Anthropic 推出 Claude Tag:常驻 Slack 频道的 AI 协作者,提升工作效率!

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

【ZDNET 核心要点】

Claude Tag 为 Slack 带来了随时在线的 AI 协作者,每个 Slack 频道都能拥有独立的 Claude 身份,Claude 可以监控、记忆、跟进并完成任务。

【Claude Tag 正式推出】

今日,Anthropic 宣布推出 Claude Tag,这是一个常驻 Slack 频道的 Claude 实例。其理念是让它成为 Slack 群组频道中的一员,能读取频道上下文、参与讨论线程,并与其他频道成员互动,就像团队中的另一名员工一样。Anthropic 表示,其产品团队 65% 的代码如今由内部版本的 Claude Tag 生成。

Anthropic 称:“Claude Tag 是一个随时在线的 Claude,它能像你期望的队友那样在 Slack 中与团队协作:洞察情况、加入讨论并推动工作进展。”此外,还可以参考:如何有效利用 Copilot 或 ChatGPT 解决 PC 问题。

【响应模式与交流方式】

根据配置的不同,Claude Tag 可以仅在被触发时响应,或者在开启环境感知功能后,主动参与 Slack 频道的交流。当用户在频道中输入“@Claude”时,就可以让 Claude 执行任务、回答问题或做出回应。频道内的所有用户都能看到这些回复,就像能看到频道里的其他内容一样。由于 Claude Tag 存在于 Slack 中,Anthropic 以 Slack 的团队协作环境为模型来设计它。这是一个半公开的聊天环境,频道内的每个人都能与 Claude 交流,Claude 也能与每个人对话。

【多人协作与自主能力】

Anthropic 将这种模式称为多人协作模式。其理念是,有一个 Claude 实例与频道内的每个用户进行交互。这个 Claude 实例会记住它与 Bob、Sue 的对话内容,以及 Bob 和 Sue 之间的交流,从而基于这些共同信息开展工作。

Claude Tag 具有自主能力。它可以将任务分解为多个阶段,利用可用工具完成任务,并在 Slack 线程中汇报结果。另外,试用了 Gmail 的新 Gemini Flows 功能,它极大地改进了过滤器。

开启环境感知功能后,Claude 可以观察整个频道的上下文,随着时间推移从频道活动中学习,并从被授权的地方收集细节和信息。Anthropic 表示,它不会从私人频道收集信息。

该公司称:“Claude 能为自己设定任务,实现自主工作。”这是一种异步操作,用户给 Claude 分配任务后可以去处理其他事务,Claude 会在后台继续工作。这就像在 Slack 中给团队成员布置任务,然后等他们稍后汇报完成情况。这个版本的 Claude 会不断学习,持续跟踪 Slack 中的输入内容。Anthropic 表示:“这意味着用户无需反复向 Claude 解释事情。”

Claude 甚至可以根据你的需求,充当教练或任务管理者。如果某个讨论线程陷入沉寂,或者频道内有人未完成任务,它可以在频道中跟进这些情况。不确定这是让人感兴趣还是有点让人不安,但如果它不会过于烦人,确实能看到它在提高工作效率方面的积极作用。

【权限范围决定频道特定访问】

Anthropic 表示,Claude Tag 的设计考虑了团队和组织的需求。该公司仅面向 Teams 和 Enterprise 层级用户发布。公司称:“@Claude 对敏感数据和特定任务工具的访问权限可以进行严格限制。”另外,Anthropic 为何突然为所有人撤回 Fable 5 和 Mythos 5。

每个 Slack 频道都有自己的 Claude 身份。管理员可以根据频道和使用场景设置 Claude 的身份,不同的 Claude 之间不会共享信息。这使得管理员可以为工程团队设置一个“@Claude”,为法务团队设置另一个“@Claude”。这两个频道的信息不会共享,因为每个 Claude 都是独立的身份,相互隔离。Claude 被允许访问的工具和信息也会按频道进行限制。例如,一个 Claude 可能被授权访问财务报告,而工程团队聊天频道中的 Claude 则可能完全无法访问这些数据。

可以想象,一旦涉及多个具有环境感知能力的 Claude,就会考虑到成本问题。如果 Claude 一直处于“感知”状态,它会消耗更多的令牌。另外,AI 令牌为何会再次让企业云账单飙升。

不过,管理员可以为整个组织和单个频道设置令牌消费上限。虽然这无法限制 Claude 的令牌消耗速度,但可以限制最大消费金额,这样财务人员至少可以预测公司 Slack 频道中众多“@Claude”机器人的消费水平。Anthropic 还支持管理监督,管理员不仅可以设置令牌限制,还能查看 Claude 的所有操作记录,甚至能知道是谁请求了具体任务。如果会计部门的 Bob 要求以克林贡语对话形式呈现农业补贴报告,公司管理层会知晓此事。*祝好运!*

【公测与推广计划】

Claude Tag 现已面向 Claude Enterprise 和 Claude Team 客户进行公测。Anthropic 表示,其目标是随着时间推移更广泛地推广 Claude Tag,包括拓展到 Slack 之外的平台。Claude Tag 将取代现有的 Slack 版 Claude 应用,管理员可在 30 天内选择迁移。Anthropic 称将为符合条件的企业和团队组织提供初始启动信用额度。

你希望有一个随时在线的 Claude 监控团队的 Slack 频道,还是更喜欢一对一的 AI 交互呢?欢迎在下方评论区告诉我们。

可以在社交媒体上关注日常的项目更新。记得订阅每周更新时事通讯,并在 Twitter/X(@DavidGewirtz)、Facebook(Facebook.com/DavidGewirtz)、Instagram(Instagram.com/DavidGewirtz)、Bluesky(@DavidGewirtz.com)和 YouTube(YouTube.com/DavidGewirtzTV)上关注。

【特色内容】

  • 2026 年 6 月 Prime Day 实时博客:正在跟踪亚马逊 SSD、电视、笔记本电脑等产品的优惠信息。
  • 旧款 iPhone 存在无法修复的安全漏洞——为何无法修复以及受影响的机型。
  • 亚马逊的佳明手表最高优惠 350 美元——推荐这些型号。
  • 如何有效利用 Copilot 或 ChatGPT 解决 PC 问题。

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

内容概要:本文档围绕“经济学期刊论文复现:数字化转型能否促进企业的高质量发展”这一核心命题,系统整合了MATLAB与Python编程实现的大量科研案例,聚焦于数字化转型对企业全要素生产率(TFP)及高质量发展影响的实证研究。文档不仅复现了高水平经济学期刊论文中的计量经济模型,如基于中国上市公司数据的数字化转型与生产率关系分析,还深度融合了工程领域的建模技术,涵盖微电网优化、负荷预测、风电光伏不确定性建模、电力系统故障仿真等。同时,提供了智能优化算法(如遗传算法、粒子群优化)、机器学习(LSTM、CNN-BiGRU-Attention)、信号处理、路径规划等多学科交叉的技术资源,构建了一个从理论推导到代码实现的完整科研支持体系,旨在帮助研究者系统掌握论文复现与实证分析的核心方法。; 适合人群:具备一定MATLAB或Python编程基础,从事经济学、管理学、能源系统、智能制造及相关交叉学科研究的研究生、科研人员及高校教师。; 使用场景及目标:①复现经济学顶刊中关于数字化转型与企业高质量发展的实证模型;②学习如何量化数字化转型并构建其对企业绩效的影响评估框架;③掌握基于真实数据的计量经济建模、场景生成与优化调度仿真技术,全面提升科研论文写作与实证研究能力。; 阅读建议:建议读者结合文中提供的代码与数据资源,重点研读“论文复现”与“创新未发表”模块,按照技术路径循序渐进地实现模型复现与拓展。推荐关注“荔枝科研社”公众号及百度网盘链接获取完整资料,系统性地开展学习与科研实践。
下载代码方式:https://pan.quark.cn/s/9de6a9d0b3d8 依据所提供的文件内容,能够推导出此段程序的核心任务在于对一个任意的三位数进行拆解,并且分别呈现该数值的百位、十位及个位部分。随后,我们将对该知识点进行进一步的深入研究。 ### 一、程序功能说明 #### 1. 接收任意一个三位数输入 程序起始阶段运用`scanf`函数来获取用户输入的一个整数。为确保输入内容确实为一个三位数,在实际应用场景中通常需要嵌入验证机制来保障输入的有效性。然而,在本示例情形下,该环节被简化处理,预设用户总会准确输入一个三位数。 #### 2. 实施数字的拆分并提取各位置数值 程序借助一系列数学计算来对三位数进行拆分,将其转化为百位、十位和个位三个独立的构成部分。具体而言,通过除法和取模运算完成了这一过程。 #### 3. 展示各位置上的数值 程序运用`printf`函数来输出原始数值以及各个位上的数值。需要留意的是,代码中的输出部分似乎存在一些混淆,存在语法上的错误,例如多余的`printf`语句和乱码字符等问题。 ### 二、核心代码分析 #### 1. 数字拆分逻辑 ```c a[0] = n / 1000; // 提取千位数,但鉴于题目要求是三位数,此处应为百位数 a[1] = n % 1000 / 100; // 提取百位数 a[2] = n % 1000 % 100 / 10; // 提取十位数 a[3] = n % 1000 % 100 % 10; // 提取个位数 ``` 这段代码通过一连串的除法和取模运算,成功地将输入的数字n拆分为百位、十位和个位三个独立的构成部分,...
内容概要:本文提出了一种基于CNN-BiGRU-Attention混合神经网络模型的风电功率预测方法,采用多变量输入实现单步预测,并通过Matlab进行代码实现与验证。该模型融合卷积神经网络(CNN)以提取输入数据的局部时空特征,利用双向门控循环单元(BiGRU)充分捕捉风速、温度、湿度等多源气象与运行变量的时间序列前后依赖关系,并引入注意力机制(Attention)动态加权关键时间步的特征信息,有效提升模型对风电功率波动性和不确定性的建模能力,显著增强了预测的准确性与鲁棒性。; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事新能源发电预测、电力系统调度、智能电网优化等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于实际风电场功率预测系统,为电网调度、电力市场交易与可再生能源消纳提供高精度数据支撑;②作为深度学习在能源时序预测领域的典型案例,用于科研项目开发、学术论文复现与技术创新;③深入理解多变量时间序列预测中特征融合、序列建模与注意力权重分配的协同机制,掌握先进神经网络架构的设计与优化方法。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点剖析数据预处理流程、模型网络结构搭建、训练参数调优及注意力权重可视化等关键环节,鼓励尝试替换不同特征输入、调整网络深度或引入其他优化算法(如贝叶斯优化、粒子群优化等)以进一步提升模型性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值