解读Anthropic新作：如何构建高效的 AI 人机协作团队

在6.24日，Anthropic 官方博客再发新文章 Building effective human-agent teams，作者 Kristen Swanson。文章的核心点在于讨论AI 团队级协作的范式，正在发生转移，从"一个人对一个聊天框（哪怕是背后站在很多agent）"，转向"一群人和一群 agent 共享同一个工作空间"。笔者此篇会在转述原文核心观点的基础上，结合AI agent 落地经验给出脉络梳理与综合性思考。一、主旨：AI协作团队正在变成"联机模式"过去，使用 AI 一直是一种"单机（single-player）"体验——一个人和 agent 协作，完成个人任务。而现在新的模式是，人类和 agent 可以在同一个工作空间里协作，服务于一个团队共享的目标。工作开始更像一场"多人联机游戏（multiplayer game）"：由人类团队制定策略，由 Claude 来执行。总之，就是共享目标、共享上下文、尤其是共享工作空间。如下图，向右侧的复杂工作模式的转换正在发生：而实现这一转变的是 Anthropic 新产品 Claude Tag，一种让 Claude 进驻 Slack 等团队协作工具、像团队成员一样被 @ 和被指派的形态。所以，这篇文章不是纯理论，而是 Anthropic"本身产品在推动的方向二、什么是"多人 agent" 协作问题？原文给"multiplayer agents"下的定义是：同时与许多不同的人类协作的 AI 模型。它和我们熟悉的普通 agent 有相同之处，也有关键区别：相同：它有自己的记忆和技能（skills）。不同：它有自己的凭证（credentials），并且"living where work happens"——活在工作真正发生的地方。在 Anthropic，那个地方就是 Slack 这样的团队协作工具。这个"有自己的凭证、活在团队频道里"的设定非常重要。它意味着 agent 不再是借用某个人的账号、在某个人的私有会话里干活，而是一个具备独立身份的团队实体：它能被全团队看到、它的产出对所有人可见、它读取的上下文是团队级别的而非个人级别的。如下图，变成你办公软件中的一员。那要让 agent 能在团队频道里"高效参与"，需要一组特定的底层能力（比如Claude Tag 这样的产品形态）+专门设计的持久记忆，身份独享，信息来源等机制。除此之外，光有技术能力还不够，要让人机团队"成功"得靠的是一套工作方式和共享规范。所以文章的后面四条经验，讲的全部是设计AI 团队的 "规范"的经验三、AI agent team 的四条经验经验一：改革信息管理，给 agent 尽可能广的上下文Anthropic 认为不要逐个文档、逐个频道地决定哪些信息对 agent 可见，而是用清晰定义的安全边界（security boundaries），一刀切地作用于整个 Slack 工作空间、会议转录、文档库。原文专门点名了那种日常折磨："这个频道该设公开还是私有？这份文档能不能分享给那个人？这个 agent 能不能看那条消息？"应该在在边界之内，上下文对每一个团队成员——无论是人还是 AI对是可见的，甚至AI可以去仿照人一样，申请文档的权限。这一招的精妙在于它同时解决了两个问题：1.扩大了 agent 和人能拿到的上下文；2.消除了"逐项分享"带来的决策疲劳。权限开放回报是实打实的，不再有信息透传的损失，而且因为 agent 读文本的速度远超人类，它们能"routinely surface relevant work that humans would otherwise have missed"（常常翻出人类本会错过的相关工作）。在笔者看来，这本质是组织文化与权限机制的转移。"默认内部公开"对很多公司来说是要动筋骨的文化变革。因为Anthropic 一开始就是一家高度信任、信息扁平的公司，所以他并不能理解那种大公司病，尤其是传统行业中，跨级别的信息差，形成的资源差。而且对于很多强合规、强信息隔离（金融、医疗、跨法域）的组织，"工作空间级一刀切"未必可行。所以真正可应用的是它背后的精简审批机制，比如只要agent 在某个群，就天然可读该群有权限的文档，即使有权限管控，也可以天然的批量管理，而非先给文档，再安排质量。经验二：每个人/agent 有明确角色与工具原文的画面感很强：人机团队共享一份花名册、一套产物、一个工作空间。在这之上，agent 各有分工：一个 agent 拥有某项目的数据分析；另一个持有并执行设计规范；第三个负责研究综合（research synthesis）。项目启动时，人类先和 agent 聊一聊，决定怎么分配角色、人和 agent 如何协作。然后产出下图这样的角色与规则+介入时机的组合。角色明确之后，一个 agent 甚至可以"spin up"（拉起）其他 agent，确保每个具体任务都交给那个拥有正确记忆、正确访问权限的 agent 去做。关键是工具配齐：做数据分析的 agent 可能需要 BigQuery 访问权，做 QA 的 agent 可能需要 Playwright MCP。人类持有只有人类能持有的角色，确保让人类判断被用在最重要的决策上。笔者认为：这也是 Anthropic 既往研究机制工作流程的架构。用一个 lead agent 协调全局，把任务委派给并行运行的专门化 subagent。这类机制确实很实用，质量指标是几乎翻倍的（高出 90.2%），虽然成本增长15倍的Token。不过，"多 agent 更强"不是普适结论，而是"在某类任务上、以可观的算力代价换来的提升"。尤其是广度优先、可并行的工作中，并且由于更强的交叉验证机制，所以信息准确度更好。并且还要精细设计，做好任务分解与角色隔离，而不是简单地"多堆几个 agent"。否则就又是新一代亩产1万八千斤的误解了。这很多观点也在上篇文章里如何用 Claude 的 Dynamic Workflows 做深度研究 经验三：设定北极星角色，让 agent 主动解决问题原文区分了两类 agent：一类只是"完成被指派的任务"，而最重要的那类会主动提出新项目和新工作流。后者通常出现在一个已经具备丰富上下文、清晰角色的团队，再加上一条额外的指引——北极星（north star）。北极星负责帮团队判断"哪些任务和工作流才是对的"。原文强调了几条纪律：•北极星永远由人类设定，并扎根于公司的使命与业务目标；•北极星一旦被清晰地写下来，人类把它分享给团队里的 agent；•然后——这一步很关键——人类挑选哪些 agent 应当主动提议新工作流。假定一个运营驱动的产品和公司，那就应该让运营角色来成为主导agent，而非是产品驱动，或者技术驱动，财务驱动。就像如何用 Claude 的 Dynamic Workflows 做深度研究中的 路由模式（Classify-And-Act），先由一个 agent 分辨任务类型，再把任务分发给最适合的专门 agent 去做。笔者认为，之前看 Anthropic 有不少文章，都有提现出在他们眼中什么是 agent ，什么是 workflow？前者则"动态主导自己的流程和工具使用，掌控如何完成任务"。而后者 是"通过预定义代码路径编排"的确定性系统；所以要做ai团队，是应该给 agent 一条北极星而非一张任务清单，正是在有意识地把系统从 workflow 推向 agent。一个有目标的Team会带来一些创造力，而不是在有限的范畴内没事找事。当然，我们现在做的很多ai team，其实是程序化或者ai化workflow，这已经能解决很多问题了，如果我们后续需要的是创意性，自驱的，有主动解决问题能力的，则必须要设计这样agent式的team。经验四：让agent随时间成长这里官方的数据非常让我惊讶，他说：Anthropic 的工程师已经能让团队里的 agent 独立处理 500 个 bug 修复——但紧接着强调："things certainly didn't start off that way（一开始绝不是这样）。"它把 agent 类比成新入职的人类同事：需要多轮反馈才能把"任务到底怎么做最好"这种隐性知识外显出来。用户必须反复用各种任务去试探 agent，才能摸清它的能力边界、如何清晰描述目标、它需要哪些 skill 文件、什么 prompt 最能引出期望行为。原文还特别提醒一个容易被忽视的点：模型会升级，任务要重测——prompt 可能要重写，过去有用的护栏（Harness）可能反而会束缚一个更聪明的模型去寻找更有创造力的解法。这条经验里含金量最高的，是关于验证（verification）的论述：> 我们发现，最好的长周期 agent，在交给人类看之前，有许多种方式来验证自己的工作。代码有测试，这是当然的；但大多数其他工作同样可以被验证：技术文档可以套用评分量规（rubric）和风格指南（style guide）；当人类设定好标准、并确保交给 agent 的所有工作都可被审查时，质量就能保持、不偏离初衷；此外，可以让一个 agent 干活、另一个 agent 检查——这就是常说的 "Doer-Verifier"（执行者—验证者）agent harness。原文有个完整案例：某位工程负责人接手一个积压（backlog）很重的新团队，他叫上几个人 + 几个 agent 一起梳理优先级。一组 agent 通读所有积压项、判断是否有人在做、给无主项打复杂度分；另一组从清单里筛出中低复杂度项、直接产出代码改动。起初，人类审查 agent 的每一个决策，并标出需要人介入的那些；然后，人类"教会"agent 把这类决策直接抛给人类，确保有艰难权衡的决定永远有"human in the loop"。并且每周，团队还让 agent 编一份包含"经验与失误（lessons & missteps）"的周报，让 agent 记住错误、避免重犯。随着时间推移，负责人能交给 agent 越来越复杂的改动，自己花在日常指导上的时间越来越少，如下图：像极了养聪明龙虾的过程。最后一段是全文我最欣赏的一处洞察——当 agent 变得更独立之后，负责人开始教 agent 把"人类注意力"当作稀缺资源来对待：比如把问题批量化，让人一次性回答，重复关键上下文，让人快速进入状态，限制一次性丢给人的事项数量。有些人甚至专门设一个 agent，唯一职责就是决定如何批处理、并只把最重要的沟通上升给人类。另一些人则给 agent 设"每天最多做多少工作"的护栏——这样人类才来得及有意义地参与，并且保住对自己重要的技能不被荒废。笔者认为，这些经验是整篇文章在"人机关系"上最深刻的地方。第一，Anthropic的思想里认为：有效的监督不是审批每一个动作，而是"处在能在关键时刻介入的位置"（being in a position to intervene when it matters）。第二，把"人类注意力"显式当作稀缺资源去优化，是一个被严重低估的设计原则。大多数关于 agent 的讨论都在优化"agent 的能力"，而效率实际的瓶颈已经是"人的认知带宽"了。第三，Harness驾驭工程是在人机团队里，应该完全模拟高效团队的方式，毕竟有些好马，确实不需要缰绳，只需要目标。四、人机协作时代，会无情地放大原团队的组织质量这篇文章最诚实、也最容易被忽略的一句话出现在结尾：他说，上面这4条经验其实并不新颖，早在AI出现之前就存在了，好的团队要有强有力的北极星、清晰的角色、扎实的文档、共享的质量标准、从错误中学习的空间，都是我们几十年来就熟知的健康团队习惯。而AI agent team 只是让这些基本功变得更加重要。如果没有合理的机制建设，AI 不会自动让团队变强，甚至会造成挤压，最终带来混乱，比如：上下文涣散的团队（如靠信息差来管理），接入 agent 后只会更涣散（信息隔绝越大，产出越偏离）；角色定位混乱的团队，agent 只会复制混乱，互相工作职责紊乱，决策者判断源失真。没有验证文化的团队，agent 的错误会以更快的速度规模化，AI代码的速度已经远超过人的CR速度。因此，笔者认为，"从这波 agent 红利里拿到最多的团队，也是那些最有意识地去践行这些基本功的团队。"对正在押注 AI agent 的组织来说，这篇文章给出的真正功课，或许不在"怎么用 Claude"，而在回头把自己团队的上下文、角色、目标与质量标准这四件旧事，认认真真地重做一遍。 查看更多