它像是 Claude 进入 Slack 的一次升级：在团队频道里 @Claude，它就能读懂上下文、拆解任务、调用工具，然后把结果发回讨论串。

但如果只把它理解成“Slack 里的 Claude”，可能就低估了这次更新。

在我看来，Claude Tag 真正有意思的地方，不是它又多了一个入口，而是它代表了 AI Agent 产品形态的一次明显变化：

AI 不再只是一个你单独打开的聊天窗口，而开始变成一个嵌入组织协作流程的“团队成员”。

这件事，对企业 AI、Agent Memory、知识库、工单系统、研发协作，甚至未来的组织管理方式，都有很强的启发意义。

---

1. Claude Tag 到底是什么？

Claude Tag 的使用方式很简单。

在 Slack 的频道或讨论串里，团队成员可以像 @ 同事一样 @Claude，然后直接交代任务：

• 帮我总结这个讨论串里已经决定了什么；
• 把这些聊天内容整理成行动项；
• 查询过去 7 天和 28 天的业务数据；
• 根据这个 bug 讨论创建一个 draft PR；
• 监控这个频道，有紧急事项再提醒我；
• 每周自动整理一次项目进展。

这听起来像聊天机器人，但它和传统聊天机器人有一个关键区别：

传统 AI 助手主要围绕“个人对话”工作，而 Claude Tag 是围绕“团队上下文”工作。

在一个 Slack 频道里，Claude 不再只是某个人的私有助手，而是一个团队共享的 AI 身份。

张三让它分析问题，李四可以看到分析过程；李四继续补充上下文，王五也能接着往下推进。Claude 的工作过程和结果都在团队频道中公开发生，而不是散落在每个人自己的聊天窗口里。

这就是 Claude Tag 很关键的一点：

它让 AI 从“个人工具”变成了“协作节点”。

---

2. 这不是 Claude Code 的简单升级

Anthropic 官方把 Claude Tag 看作 Claude Code 演进的一部分，因为它可以把 Slack 里的开发需求直接接到代码库、PR、Issue 和工程任务上。

比如团队在频道里讨论一个功能：

“我们要给产品加一个 cadence picker。”

过去，这种需求通常会经历一串流程：

产品在 Slack 里讨论
→ 工程师整理需求
→ 去 Jira 或 Linear 建任务
→ 打开代码库分析影响范围
→ 写代码
→ 提 PR
→ 回 Slack 同步进展

Claude Tag 试图把这条链路压缩成：

在 Slack 里 @Claude
→ Claude 读讨论上下文
→ 分析代码库
→ 拆解任务
→ 生成方案或 draft PR
→ 回到原线程同步结果

这就不只是“会写代码”的问题了，而是 AI 开始进入真实的研发协作链路。

更重要的是，Claude Tag 并不只服务工程团队。

官方提到的场景还包括查询产品数据、处理支持工单、准备客户会议、监控频道、整理行动项等。也就是说，代码只是其中一个高价值场景，真正的目标是更大的企业工作流。

所以我更愿意把 Claude Tag 理解成：

一个以 Slack 为入口、以组织上下文为基础、以工具调用为执行能力的企业级 Agent。

---

3. 四个关键词：共享上下文、持续记忆、主动介入、异步执行

Claude Tag 最值得关注的，不是“@ 一下就能回答”，而是背后的四个能力。

3.1 共享上下文：AI 开始“读懂团队现场”

过去我们使用 AI，经常要先补充大量背景：

“我们这个项目是这样的……”
“刚才讨论的是这个问题……”
“之前谁说过什么……”

这其实很不自然。

真实团队协作中，很多知识并不在正式文档里，而是在 Slack、飞书、企业微信、会议纪要、PR 评论、工单讨论、CRM 记录里不断流动。

Claude Tag 的第一步，就是让 AI 进入这些协作现场。

它可以读取频道和线程中的上下文，理解大家已经讨论了什么、谁负责什么、哪些问题还没解决、哪些决策已经形成。

这意味着 AI 不再只依赖用户临时输入的 prompt，而是可以从组织协作过程中获得上下文。

3.2 持续记忆：AI 不再每次从零开始

Claude Tag 的另一个重点，是它会随着时间积累团队上下文。

比如周一 standup 里提到的事项，到了周四仍然可以被 Claude 记住；上周某个频道里讨论过的项目背景，不需要每次重新解释；团队的技术栈、业务习惯、负责人分工，也可以逐渐成为它理解工作的基础。

这就很接近我一直关注的 Agent Memory 问题。

过去很多 AI 助手的问题是：它可以回答得很好，但每次都像刚入职第一天。

而真正进入企业场景后，AI 不能永远像“临时外包”。它必须逐步理解组织状态：

• 这个项目现在处于什么阶段？
• 哪些决策已经过期？
• 哪些负责人发生了变化？
• 哪些需求只是讨论过，哪些已经进入执行？
• 哪些知识是当前有效的，哪些只是历史信息？

所以 Claude Tag 重要的不只是“记住”，而是它让组织级记忆成为企业 Agent 的核心能力之一。

3.3 主动介入：AI 不再只等人提问

传统 AI 助手的交互方式是：

人问一句，AI 答一句。

Claude Tag 开始往前走了一步。

在相关模式开启后，它可以主动提醒团队：

• 某个线程很久没有结论；
• 某个部署已经完成；
• 某个紧急事项需要负责人决策；
• 某个频道出现了和你相关的重要信息；
• 某个 backlog 需要被处理。

这其实是 Agent 产品形态上的一次重要变化。

AI 从“被动响应者”变成了“主动观察者”。

当然，这个能力如果做不好，也可能变成噪音。所以未来企业 Agent 的关键并不是“能不能主动”，而是：

什么时候该主动，什么时候不该打扰，什么时候必须升级给人。

这背后需要非常成熟的权限、优先级、上下文判断和责任边界设计。

3.4 异步执行：AI 开始承担长期任务

Claude Tag 还有一个很重要的点：异步执行。

过去很多 AI 任务是同步的。你发一个问题，等它生成结果，然后继续下一轮。

但真实工作不是这样。

真实工作里有很多任务会跨越几小时、几天，甚至更长时间：

• 持续关注一个频道；
• 每周整理一次进展；
• 跟进一个长期没有关闭的问题；
• 监控某类客户反馈；
• 等某个部署完成后再通知团队；
• 在多个系统之间收集信息后再给出结果。