← 返回
精选AI模型发布/更新#Anthropic#Claude Tag#团队协作

Anthropic推出Claude Tag:团队协作新方式

Anthropic:News(网页)T1
15:5806/26 15:58网页阅读原文 ↗导出 MD ↓

评分

67

精选理由

Claude Tag为团队协作场景提供了实用的功能,有望显著提升多人使用AI的生产力,但尚未有大规模用户反馈验证其有效性。

AI 点评

「这一更新使得Claude从个人AI助手扩展到团队协作工具,为企业级AI应用提供了更强大的基础设施。」

速览

Anthropic宣布推出Claude Tag,这一全新功能让团队能够更高效地与Claude协作。通过标签化管理,团队成员可以组织、共享和追踪对话与成果,提升AI协作的生产力和透明度。

  • Claude Tag允许团队为对话和生成内容添加标签,便于分类和检索。
  • 支持团队成员之间共享标签视图,促进协作和信息同步。
  • 集成到现有Claude工作流中,无需额外学习成本。

正文

Product

介绍 Claude Tag

Jun 23, 2026Introducing Claude Tag

Claude Tag 是团队与 Claude 协作的一种全新方式。

我们首先在 Slack 上推出,Claude 可以以团队成员身份加入。授予 Claude 访问选定频道的权限,并将其与你选择的工具、数据乃至代码库连接。然后,频道中的任何人都可以 @Claude 并委托任务,同时专注于其他工作。Claude 通过记住所在频道中的相关信息来构建上下文,并能规划未来要完成的任务。

我们认为 Claude Tag 是 Claude Code 演进的开端:它使模型更加主动,并且能更好地与整个团队协作。@Claude 现已成为 Anthropic 内部完成任务的主要方式之一。如今,我们产品团队 65% 的代码由内部版 Claude Tag 生成。这一模式现已扩展至工程领域之外——我们使用 @Claude 来追踪产品指标和数据、处理支持工单,甚至帮助定位棘手 bug 的根本原因。

Video thumbnail

我们在 Slack 上推出 Claude Tag,因为它是团队与 AI 协作的自然场所,也是 Anthropic 日常工作的主要平台。该功能现面向 Claude Enterprise 和 Team 客户提供 Beta 版。我们的目标是扩大其可用范围,让团队能够在更多协作场景中 @Claude。

与 @Claude 协作

如果你曾使用过 Claude Code 或 Co-Work,会对 Claude Tag 感到熟悉。用简单的语言 @Claude 提出请求,它会将任务分解为多个阶段,然后利用其拥有的工具逐一完成。完成后,它会在 Slack 线程中回复所创建的内容。

但 @Claude 带来了一些新优势:

@Claude 支持多人协作。在某个 Slack 频道中,只有一个 Claude 与所有人互动。这意味着任何人都能看到它正在处理的内容,并能接着上一个人的话题继续对话。这使得 @Claude 与单次聊天或单次任务截然不同——更像是与队友协作。

@Claude 能随时间学习。Claude 在跟随频道内容的过程中,会积累更多关于工作的上下文。这意味着用户无需反复从头解释。如果获得授权,Claude 甚至可以自动从其他 Slack 频道和数据源学习(它不会从私密频道获取信息)。这使其具备了提供最佳工作成果所需的隐性知识。

@Claude 会主动行动。如果启用“环境感知”行为,Claude 会主动向你更新它认为你可能需要知道的信息。它会标记来自其所在频道和所连接工具的相关信息,并跟进那些已沉默但尚未解决的线程或任务。

@Claude 支持异步工作。给 Claude 设定任务后,你可以在它工作时专注于其他优先事项。它还能为自己安排任务,在数小时或数天内自主推进项目。我们发现在 Anthropic 内部这尤为有用:如今我们投入更多时间将任务并行委托给多个 Claude。

你也可以向 Claude 发送私信:它会使用你设置的个人工具和连接器,私下回应。

入门指南

我们设计 Claude Tag 时充分考虑团队和组织需求:@Claude 对敏感数据和任务特定工具的访问权限可以进行严格管控。

为了让系统管理员快速上手,他们可以指定模型在哪些频道中可以访问哪些工具和信息。可以将其视为为不同用途创建独立的Claude身份:包括记忆在内的所有内容都将限定在管理员定义的频道范围内。例如,为销售工作设置的模型不会将其记忆传递给为工程工作设置的模型;也不会让工程师访问任何销售数据或工具。有关配置访问权限的更多信息,请点击此处。

权限设置完成后,每个人都可以立即开始标记操作。管理员可以为token消耗设置限制(既针对组织层面,也针对单个频道),并可以查看@Claude执行的所有操作的日志,以及每个任务的请求者。

如果您是Claude Enterprise或Team客户,从今天起您就可以试用Claude Tag测试版。要开始使用,请访问此处并按照以下四个步骤操作:

  1. 将Claude Tag与您的Slack工作区配对
  2. 让Claude访问您的工具
  3. 为您的组织设置月度消费上限
  4. 在私密频道中测试Claude以确认其正常工作。

Claude Tag将取代现有的Slack中的Claude应用。如需迁移,管理员可在30天内选择加入。我们为符合条件的Enterprise和Team组织提供初始启动信用额度,以便整个公司都能试用。

Claude Tag支持Opus 4.8。您可以阅读我们的文档和产品页面。

相关内容

关于Fable 5网络安全防护及我们的越狱框架的更多详情

Read more

推出Claude Sonnet 5

Sonnet 5在编码、智能体和大规模专业工作中展现出前沿性能。

Read more

重新部署Fable 5

Fable 5将于7月1日全球回归。我们还将与Amazon、Microsoft、Google及其他Glasswing合作伙伴共同提出一个行业范围内的越狱严重程度评分框架。

Read more

同一事件的其他报道

相关条目

91

五维评分

信息增量9 ×0.3

详细揭示了两个具体设置如何协同作用实现三倍性能提升,信息增量高。

内容质量8 ×0.2

来自OpenAI官方,数据明确,结构清晰,但缺少对比实验细节。

实用价值9 ×0.2

为AI工程师提供了可直接操作的性能调优方案,实用性强。

时效性10 ×0.15

消息刚发布,具有高度时效性。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:00OpenAI:News(RSS)T1RSS

精选启用两项设置使ARC-AGI-3基准测试分数提升三倍

这项发现太关键了!它表明模型的性能不仅取决于训练,还取决于推理时的配置。对于AI工程师和研究者来说,这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队,可能会因此找到低成本提升能力的方法。

科技模型#ARC-AGI-3#GPT-5.6#OpenAI
91

五维评分

信息增量9 ×0.3

首次公开GPT-5.6具体效率优化细节,此前仅有传闻。

内容质量8 ×0.2

内容简洁,关键指标明确,但缺乏详细技术文档支撑。

实用价值9 ×0.2

直接指导企业如何降低AI部署成本,具有商业参考价值。

时效性10 ×0.15

刚发布的官方新闻,时效性极强。

信源可信度10 ×0.15

来源为OpenAI官方博客,信源权威。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00OpenAI:News(RSS)T1RSS

精选GPT-5.6:前沿智能与前沿效率的融合

这条消息值得关注,因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说,GPT-5.6意味着可以用更少预算获得更高性能,尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步,可能重新定义‘前沿’的标准。

AI模型#Agent工作流#GPT-5.6#OpenAI
91

五维评分

信息增量8 ×0.3

首次提出针对CPU优化的1M上下文模型,填补了边缘设备长文本推理的空白,信息增量显著。

内容质量9 ×0.2

技术细节清晰,提供了基准测试对比和架构解释,图文并茂,质量上乘。

实用价值10 ×0.2

直接降低长上下文应用的硬件成本,开源权重可立即部署,实用价值极高。

时效性10 ×0.15

当日发布的博客,且长上下文推理是当前AI热点,时效性满分。

信源可信度9 ×0.15

Hugging Face官方博客,作者为Liquid AI,属于第一方技术发布,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:01Hugging Face:Blog(RSS)T1RSS

精选LFM2.5-Encoder:面向CPU快速长上下文推理的新模型

这篇博文让我眼前一亮,因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者,LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。

AI模型#CPU推理优化#LFM2.5-Encoder#Liquid AI
91

五维评分

信息增量9 ×0.3

首次公开自动化红队系统的具体机制与实验发现,信息增量高。

内容质量8 ×0.2

来自官方,结构清晰,但未提供完整技术细节(如具体模型版本),扣1分。

实用价值9 ×0.2

对AI安全工程师、模型开发者和企业部署者直接指导作用,实用性极强。

时效性10 ×0.15

刚刚发布,是当前AI安全领域最前沿进展之一。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威且一手。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选GPT-Red:OpenAI通过自我对弈实现AI红队自动化,提升模型鲁棒性

GPT-Red 是红队测试从人工到自动化的里程碑,特别适合安全工程师和对齐研究者关注。它直接降低了测试成本,但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。

AI模型#AI安全对齐#GPT-Red#OpenAI
91

五维评分

信息增量9 ×0.3

这是首个针对AI模型生物安全的漏洞赏金计划,为行业提供了全新的安全评估视角。

内容质量9 ×0.2

官方来源,内容清晰,涵盖范围、奖励、准则等关键细节。

实用价值8 ×0.2

对AI安全研究员和生物安全专家有直接参与价值,但普通用户关联度较低。

时效性10 ×0.15

刚刚发布,完全符合新闻时效要求。

信源可信度10 ×0.15

OpenAI官方RSS和博客,信源权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选OpenAI推出GPT-5.5生物漏洞赏金计划

这个计划值得关注,因为它首次将AI漏洞赏金制度拓展到生物安全领域,不仅为安全社区提供了新的研究方向,也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。

AI模型#Bio Bug Bounty#GPT-5.5#OpenAI
91

五维评分

信息增量8 ×0.3

公布了vLLM新后端的具体架构设计与实测数据,对了解推理优化前沿有较高信息增量。

内容质量9 ×0.2

技术细节清晰,有定量性能对比,来源为官方博客,内容质量高。

实用价值10 ×0.2

直接降低LLM部署门槛与成本,对AI工程化落地具有极高实用价值。

时效性10 ×0.15

发布即时,属于最新技术动态,时效性满分。

信源可信度9 ×0.15

来源为Hugging Face官方博客,vLLM为开源权威项目,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00Hugging Face:Blog(RSS)T1RSS

精选vLLM推出原生速度Transformers建模后端,大幅提升推理性能

这项更新对于AI工程团队非常关键:无需格式转换意味着能更快地迭代模型,而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理,这几乎是必读的技术更新。

AI模型#Hugging Face#PagedAttention#Transformers
90

五维评分

信息增量9 ×0.3

手语转文本是AI无障碍领域的新突破,提供了此前罕见的具体模型信息。

内容质量8 ×0.2

来源权威,内容清晰描述了模型功能、应用场景和开发理念。

实用价值9 ×0.2

对聋人群体、开发者和无障碍研究者具有直接参考与应用价值。

时效性9 ×0.15

刚刚发布的官方公告,时效性非常高。

信源可信度10 ×0.15

Google DeepMind官方博客,信源可信度极高。

基础分 89.5 × T1 信源权重 ×1 = 90

精选线 60已入选精选

22:01Google DeepMind:Blog(RSS)T1RSS

精选Google DeepMind 发布手语转文本模型 SL2T,助力聋人用户

这则消息的意义不仅在于技术突破,更在于AI开始真正关注边缘群体的需求。对开发者而言,SL2T的架构思路和技术路径值得深入研究;对无障碍倡导者来说,这是推动行业标准的重要案例。

AI模型#Google DeepMind#SL2T#手语识别

引用前请核对原文