过去，与人工智能合作通常意味着一个人通过单一的聊天窗口与AI交互。随着时间推移，AI在处理复杂且长期的任务（如编程、研究和财务分析）方面能力大幅提升。我们见证了AI应用的多样化——从终端和集成开发环境（IDE）到电子表格和演示文稿，但工作模式仍然是“单人游戏”：一个人配合一个AI助手完成任务。
如今，随着像Claude Tag这样的工具发布，这种局面正在改变。人类和AI代理可以在同一工作空间内协作，共同为团队目标服务。工作模式更像是一场多人游戏，由人类团队制定策略，Claude执行具体任务。
这带来了全新的工作方式。Anthropic团队过去几个月一直在测试使人机团队成功所需的技术。本文将介绍什么是多人代理，以及我们在构建这类系统时总结的经验。
什么是多人代理？
“多人代理”指的是能够同时与多个人类协作的AI模型。它们拥有自己的记忆和技能，但在其他方面有所不同。它们拥有独立的凭证，并存在于实际工作的环境中，比如Anthropic使用的Slack等团队协作工具。
下面是一个人机团队在Slack中共同分析数据集的示例：
为了让代理能有效参与团队频道，它们需要具备以下能力：
这些技术能力是代理能在多人团队中高效协作的基础，但要让人机团队真正成功，还需要特定的工作方式和共享规范。
经验一：公开透明地工作，给予代理广泛的上下文
Anthropic团队主动且开放地共享信息。尤其当代理加入团队时，这一点尤为重要，因为代理的理解完全基于团队可搜索的文本内容：Slack消息、代码、文档和会议记录。私信、走廊对话和受限文档无法为代理提供上下文。对代理来说，未被记录和可访问的信息就不存在。
我们不逐条决定哪些信息对代理开放，而是采用明确的安全边界，覆盖整个Slack工作区、会议记录和文档库。在安全边界内，所有上下文对所有团队成员（无论人类还是AI）开放。这不仅扩大了信息访问范围，也减少了关于信息共享范围的困惑。人类和代理都难以处理逐条共享的模糊边界：频道该公开还是私密？文档能否分享给某人？代理是否能看到某个讨论？明确的工作区级别边界减少了日常决策疲劳。
高度透明带来回报。例如，能读取会议决策的代理不会建议已被降级的任务；能访问其他团队产品规格的代理能推荐成功模式；代理能快速处理大量文本，发现人类可能忽略的重要信息。我们依赖代理保持信息同步，应对快节奏行业的挑战。
Anthropic的公开工作实践包括：
- 设定有限的安全边界，创建匹配的工作区和文档共享设置
- 新建沟通频道默认公开，确保决策记录在频道、文档和会议笔记中
- 编写便于代理检索的文档和会议记录，因代理已成为主要文档使用者
- 确保AI访问完成工作所需的工具和信息
默认内部公开信息可能需要文化转变，但有上下文的人机团队与无上下文团队的差异显著，无法忽视。
当然，部分交互敏感，需要在人与AI之间私密进行。对此，Claude Tag支持向@Claude发送私信，或使用Claude.ai和Claude Cowork应用，通过个人MCP连接器让Claude访问私密信息，确保对话和共享内容保密。
经验二：为每个人类和代理定义角色并配备合适工具
人机团队共享成员名单、文档和工作空间。代理拥有独立的凭证、技能和工具访问权限。不同代理承担不同职责：例如，一个负责数据分析，另一个维护设计标准，第三个负责研究汇总。
项目启动时，人类与代理沟通确定角色分配及协作方式。
角色明确后，代理可能会启动其他代理，确保具体任务由具备合适记忆和权限的代理执行。关键是代理必须拥有完成任务所需的所有工具访问权限，比如数据分析代理需要BigQuery访问，质量检测代理需要Playwright MCP权限。
明确的角色和职责是人机团队成功的关键。人类通常与代理在同一讨论线程中协作，但保留只有人类能承担的角色，确保关键决策由人类判断。缺乏明确角色会导致个人私自运行多个AI助手，重复劳动，破坏团队上下文。例如，指标跟踪常被多人代理统一完成，避免重复工作。
Anthropic的人机团队角色管理实践包括：
- 明确任务分配，人类与代理达成共识
- 人类和代理在共享线程中协作，方便任务交接
- 确保所有成员拥有完成工作所需的工具访问权限
- 明确描述代理的角色和职责范围
Anthropic一支工程团队通过制定成员名单来明确人类与代理角色，极大简化了工作推进。总结经验：
- 明确角色帮助追踪任务责任归属，无论是单个任务还是整个团队职责
- 编写技能文件定义代理角色，方便专业化和快速部署同类型代理
- 随项目复杂度增加，新增代理专注新领域，如新增发布管理代理负责软件发布
这些方法帮助人类对人机团队的认知随着代理数量增长而扩展。
经验三：设定北极星目标，激励代理主动行动
虽然部分代理仅完成分配任务，最重要的代理会主动建议新项目和工作流。这通常发生在团队为代理提供丰富上下文和明确角色后，再加上一个指导方向：北极星目标。
北极星是宏大且广泛的目标，帮助团队判断哪些任务和工作流最重要。Anthropic的人类成员总是设定北极星，将其根植于公司使命和业务目标。
北极星明确书面化后，人类与团队代理共享，并指定哪些代理可以主动推荐新工作流。（并非所有代理都具备主动建议的技能和信任度。）
例如，一个内部工具团队的北极星是“提升产品入职体验”，某代理主动建议修改入职流程中的错误提示文案，显著提升了次周的入职成功率。
Anthropic设定北极星的做法包括：
- 人类讨论、辩论并记录雄心勃勃的北极星目标，紧扣公司使命和业务目标
- 将北极星目标分享给团队代理，明确哪些代理可主动推荐新工作流
- 保护高质量的人类时间，会议聚焦最重要工作
明确的北极星为代理提供持续方向，激励其积极支持团队工作。
经验四：随着时间积累信任
Anthropic团队根据代理表现逐步赋予其自主权。工程师们曾成功让代理独立处理500个缺陷修复，但起初并非如此。
新成员加入团队时，需要时间评估能力并建立工作流程。多次反馈循环有助于外化隐性知识，明确任务最佳完成方式。代理同理。用户需尝试分配多样任务，了解代理能力、如何清晰描述目标、所需技能文件及最佳提示语。模型更新时，也需重新测试任务，调整提示和规则，避免限制更智能模型的创造力。
我们发现，表现最佳的长期代理通常具备多种自我校验机制。代码有测试，其他工作也可通过评分标准和风格指南验证。人类设定标准并确保所有代理任务可被审核，保证质量不偏离初衷。此外，常用“执行者-验证者”模式：一个代理执行任务，另一个代理负责检查，提升准确性。
Anthropic构建信任的做法包括：
- 初期人工审核代理工作，提供反馈，设计任务验证清单
- 指示代理使用“验证者”代理检查工作
- 让代理反思并复盘错误，持续改进
- 跟踪代理在各任务类型上的自主权，反复成功后扩大权限
一位工程主管带领新团队处理积压任务，邀请人类和代理协作。部分代理负责评估任务复杂度和归属，另一部分代理处理中低复杂度任务的代码修改。初期人类审核所有代理决策，标记需人工介入的部分，后教代理直接向人类报告关键决策，确保重要权衡有人把关。
每周，主管和团队要求代理汇总“经验教训与失误”，帮助代理记录并避免重复错误。随着代理独立性增强，主管指导代理合理利用人类注意力：批量提问、重复关键信息快速同步、限制人类同时接收信息量。
良好沟通确保代理持续有效。一些团队设有专门代理负责筛选并提升最重要的沟通内容给人类，另一些团队设定代理每日工作量上限，确保人类能有效参与，保持关键技能，维持合理的人工审核负担。
需要思考的问题
在构建人机团队基础时，请考虑：
- 代理和人类所需的信息和访问权限是否公开且易于搜索？
- 你能否列出团队成员（人类和代理）及其职责？
- 团队中每个人类和代理是否拥有完成工作所需的工具？
- 是否有评估标准或测试来验证关键工作成果？
- 团队是否有清晰的北极星目标供所有成员参考？
展望未来
这些模式对人类团队来说并不新鲜——明确的北极星、清晰的角色、完善的文档、统一的质量标准和从错误中学习的空间，是我们几十年来的健康团队习惯。代理的加入使得这些原则更加重要，不能忽视。
那些最善于利用代理的团队，往往是最有意识地践行这些基础原则的团队。
致谢
本文由Anthropic教育团队成员Kristen Swanson撰写，感谢Matt Bell、Erik Olesund、Hasnain Lakhani、Shale Craig、Nolan Caudill、Mike Schiraldi、Aleks Todorova和Molly Vorwerck的贡献。
开始构建多人代理，请使用Claude Code中的agent teams或Claude Tag。
