一、引言：工作方式正在从"单人游戏"变成"多人游戏"
原文链接：Lessons from building effective human-agent teams
来源：Claude Blog / Anthropic · 作者：Kristen Swanson（Anthropic 教育团队）
发布时间：2026 年 6 月 24 日
过去一年，大多数人用 AI 的姿势其实是"单人游戏"：一个人对着一个聊天窗口，或者一个人配一个 agent，把某个孤立任务跑完就结束了。上下文困在个人窗口里，别人看不到，agent 也带不走。
Anthropic 这篇文章想说的是：随着 Claude Tag 这类工具落地，玩法正在切换到"多人游戏"——人类和智能体在同一个工作空间里协作，共同服务于团队目标。这里最关键的一句分工是：
人类设定战略，Claude 执行工作。
这张封面图的重点不在左右两个场景本身，而在中间那个箭头。右边不是"人更多 + agent 更多"的简单堆叠，而是共享名册、共享工作产物、共享目标——人和 agent 出现在同一份线程里，任何人都能接续别人的工作。这是本文所有做法的地基。
值得先说清楚一个态度：这篇文章几乎没有讲任何"新技术"。它讲的全是团队协作的老常识，只不过把这些常识放到"有 agent 参与"的语境里，重新校准了一遍权重。如果你正在公司里推动 AI 落地，它的价值不在于给你一个新框架，而在于帮你判断哪些基本功现在不能再省。
二、什么是"多人智能体"：它和普通 agent 差在哪
文章先给了一个定义：多人智能体（multiplayer agents）是能同时与多个不同人类协作的 AI。它和我们熟悉的"个人 agent"有三点本质差异。
- 持久记忆：它有自己的记忆和技能，记住团队目标并据此调整执行，而不是每开一个会话就失忆。
- 独立凭证：它拥有不绑定于任何人的凭证，在安全、可预测的护栏内运作——换个人来协作，它不需要"重新认主"。
- 持续广泛访问：它了解组织如何运作，并能直接执行任务；它"生活在工作真正发生的地方"（在 Anthropic 就是 Slack 等团队协作工具里），而不是一个孤立的聊天框。
反过来看普通 agent：依附于某一个人、借用主人的凭证、上下文随会话消失、只服务单人单任务。它最大的问题不是能力弱，而是换个人协作就得从头再来，团队上下文被反复撕裂。
但文章紧接着给了一句冷静的提醒，值得抄下来贴在墙上：
技术基础只是前提，成功还需要特定的工作方式和共享规范。
也就是说，“记忆 + 凭证 + 访问"这三件事只是把门打开。真正决定协作效果的，是接下来的四条洞察。
三、四条核心洞察
这四条洞察不是并列的清单，而是层层递进的关系：先给上下文，再给角色，再给目标，最后才谈把多大的自主权交出去。
3.1 公开工作，给智能体足够的上下文
这一条贡献了全文最锋利的一句判断：
对智能体而言，如果没有被写下来且可访问，它就不存在。（If it’s not written down and accessible, it doesn’t exist.）
agent 完全从团队可搜索的文本里建立理解——Slack、代码、文档、会议记录。私信、走廊里的对话、权限受限的文档，对它而言等于不存在。这带来一个反直觉的结论：透明度不再只是文化偏好，而是 agent 能否工作的硬前提。
Anthropic 的具体做法很值得借鉴，尤其是关于权限的那一条：
- 在公司层面选定少数几个安全边界，为它们创建匹配的工作空间和文档分享设置——而不是逐个文档、逐个频道去决定权限。这既扩大了 agent 的访问范围，又消掉了"逐项分享"带来的决策疲劳。
- 新沟通频道默认对组织内部公开，确保决策真正落到频道、文档、会议记录里。
- 写文档时先想一句：agent 能不能找到它？（在 Anthropic，agent 已经成为团队文档的主要消费者。）
回报是实打实的：agent 能读到会议里"这事先搁置"的决策，从而不再建议已经被否掉的任务；能借鉴别的团队跑通的模式；能以远超人类的速度扫完海量文本，捞出人类会漏掉的相关工作。
当然，敏感交互仍然可以私密——给 @Claude 发私信，或用 Claude.ai / Claude Cowork 就行。透明是默认值，不是绝对值。
3.2 每个人和每个 agent 都有明确角色和称手工具
人机团队共享一份名册、一套工作产物、一个工作空间。不同 agent 承担不同角色：一个做数据分析，一个持有并执行设计标准，一个负责研究综合。项目启动时，人类和 agent 先把角色分清楚；复杂 agent 甚至会衍生出子 agent 去处理特定任务。
这里的反常识判断是：
没有清晰角色，人们最终会在旁边各自跑一堆个人 AI，重复劳动并撕裂团队上下文。
指标追踪就是最典型的例子——与其十个人各问各的 AI 得到十个略有出入的数字，不如让一个多人智能体做一次，所有人看到同一组数字。
落地动作：
- 人和 agent 商定各自职责，达成一致的任务集。
- 人和 agent 在同一共享线程里工作，任何人都能接续别人手里的活。
- 给每个角色配称手工具（数据分析要 BigQuery，QA 要 Playwright MCP）。
- 把 agent 的角色和范围写成描述——一个工程团队开始用"名册"来编码人和 agent 的角色，并用**技能文件（skill files）**定义 agent 角色，让专业化变得可复制：全公司能快速搭出同类型 agent。项目一复杂就加人，比如新增一个"发布经理 agent"专门管软件发布。
3.3 设定北极星，让智能体更主动
最有价值的 agent 会主动建议新项目和新工作流——但这种主动性不是凭空来的，它出现在那些"已经拿到丰富上下文 + 清晰角色，并被给了一颗北极星"的团队里。
北极星是宏大、影响面广的目标，帮团队判断"哪些任务才是对的任务”。这里有一条边界必须守住：
在 Anthropic，北极星永远由人类设定，并根植于业务使命与目标。
流程是：把北极星书面写清楚 → 分享给 agent → 人类明确指定哪些 agent 可以主动建议新工作流。注意最后一步——并不是每个 agent 都有足够的技能和信任去成功地"提建议"，所以主动权要点名授予，而不是默认放开。
一个内部工具团队的案例很有画面感：他们的北极星是"让产品引导更有帮助"，某个 agent 就主动建议修改引导流程里的错误提示文案，而这些改动在次周可量化地提升了引导成功率。
配套动作里还有一条容易被忽视：在日历上保护高质量的人类时间，让会议聚焦在最重要的工作上。agent 接管了大量执行，人类省下的时间不该被杂事填满，而该投到"设定方向"上。
3.4 随时间建立信任
这是四条里最需要耐心的一条。文章给了一个亮眼的数据：
工程师已经成功派遣团队智能体独立处理 500 个 bug 修复——但绝非一开始就如此。
agent 就像新同事：需要多轮反馈循环，才能把"这个任务到底怎么做最好"的隐性知识外化出来。而且模型升级后要重新测试任务——提示词可能得重写，过去有用的护栏，反而可能约束住更聪明的新模型去尝试更有创造性的方案。
那么信任靠什么建立？核心是可验证 + 反思 + 上报这一套闭环。
文章反复强调验证机制的价值：
最好的长运行 agent，有多种方式在人类查看之前先验证自己的工作。代码有测试，技术文档可以套评分标准和风格指南。当人类设定标准、并确保所有工作都可核查时，质量才能长期保持而不偏离原意。
这就引出了"执行者—验证者"（Doer-Verifier）的 agent 架构：一个 agent 做任务，另一个 agent 检查它的工作。
一个接手"积压任务成堆的新团队"的工程负责人，把这套闭环走了一遍完整版：
- 拉几名人类 + 几个 agent 一起梳理和排序积压。
- 一组 agent 读完所有积压项、判断是否已有人在处理、给无人认领的项打复杂度分。
- 另一组 agent 筛出中低复杂度的项，直接创建代码变更。
- 初期人类审查每一个决策，标记需要人工介入的；随后教会 agent 主动把带硬性权衡的决策上报给人类，确保人类始终在环（human in the loop）。
- 每周要求 agent 写一份含**“经验与失误”（lessons & missteps）**的周报，让它记录踩过的坑、避免重复犯错。
随着 agent 越来越独立，负责人还教它们把人类注意力当作稀缺资源：批量提问、一次性回答；重复关键上下文帮人快速跟上；限制每次呈现给人类的事项数量。有些团队甚至设一个专职 agent，唯一职责就是决定"如何批处理沟通、只把最重要的上报"；也有人设护栏限制 agent 每天的工作量，好让人类能有意义地参与、保留关键技能、审查量可持续。
信任是这样一格一格挣出来的：追踪每个 agent 在哪类任务上"赢得了自主权"，重复成功之后，再按任务类型扩大它的范围。
四、五个值得对团队问一遍的问题
文章末尾给了一份自查清单，很适合直接拿去开会。如果这五个问题里有任何一个答不上来，那大概率就是你团队人机协作卡住的地方：
- agent 和人类所需的所有信息与访问权限，是否都公开且广泛可搜索？
- 你能不能写下团队名册（含人类和 agent），并说清每个成员负责什么？
- 团队里每个人、每个 agent 是否都有称手工具？
- 你是否有评分标准或测试来验证关键工作产物？
- 团队是否有一颗人人可参照的清晰北极星？
五、结语：这些习惯并不新，agent 只是放大了它们的重要性
如果只带走一句话，就是全文的收尾金句：
这些模式没有一个是新的——至少对人类而言不是。清晰的北极星、明确的角色、扎实的文档、共享的质量标准、从错误中学习的空间——这些是我们几十年来就知道的健康团队习惯。智能体只是让"不跳过这些基本功"变得更加重要。
这也解释了一个看似反直觉、其实很朴素的观察：
从智能体身上获益最多的团队，正是那些最有意识地践行这些基本原则的团队。
很多人期待 agent 能"绕过"团队协作里那些麻烦的基本功——文档、角色、标准、复盘。这篇文章给出的答案恰恰相反：agent 不是这些基本功的替代品，而是它们的放大器。你把文档写扎实，agent 的产出就更准；你把上下文藏在私信里，agent 就直接"失明"。过去人类可以靠默契、走廊对话、脑内记忆来打补丁，现在这些补丁对 agent 全部失效。
所以，与其急着问"我该给团队接哪个 agent"，不如先回到那五个问题：上下文公开了吗、角色写清了吗、工具配齐了吗、产物可验证吗、北极星立起来了吗。把这几件老掉牙的事做扎实，多人智能体才真正有地方发力——人类设定战略，Claude 执行工作，这句分工才立得住。
「真诚赞赏，手留余香」
爱折腾的工程师
真诚赞赏，手留余香
使用微信扫描二维码完成支付
