这是我们「打造人类—智能体团队」系列的第二篇文章。第一篇分享了我们在 Anthropic 用多人 AI 组建团队时学到的经验。本文则介绍一家早在 AI 出现之前，就开始思考人类—智能体团队的公司所总结的最佳实践。
Jaime Delanghe 于 2017 年加入 Slack，负责搜索与机器学习，使命是把工作场所中的对话转化为机构知识。如今身为公司首席产品官，她从一开始就相信：要达成这个目标，人们就必须公开协作，把对话、决策和进行中的工作放在公司每个人都能阅读、搜索的频道里。在她最近的文章 《工作即对话》中，她也将同样的观点应用于智能体：围绕工作的对话，正是智能体发挥作用所需的上下文；它终于能帮助我们实现这个由来已久的目标——把分散的知识转化为生产力。
为了了解 Slack 在实践中如何做到这一点，我们与 Jaime 聊了聊：如何建立高效的人类—智能体团队，以及如何推广这些新的工作方式。
把对话历史当作知识库
多年来，人们一直期待工作场所中的对话——也就是大家协作时产生的「副产物」——能够逐渐沉淀为组织知识；但这个承诺从未真正兑现。
「我手上有很多 Slack 早期的研究论文，证明了其实并不是这样：对话不会自动变成知识，」Jaime 说，「你希望它会，但实际上，那些内容只是堆在那里，人们仍然不得不一遍又一遍地重复自己。」
理解所有这些协作副产物，原本超出了人类能力的极限。现在，这是智能体的工作。
如何付诸实践
- 默认使用公开频道：智能体只能从它看得见的内容中学习。在私信或私密话题中做出的决策，对它们不可见，也会继续遗失在组织之外。
- 让智能体讲清推理，而不只是找出记录：与其搜索最后做了什么决定，不如请智能体还原当初为何这样决定，并说明之后上下文又发生了哪些变化。
- 扩大上下文覆盖面：Slack 和 Claude 这样的工具正把会议、邮件、日历与文档库串联起来。你接入的上下文越多，团队就越少需要重复劳动。
学会在人类与智能体之间交接任务
人类—智能体团队的核心节奏，是一个不断交接的循环。由 Slack 中的 Claude 驱动，智能体处理产出型工作——起草、总结、监测、准备——再把结果交给人。人们审阅、决策、重新引导，随后把工作交回给智能体执行下一步。
要了解这一切如何运作，看看 Jaime 如何开启一周便足够了。
「星期一早上，我刚看完一份由智能体为我制作的每日简报，」Jaime 说。
等待她审阅的还有：上周产品研讨会的回顾与标记出的升级事项、全网 AI 动态报告、当天会议的简报，以及一份她交给智能体改写的过时个人简介。每轮循环结束时，人类都会审阅智能体的行动，并据此作出决策。
如何付诸实践
- 以智能体制作的简报开启一天。 回顾、升级事项、会议准备和网络资讯汇总，都很适合由智能体驱动，再由人类审阅。
- 把工作锚定在共享频道。 将所有工作放在共享频道，让人类和智能体一起分诊；优先级仍由人类主导。
- 让轻量信号可以直接触发行动。 在 Jaime 的频道里，一个 emoji 反应就会把事项加入清单，智能体随即接手任务。
为智能体分配清晰角色
如果你的思维模型仍是一对一聊天机器人，那么与一批各有专长的 Claude 智能体协作，可能会令人无所适从。Jaime 的方法更偏社会化而非技术化：「我喜欢把智能体看作同事。」
人类队友各有角色与职责，智能体也应有明确的目标和关注范围。「如果智能体的价值只是被强加给用户，而不是让使用它的人清晰地感受到、理解到，就很难记住它究竟是做什么的，」她说。
如何付诸实践：
- 把日常、事务性的任务交给通用智能体。 与其让大家记住某个专用工具，不如训练一个智能体处理重复任务，例如提交服务台工单，或把上周指标整理进状态更新。
- 让价值被感受到，而不是被规定。 如果人们说不清某个智能体的用途，或许就该让它退休了。
共享频道默认公开；有明确理由再设为私密
Slack 从创立初期起就建议频道默认公开：「你是在为接下来所有工作建立共同理解与共同上下文，」Jaime 说。
她建议，除非有明确理由必须限制上下文和知识，否则应保持频道公开。智能体可提取、用于指导工作的资讯越多，这些团队成员就越有效。
开放的上下文会不断累积：新人接手的是已有历史，而不是一个空收件箱；没有人需要反复说明同一件事。现在，智能体也能从中受益，而这些上下文和工作记忆又会回流给人类。
如何付诸实践：
- 日常业务工作保持公开。 将非敏感项目、公告和问答频道设为公开，让智能体同事获得最有用的知识。
- 记住：智能体读得到团队读得到的内容。 对每个负责汇报的智能体来说，私密频道都是盲区。
- 以心理安全感划定边界。 真正敏感的材料一旦被隔离，工作退回私信的主要原因往往不是保密，而是不习惯让人看到尚在推进中的过程。人们应有信心公开完成日常工作，包括粗糙的初稿和尚未成形的问题，并相信同事会以善意回应。这种开放也会累积：「给予信任，才能赢得信任。」
通过展示可能性来推动采用
学习新工作方式最快的方法，是看队友亲自做一遍。Jaime 在 Salesforce 看到了这一点：员工会在一个名为 How I Slackbot 的全公司频道中分享技能、调试技巧和工作流诀窍。按她的统计，该频道已有数千名成员。它默认公开，因此销售流程中的一个技巧，最终可能重塑工程流程。
在 Slack 内部，推动产品经理使用 Claude 的过程「是你能想象到的最自组织的一件事」。一位产品经理请开发者体验负责人帮忙完成设置，随后写了一份 canvas，说明自己做了什么、又是如何做到的。其他产品经理开始复制这个格式，团队自行组织研讨会，也建立了各自的 git 仓库。
如何付诸实践：
- 建立全公司的展示与交流频道。 给员工一个公开的空间分享技能、调试技巧和工作流诀窍，让一个职能中的技巧能重塑另一个职能的工作。
- 鼓励产出可供他人复制的复盘。 一份简短的「我做了什么、怎么做的」文档，能把一个人的配置变成团队模板或技能。
衡量结果，而不是活动量
从在 Slack 的早期开始，Jaime 就一直在思考如何衡量生产力。「我们是想让人们发送更多消息吗？」她说，「也许不是。发更多消息并不代表他们能从 Slack 获得更多价值。更多消息可能意味着人们找不到所需内容，或第一次没能把意思说清楚。」
如今，衡量 AI 价值的问题也很相似；而对于如此复杂的事物，简单指标并不够用。Token 用量能告诉你系统正在运转，但这固然重要，却远远不足以说明价值。
如何付诸实践：
- 把使用指标当作健康信号，而不是价值证明。 活动量说明采用正在发生，不能说明它正在产生效果。
- 准备好运用自己的判断。 没有一种干净的方法能证明人们如何使用这些工具，就一定会带来更好的商业结果。正如 Jaime 所说，把两者联系起来仍需要「许多信念上的跳跃」；没有任何仪表盘或使用数据能替你证明这一点。
一起改变工作方式
对于希望引入人类—智能体团队的组织，Jaime 最重要的建议是重新想象每一条工作流：「我们必须想办法改变我们的工作方式，而不只是更快地做更多同类工作。这将是一项团队运动。」
她对建立高效人类—智能体团队的最大建议是什么？尽早开始，但从小处开始。把一群人带到一个有 Claude 的共享频道，给他们同一组资源，让他们开始协作。如果 Slack 的经验具有借鉴意义，他们创造出的东西会自行扩散。