Anthropic 员工如何在日常工作中使用 Claude Tag

Claude Tag 的核心机制是将 Claude 嵌入 Slack 等即时通讯工具，用户只需在线程中@Claude，它便会读取对话上下文、执行任务并将结果直接回复在同一线程内。与传统 AI 助手不同，Claude Tag 还能主动跟踪对话进展，结合记忆和预设指令判断何时介入讨论，而无需用户每次手动触发。其访问权限经过刻意限定，仅能读取被授权的频道和文档，并会在权限不足时主动告知用户。

产品营销团队的 Hema Thanki 分享了一个典型案例：在一次功能上线期间，销售团队需要一份面向客户的非技术性说明材料，相关讨论散落在一条超过 15 条消息的 Slack 线程中，各方意见不一。Hema 直接在线程中@Claude，要求其根据对话内容生成一页纸的说明文档。Claude 在约两分钟内生成了一份两页草稿，涵盖功能介绍、商业价值、实施要点及详细附录。

文档生成后，Hema 进一步要求 Claude 核查内容的准确性。Claude 将文档中的陈述分为两类：已通过公开文档验证的内容，以及属于其自身表述、需产品负责人确认的内容。Hema 随后提供了两份官方资料，Claude 据此改写了相关段落。经过四轮迭代，整个流程耗时约 45 分钟，最终文档提交产品负责人审阅。Hema 表示，她的精力主要用于判断信息取舍和核实准确性，而非从零开始撰写。

产品策略与运营团队的 Steph Soderborg 则将 Claude Tag 用于更大规模的信息整合。在一次新功能即将正式发布前，她需要找出所有曾在 Slack 中为客户提出该功能需求的销售代表，并逐一通知。她向 Claude 提供了搜索目标、匹配定义和期望输出格式，Claude 随即在多个频道执行了约 20 种搜索变体，最终在 26 分钟内返回一份包含约 24 个账户的清单，每条记录含 Slack 账号、团队、客户名称及原始请求链接。

Steph 还将 Claude Tag 用于更耗时的周度问题汇总工作。她要求 Claude 读取所有涉及事故、升级、支持和产品反馈的 Slack 频道，约 50 分钟后，Claude 提交了一份按产品领域分类的报告，从约 120 条原始记录中提炼出 23 个未解决问题和 14 个已解决问题，每条均附有摘要和来源链接。经 Claude 自查后，又补充发现了 15 个遗漏问题。Steph 估计，若手动完成这项工作至少需要一整周时间，而借助 Claude Tag，她只需花几分钟组织好提问即可。

要点

• Claude Tag 可直接在 Slack 线程中读取上下文并生成文档，将原本数小时的整理工作压缩至 45 分钟以内
• 跨频道信息汇总是 Claude Tag 的核心优势之一，能在数十分钟内完成人工需要数天才能完成的需求梳理和问题归集
• Claude Tag 的权限设计遵循最小授权原则，仅访问被明确授权的频道和文档，并在权限不足时主动提示用户
• Claude 支持自我核查机制，能将生成内容区分为已验证信息和待确认表述，辅助人工判断而非替代人工决策
• Anthropic 已整理超过十余个内部使用案例，并附具体提示词和配置说明，供企业团队参考复用