在任务自然发生的地方。

2）不要让 Agent 复用员工 token，要设计独立身份

很多企业内部 AI 的第一版，都是让 Agent 拿某个员工账号的 token。

这很快，但很危险。

一旦进入多人协作，就会出现权限混乱：

  • 谁发起的任务？
  • Agent 用的是谁的权限？
  • 如果出错，责任算谁？
  • 被调用系统里的日志怎么记？
  • 离职员工的 token 怎么处理？

ClaudeTag 的启发是：

Agent 必须有自己的工牌。

3）按频道 / 项目 / 部门管理记忆

AI 记忆不是越多越好。

企业里，记忆首先是边界问题。

法律频道的上下文不应该流到研发频道。

销售客户信息不应该被普通项目群读到。

数据团队的敏感查询能力不应该自动暴露给所有人。

所以企业 Agent 的记忆必须按组织、工作区、项目、群聊、私有频道、部门、角色隔离。

否则，Agent 越聪明，风险越大。

4）把审计日志当成一等公民

企业不会因为 AI 很酷就放弃审计。

恰恰相反，Agent 越强，审计越重要。

至少要回答几个问题：

  • 谁让 Agent 做了这件事？
  • Agent 调用了哪些工具？
  • 读了哪些数据？
  • 写了哪些系统？
  • 生成了哪些代码？
  • 有没有外发网络请求？
  • 任务失败在哪里？
  • 消耗了多少 token / 费用？

这说明一个问题：

Agent 不是插件，Agent 是生产系统的一部分。

5）支持异步任务，而不是只做同步问答

同步问答适合知识检索。

但真实工作往往不是一次问答。

一个 bug 可能需要查日志、跑复现、看提交历史、问人确认、开 PR、等 CI、回到线程汇报。

一个增长问题可能需要查数、分维度对比、验证异常、生成图表、解释原因、提醒 owner。

所以企业 Agent 的关键不是“立刻回答”，而是“持续推进”。

6）不要只接一个工具，要做企业工具连接层

ClaudeTag 的价值不是“能读 Slack”。

真正价值来自跨系统联动：

  • 群聊线程
  • GitHub / GitLab / Gitee
  • Linear / Jira / TAPD
  • Datadog / Sentry
  • 数据仓库
  • CRM
  • 工单系统
  • 知识库

单点工具接入只能做 assistant。

跨系统编排才有机会做 Agent。

8. 风险：Agent 越像同事，企业越要小心

这篇文章不是单纯吹 ClaudeTag。

恰恰相反，ClaudeTag 越接近“同事”，治理问题就越不能像插件。

1）权限漂移

Agent 能访问的系统越多，越容易出现“本来不该有的组合权限”。

单个权限看起来安全：能读 Slack、能查数据、能看 GitHub、能访问工单。

但组合起来，可能就能还原非常敏感的信息。

2）记忆污染

如果错误信息进入长期记忆，Agent 之后可能反复基于错误上下文行动。

企业需要能查看、编辑、删除 Agent 记忆。

更重要的是，要能知道这段记忆来自哪里。

3）身份混淆

Agent 以自己的身份行动，但任务是人发起的。

所以审计必须同时记录：

  • Agent 做了什么；
  • 谁让 Agent 做的；
  • 用了哪个频道身份；
  • 调用了哪些凭证；
  • 结果写入了哪里。

否则出了问题没人说得清。

4）成本失控

多人频道里，大家都可以 @Claude。

如果没有组织级、频道级限额，一个热门频道很容易把成本打爆。

Anthropic 帮助中心里提到 ClaudeTag 是 consumption-based，并支持组织级限额、频道级限额、阈值提醒和用量分析。

这说明成本治理不是附加项，而是核心设计。

5）责任归属

如果 ClaudeTag 起草了一个 PR，工程师合并后引入线上事故，责任算谁？

如果 Agent 查数据给错结论，团队基于这个结论做了错误决策，责任算谁？

企业最终会发现：

AI Agent 的问题不是“它会不会做”，而是“它做完以后谁负责”。

9. ClaudeTag 和 MCP 是什么关系？

很多人看到 ClaudeTag，会马上想到 MCP。

MCP 解决的是模型和工具之间如何标准化连接。

ClaudeTag 解决的是 Agent 如何进入组织协作现场，并在组织边界内被调用、授权和审计。

二者不是替代关系。

更准确地说：

问题MCP 更关注ClaudeTag 更关注
工具连接模型如何调用外部工具哪个频道里的 Agent 能调用哪些工具
协议层标准化上下文和工具接口组织协作入口和权限边界
使用者开发者、平台、工具提供商企业团队、管理员、业务用户
核心价值连接生态协作运行时

如果把企业 Agent 比作一个操作系统：

  • MCP 像设备驱动和外设协议；
  • Agent Identity 像用户和权限系统；
  • Slack / 飞书 / 企微像桌面入口；
  • ClaudeTag 像第一个可被普通团队直接使用的 Agent Runtime。

所以未来企业 Agent 的关键不是单点协议，而是这几层的组合：

协作入口
  + Agent 身份
  + 工具协议
  + 组织记忆
  + 异步执行
  + 审计治理
= 企业级 Agent Runtime

10. 如果只记住三句话

第一句：

ClaudeTag 不是 Slack 机器人，而是 Anthropic 给 AI Agent 发的第一张“企业工牌”。

第二句：

Claude Code 让 AI 进入代码仓库，ClaudeTag 让 AI 进入公司组织。

第三句：

AI 的下一站，不是更聪明的聊天框，而是拥有身份、权限、记忆和审计的数字同事。

11. 常见问题

ClaudeTag 是什么？

ClaudeTag 是 Anthropic 推出的团队级 AI Agent。它目前运行在 Slack 中，团队成员可以在频道或线程里 @Claude，让 Claude 基于共享上下文、已授权工具和组织身份完成任务。

ClaudeTag 和 Claude Code 有什么区别？

Claude Code 主要进入代码仓库、终端和开发者工作流；ClaudeTag 进入 Slack 这样的团队协作现场。Claude Code 更像程序员副驾，ClaudeTag 更像组织里的数字同事。

ClaudeTag 为什么重要？

ClaudeTag 重要的地方不只是 Slack 集成，而是它引入了 Agent Identity、频道级记忆、组织权限、异步任务和审计日志。这些能力让 AI Agent 更接近企业生产系统，而不是普通聊天机器人。

ClaudeTag 会取代 Slack Bot 吗？

ClaudeTag 不只是传统 Slack Bot 的升级。传统 Bot 通常执行固定命令或简单自动化；ClaudeTag 更像一个能理解上下文、调用工具、长期跟进任务的 Agent Runtime。

ClaudeTag 对国内开发者有什么启发？

国内开发者不一定要抄 Slack 集成，而应该借鉴 ClaudeTag 的架构：在飞书、企业微信、钉钉、研发协作平台中构建有身份、有权限、有记忆、有审计的频道级 Agent。

ClaudeTag 最大风险是什么？

主要风险包括权限漂移、记忆污染、身份混淆、成本失控、审计压力和责任归属。Agent 越像员工，治理就越不能像插件。

12. 结语：AI Agent 终于开始“入职”了

过去两年，我们一直在讨论 AI Agent。

但很多 Agent 其实还停留在 demo 层：

打开一个聊天框，输入一个任务，看它调用几个工具，生成一个结果。

这当然有价值。

但这还不是企业真正需要的 Agent。

企业需要的是能进入组织现场的 Agent：

  • 它知道自己在哪个频道；
  • 它知道自己能访问什么；
  • 它知道自己不能访问什么；
  • 它能记住团队长期上下文；
  • 它能异步推进任务；
  • 它能把动作留在审计日志里；
  • 它能被管理员限制、暂停、删除、追责。

这才是 Agent 从玩具走向生产系统的关键一步。

ClaudeTag 不一定是终局。

它也不一定马上适合所有公司。

但它提前展示了一个方向：

未来每个项目频道、每个研发团队、每个客服小组、每个数据看板旁边，都可能有一个被授权、可审计、有记忆的 AI Agent。

它不一定叫 ClaudeTag。

但它一定会住在组织协作现场。

也许几年后，我们回头看，会发现 2026 年的 ClaudeTag 并不是一个普通产品发布。

它是 AI Agent 开始“入职”的时刻。

你觉得企业 AI 的下一个入口会在哪里？

是 Slack / 飞书 / 企业微信这样的协作工具，还是 GitHub / Linear / Jira 这样的生产系统？

欢迎在评论区聊聊。

参考资料

avatar
文章
阅读
粉丝