Anthropic推出Claude Tag，进军企业群聊Agent赛道 - 核心观点：Anthropic推出名为Claude Tag的新功能，将其Claude模型深度集成至Slack等企业协作平台，标志着AI交互从“个人助手”向“团队级AI员工”的范式转变，旨在占据企业任务分配与追踪的核心现场 [2][4][9] 产品功能与核心特点 - Claude Tag是一个可被@提及的独立、持久、异步运行的AI实体，能够阅读群聊讨论、拆解任务、调用工具并持续跟进任务流 [4][9][11] - 该功能具备“主动性”，在开启“Ambient”模式后，能持续关注群聊，主动标记重要信息、追问悬而未决的讨论并提醒跟进，重新安排信息抵达方式 [14][17] - 产品设计降低了调用门槛，用户无需切换窗口或费力组织Prompt，仅需像@同事一样@Claude即可，将产品门槛降到最低 [12][30] 技术演进与产品定位 - Claude Tag代表了LLM交互的第三阶段：从“网站阶段”（主动访问）、“应用阶段”（本地软件）演进为“团队级Agent”，实现与人类并肩工作 [10][11][26] - 该产品是Claude Code的升级版，从解决“执行问题”的“个人环境”Agent，跃升为解决“发现问题”的“协作现场”Team-level Agent [25][26][29] - 产品融合并超越了早期形态：从一问一答的ChatBot（Slack Bot），到处理一次性任务的Workflow Agent（Claude Code for Slack），再到能持续跟进、主动发现需求的Claude Tag [27] 市场策略与竞争格局 - Anthropic选择Slack作为首发平台，因其拥有超过20万付费客户，覆盖近80%的《财富》100强企业，接入了企业最活跃的非结构化信息源 [6][18] - 模型厂商（如Anthropic、OpenAI）正疯狂争夺企业市场，仅今年就从Salesforce挖走近百名员工，直接冲击SaaS厂商的预算 [34][36] - 顶级模型厂商带着原生能力和企业级入口直接入场，使仅做界面层的“套壳产品”瞬间失去生存空间 [32][34] 企业部署与成本考量 - Claude Tag目前以测试版形式向Claude Team和Enterprise客户开放，运行Opus模型，并将取代此前功能相对简单的Claude for Slack [18] - 企业管理员可定义Claude进入哪些频道、连接哪些数据与工具，并为不同部门配置彼此隔离的Claude实例，同时可限制Token支出并查看全部操作日志 [19][21] - Token成本是核心竞争门槛与商业考量，企业主高度关注成本优化，促使部分企业将Agent流量从Claude切换至DeepSeek等成本更低的模型以节省数百万美元 [38][40][41] - 这为第三方厂商和开源模型创造了机会，通过多模型入口、混合路由、Agent压缩等技术来优化Token成本，对抗模型厂商的锁定效应 [40][42][44] 潜在挑战与行业影响 - “一直在线”的AI引发了关于“数字监工”与员工隐私的争议，核心矛盾在于如何界定“主动帮助”与“监控”的边界 [20][22][24] - 行业竞争焦点从单纯的能力比拼，转向在权限、流程、可靠性和价格（ROI）之间的综合平衡 [45][46] - Claude Tag的普及可能利好开源模型，因为其创造的巨大Agent调用量将增强企业优化成本、避免模型锁定的动力 [44]

文章核心观点 - Anthropic公司发布了Claude Tag功能，标志着AI从工具转变为团队中的“智能体同事”，重塑了团队协作方式[2][7] - Claude Tag代表了LLM交互模式的第三次重大重新设计，将其定位为独立、持久、异步的团队协作实体[8] - 该功能旨在抢占企业AI的“工作流入口”，通过深度集成到Slack等协作平台来嵌入企业日常工作流[12] Claude Tag功能概述 - Claude Tag允许用户通过@提及的方式在Slack聊天框或文档中直接调用Claude处理任务[2] - 该功能目前仅在Slack平台支持，Claude可作为具备持续记忆、能主动介入工作的智能体同事加入团队[3] - 团队成员可以异步指派任务，Claude会积累频道上下文并规划未来任务[6] 功能特点与优势 - 为团队协作而生：在同一个Slack频道中，只有一个共享的Claude与所有人互动，使其更像一位团队同事[17] - 具备持续学习能力：Claude会长期积累与工作相关的上下文信息，无需用户重复解释背景，并能从授权数据源中学习以提供更高质量成果[18][19] - 支持主动与异步工作：在“Ambient”模式下，Claude会主动同步重要信息并跟进未解决的任务；它能够为自己安排后续工作，在数小时甚至数天的时间跨度内推进项目[20][21][23] - 在Anthropic内部，产品团队65%的代码由内部版本的Claude Tag生成，该功能已重塑了团队使用Claude的方式[9] 部署、权限与使用 - Claude Tag从一开始就为团队和组织设计，系统管理员可严格控制其对敏感数据和工具的访问权限[25] - 管理员可为不同频道创建具有不同身份和权限的Claude实例，其记忆和上下文被严格限制在指定频道范围内[26][27][35] - 管理员可设置组织和频道级别的Token消耗上限，并查看所有操作日志及任务发起人[29] - 开通流程仅需四步，Claude Tag将取代现有的Claude in Slack应用，符合条件的Enterprise和Team组织将获得启动体验额度[31][32][33] 技术基础与计费模式 - Claude Tag基于Opus 4.8模型运行[34] - 该功能本身不单独额外收费，是Team/Enterprise计划用户的Beta功能，但会消耗Token用量[40] - 若用量超出计划包含额度，将按标准API费率计费，管理员可设置月度支出上限[40]

henry 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，Claude Code迎来一次重大升级。 Anthropic正式发布全新的企业协作工具： Claude Tag 。 官方将其定位为Claude Code的一次进化：更主动、更擅长团队协作。 Anthropic透露，目前公司约65%的产品代码已经由Claude Tag参与完成。 它更像是Anthropic试图让Claude 深入组织上下文、企业知识和工作流 的一次尝试。 前不久加入Anthropic的卡帕西也是第一时间站台，表示自家产品非常棒： 这是LLM用户界面的第三次重大变革。第一次是网页版聊天，第二次是桌面应用，而这一次，LLM变成了一个独立、持续运行的系统， 拥有组织内的工具和上下文，能与人类团队协同工作。 虽然官方这么说，但整体看下来，Claude Tag给人的感觉或许不只是"升级版Claude Code"这么简单。 与传统AI助手主要服务个人不同，Claude Tag的核心卖点是团队协作。 Claude不仅能在群聊中被动响应@，还可以在开启相关模式后主动参与团队工作流程。 比如，在Slack里，只需要@Claude并提出请求，它就会将 ...

公司战略与产品发布 - Anthropic在Salesforce的Slack应用中推出了人工智能助手，该助手可以在群聊中与员工协同工作 [1] - 此举标志着Anthropic深化了对企业市场的布局，该市场已成为人工智能初创公司的关键竞争领域 [1] 行业竞争格局 - 企业市场已成为人工智能初创公司的一个关键战场 [1]

Anthropic发布Claude Tag功能 - 公司发布名为Claude Tag的新功能，目前处于研究预览阶段，该功能被描述为“常驻Slack的Claude”，充当AI队友 [1] - 新功能允许用户在Slack聊天中标记@Claude以获取见解和分配任务，初期面向Claude Enterprise和Claude Team客户提供 [1] 功能定位与演进 - Claude Tag是现有多项集成的演进，用户已可在Slack内私信@Claude或在频道中标记它以获得按需帮助 [2] - 现有的Claude Code功能可将Slack频道中提及的编码任务路由至网页端的完整编码会话，并将更新发布回对话线程 [2] 核心能力提升：持续性上下文与记忆 - Claude Tag增加了持续性上下文和记忆层，这是先前工具难以维持的 [3] - 该功能使Claude能够跟随频道对话并持续学习相关工作内容，若获得权限，还可自动从组织其他渠道收集信息 [3] - 在指定Slack频道中，所有成员均可访问同一个Claude身份，这意味着任何人都可以查看Claude的工作进度，并能从上一个人中断的地方继续对话 [3] - 系统管理员将指定Claude可访问的工具、信息和频道，每个Claude身份的活动范围将被限定在管理员定义的频道内，以实现数据隔离 [3] 任务执行与工作模式 - 当被分配特定任务时，Claude Tag会将任务分解为多个阶段，并使用其可访问的工具逐步完成，最终在Slack线程中回复其创建的内容 [4] - 该功能还具备一种环境感知模式，能够主动介入聊天，以保持团队信息同步、标记组织内各处的事项，并对被遗忘的线程或任务进行跟进 [4] 产品价值与行业趋势 - 公司表示，该功能旨在让用户感觉像是在“与一位真实的同事协作”，这位同事可以在公开视野中完成工作，且拥有比以往更丰富的上下文和理解能力 [5] - 上下文正成为企业部署中日益关键的部分，Anthropic并非唯一专注于此的公司 [5] - 微软也通过Copilot和Work IQ体现其Graph能力，Snowflake和Databricks正将其平台定位为包含组织隐性知识、可供智能体调用的后端支持，Glean也在构建一个理解公司上下文、位于模型与企业数据之间的智能层 [5]