Claude Tag 实战：Anthropic 员工如何在 Slack 中用 @Claude 完成日常工作

Claude Tag 实战：Anthropic 员工如何在 Slack 中用 @Claude 完成日常工作

来源：Anthropic 官方博客，2026 年 8 月 28 日发布，作者 Aleksandra Todorova。

Claude Tag 是什么

Claude Tag 将 Claude 带入 Slack 等聊天工具中。你可以像 @同事 一样在对话线程里 @Claude，它会自动获取对话上下文、完成任务、并将结果发回线程。它还能主动跟进对话，根据可用上下文、记忆和预设指令判断何时参与讨论。

过去几个月，Anthropic 内部团队已经在用 Claude Tag 做三类工作：共享频道中的自助数据分析、支持工单处理、以及协助定位棘手 bug 的根因。

本文深入解读 Anthropic 官方分享的三个真实用例——每个都附带实际使用的 Prompt，可以直接借用或改造。

用例一：Slack 线程变客户就绪文档

场景

一次新功能发布中，销售代表要求产品营销团队提供一份非技术性的客户说明文档。产品营销团队的 Hema Thanki 在 Slack 线程中与多人讨论后，仅用 45 分钟就将讨论变成了审核就绪的文档。

传统方式

那条 Slack 线程有 15+ 条消息，多人提出建议和额外需求，还有关于"到底需要什么"和"现有技术材料是否足够"的分歧。传统做法是人工梳理讨论、研究资料、从头撰写文档——耗时数小时。

Claude Tag 方式

Step 1：让 Claude 从线程中提取并生成文档

@Claude, go through this Slack thread and come up with
a one pager that [the requester] is asking for.

Claude 约 2 分钟后生成了两页草稿，用通俗语言覆盖了功能说明、业务场景、实施方式和附录。

Step 2：让 Claude 自我验证事实准确性

@Claude, is everything in this doc factual and correct?

Claude 将文档中的声明分为两类：可从公开文档验证的 vs 自己措辞的（标注需产品负责人确认）。Hema 提供了两个官方资源，Claude 据此重写了一节以匹配批准的措辞。

Step 3：迭代精修

Hema 发现截断的线程导致措辞有偏，粘贴了更完整的上下文。与 Claude 来回迭代了共四个版本。45 分钟后，文档交给产品负责人审核。

关键洞察

Hema 的时间没有花在研究和撰写上，而是花在挑战准确性、提供来源和决定包含什么信息——这些都需要人类判断，让客户资产更强。

日常工作模式

Hema 还维护一个与 Claude 的私有 Slack 频道，在不同线程中像 @同事 一样 @Claude。Claude 读取她粘贴或附加的内容、搜索 Slack 工作区和公开文档、在后台工作并发布进度清单。Claude 的访问权限被刻意限定——只能访问被授权的频道和文档，无权限时会主动告知。

用例二：跨渠道需求汇总与跟进

场景

新功能发布时，销售代表需要追踪哪些客户曾要求过该功能，并通知对应代表。这些请求散落在数月的 Slack 消息和产品反馈中心中。产品策略运营团队的 Steph Soderborg 用约 26 分钟完成了全部汇总和通知。

传统方式

人工翻阅数月 Slack 历史和产品反馈中心，逐条识别相关请求—— Steph 估计至少需要一周全职工作，或者根本不会做。

Claude Tag 方式

Step 1：提供搜索目标、匹配定义和输出示例

@Claude We are about to GA [a new feature]. Can you search Slack ...
find me anyone who has asked for this functionality for their customer ...
include their Slack handle and team, the account that asked for this,
and link the ask from Slack.

Steph 还粘贴了一份之前发布的 7 条列表作为输出格式示例。

Step 2：Claude 自动搜索和去重

Claude 运行了约 20 种搜索变体，覆盖多个频道和整个工作区。产品反馈中心阻止了直接访问，Claude 通过 Slack 交叉引用来获取中心条目，还合并了另一个内部助手已发布的初版列表并去重。

Step 3：汇总结果

约 26 分钟后，Claude 返回了约 24 个账号的汇总列表，每行一个请求者，包含 Slack handle、团队、账号名和原始请求链接。

进阶：全量产品问题周报

Steph 随后给 Claude 一个更大的任务：汇总上周企业客户报告的所有产品问题——什么坏了、什么已修、哪些指向同一根因。

@Claude, read all Slack channels covering incident, escalation,
support, and product-feedback. Compile a write-up of every product
problem reported by enterprise customers in the last week,
organized by product area.

约 50 分钟后，Claude 发布了按产品领域组织的报告：23 个未解决问题 + 14 个已解决问题，从约 120 条原始发现中提炼。每个问题包含摘要和源线程链接。Steph 让 Claude 检查自己的工作，它又找出了 15 个遗漏问题。

关键洞察

Steph 估计，人工梳理、分析和综合这些信息至少需要一周全职工作，或者永远不会做。用 Claude Tag，她花了几分钟塑造请求，Claude 在后台工作。

工作模式

Steph 也在私有频道中与 Claude 协作， upfront 提供完整指令——包含搜索范围、匹配标准和输出格式示例。当反馈中心阻止访问时，Claude 尝试通过可访问的文档和频道获取相关信息，甚至主动请求访问权限。

用例三：法务文档审查加速

场景

Anthropic 法务团队在每次公开发布前审核所有博客、落地页、邮件等资产。产品发布前夕，营销团队可能排队数十个资产待审核。法务团队的 Molly Villagra 创建了一个专门的 Slack 频道，Claude Tag 先审查每个营销资产，将审核周转时间从一天（或更长）压缩到每个资产 30 分钟。

传统方式

从一段社媒文案到 2500 字博客草稿，从十几个 tab 的规划文档到多触点邮件系列——全部人工审查，瓶颈严重。

Claude Tag 方式

Step 1：营销人员发布文档链接到专用频道

营销人员在专用 Slack 频道发布文档链接。Molly（无工程背景）已为 Claude 设置了特定规则和指令。

Step 2：Claude 自动标记问题并验证事实

Claude 不仅标记法务问题（如无支撑的营销声明），还能利用对公司 Slack、内部知识索引和公开 Web 的访问权限，验证营销内容中的事实声明。如果发现问题，Claude 列出具体修复指令，并直接与请求者协作解决。

Step 3：法务只需审核 Claude 标记的项

剩余需要法务签字的问题，Claude 标记对应的产品法务，法务快速审核被标记的声明即可。

自主学习循环

在一次新闻通讯审查中，Claude 标记了三个关键项，几分钟后未等指令就自主解决了一个——在内部文档中找到了所需信息。Molly 随后在频道中说：

@Claude, your three bullets are good callouts, but they can all
be verified by you. Will you try to verify these things in real
time when you flag them in the future?

Claude Tag 将这条新指令加入其后续所有审查的指令集，实现了通过频道反馈实时自我改进。

周五例程

这个反馈循环启发了 Molly 创建新例程：每周五让 Claude 审查本周法务反馈，并提议更新共享指令供她审批。

关键洞察

Molly 没有工程背景，但她能在 Slack 中设置规则和指令来定制 Claude 的行为。Claude 不仅标记问题，还主动解决问题、学习反馈、持续改进——法务审查从人工瓶颈变成了自动化管线。

三个用例的共同模式

维度	用例一（文档生成）	用例二（需求汇总）	用例三（法务审查）
传统耗时	数小时	一周或放弃	一天+
Claude Tag 耗时	45 分钟	26 分钟（汇总）/ 50 分钟（周报）	30 分钟/资产
人类时间花在	挑战准确性、提供来源、判断内容	塑造请求、审核结果	审核标记项、给反馈
Claude 自主行为	生成→自验证→重写	搜索20+变体→去重→自检补遗	标记→自主验证→自我学习
访问控制	仅授权频道和文档	无权限时主动请求	Slack + 内部知识索引 + 公开 Web

四个共性设计原则

1. @Claude 如 @同事：使用门槛极低——任何能使用 Slack 的人都能触发 Agent
2. 上下文自动获取：Claude 读取线程上下文、搜索工作区、访问授权文档
3. 人类聚焦判断：Claude 做执行（搜索、生成、验证），人类做判断（审核、决策、反馈）
4. 自我改进闭环：Claude 从频道反馈中学习，将新指令加入后续行为

Claude Tag 的技术架构要点

基于官方文档和用例分析，Claude Tag 的核心能力包括：

能力	说明
线程上下文感知	自动读取 @Claude 所在线程的完整对话上下文
工作区搜索	搜索整个 Slack 工作区的公开和已授权频道
跨渠道访问	读取被邀请加入的所有频道，无权限时主动请求
记忆与指令	维护记忆和预设指令，判断何时参与对话
后台执行	长任务在后台运行，发布进度更新
访问控制	严格限定授权范围，无权限时透明告知
频道级反馈学习	从频道对话中学习新指令，持续改进行为
进度清单	工作时发布并更新进度 checklist

适用场景与不适用场景

适合 Claude Tag 的场景

• 从多源信息中合成文档（Slack 线程 → 文档）
• 跨渠道信息汇总和去重（需求/反馈/问题收集）
• 基于规则的文档初审（法务/合规/品牌一致性）
• 自助数据分析（在共享频道中直接提问）
• 支持工单初步分诊和根因搜索
• 营销资产的批量初审和标记

不适合 Claude Tag 的场景

• 需要最终法律签字的决策（Claude 标记后仍需人类法务审核）
• 需要精确数值的财务计算
• 需要访问 Claude 无权限的私有频道/系统
• 长时间运行的复杂工程任务（更适合 Claude Code）

部署与配置

Claude Tag 目前处于公开 Beta，可在 Team 和 Enterprise 计划上使用，基于 Anthropic 第一方服务。

设置入口：https://claude.ai/admin-settings/claude-tag
文档：https://claude.com/docs/claude-tag

配置要点：
1. 管理员在 Claude 后台启用 Claude Tag
2. 授权 Claude 可访问的 Slack 频道
3. 设置 Claude 的预设指令（如法务审查规则）
4. 员工在 Slack 线程中 @Claude 即可使用

总结

Claude Tag 的价值不在于"AI 可以聊天"——而在于把 AI 嵌入到工作已经发生的地方（Slack），消除了切换工具的摩擦。三个用例展示了从"个体效率"到"团队流程"到"自我改进系统"的递进：

1. Hema 的文档生成：个人效率——45 分钟替代数小时
2. Steph 的需求汇总：团队流程——26 分钟完成原本需一周或不会做的任务
3. Molly 的法务审查：自我改进系统——Claude 从反馈中学习，持续优化行为

核心模式：Claude 做执行（搜索、生成、验证、去重），人类做判断（审核、决策、反馈）。Claude 从反馈中学习，将新行为编码为后续指令。这不是"AI 替代人"——而是"AI 做重活，人类做判断，系统持续学习"。

---

来源：How Anthropic employees use Claude Tag — Claude Blog
作者：Aleksandra Todorova
发布日期：2026 年 8 月 28 日