Anthropic 内部怎么让人和 AI 一起工作：4 条真实经验。值得一看！

过去 AI 协作是单人游戏——一个人对着一个对话框。现在他们在测试一种新的工作方式：人和 Agent 在同一个工作空间里协作，像多人游戏，人负责定方向，Claude 负责执行。这篇文章是 Anthropic 自己跑了几个月之后写下来的真实经验。

1. 默认公开，给 Agent 足够的上下文
Agent 只能从文字里建立认知：Slack 消息、代码、文档、会议记录。私聊、走廊对话、权限受限的文档——对 Agent 来说根本不存在。
Anthropic 的做法是：在公司层面定义少数几个安全边界，边界内所有信息默认对所有人（包括 Agent）开放。不是逐个文档、逐个频道地决定"这个能不能给 Agent 看"。
好处不只是让 Agent 更聪明。人也受益——不再需要在"这个频道该设公开还是私密"上浪费决策成本。
本质上：信息透明是 Agent 能干活的前提，不是可选项。

2. 人和 Agent 都有明确角色
没有清晰的分工，就会出现这个情况：大家各自养一堆私人 AI，重复做同样的事，团队上下文碎片化。
他们的做法是：项目启动时，人和 Agent 一起商量谁负责什么。数据分析、设计审查、研究综合——分别由不同 Agent 承担，人只干人该干的事。
一个工程团队走得更远：写了正式的"花名册"来记录人和 Agent 各自的职责，项目变复杂了就新增 Agent（比如加了一个"发布管理 Agent"专门处理软件发布）。

3. 给 Agent 一个北极星目标
只会完成分配任务的 Agent，是工具。真正有价值的 Agent，是能主动发现该做什么的 Agent。
做到这一点需要一个前提：Agent 知道团队的长期目标是什么。
一个内部工具团队设定了"让产品引导流程更有帮助"这个北极星后，Agent 主动建议修改引导流程的报错文案——结果下周的引导成功率真的提升了。
不是所有 Agent 都需要有"主动建议"的权限，要根据信任程度来。但有北极星目标和没有，Agent 给出的建议质量完全不同。

4. 信任是慢慢建立的，不是开关
他们有工程师让 Agent 独立处理了 500 个 bug 修复——但绝对不是一开始就这样。
新 Agent 加入和新人加入一样：先小任务，人工 review 每一个输出，给反馈，积累信任，才逐渐扩大自主权。
几个具体机制：
1）给 Agent 配一个"Verifier Agent"专门复查它的工作
2）每周让 Agent 自己写"失误复盘"，记录犯过的错不再重复
3）用量化方式追踪"这类任务 Agent 已经挣得了自主权"
4）教 Agent 把人的注意力当稀缺资源：批量提问、提前给上下文、控制每次要求人看的东西数量

其实……这些原则对人类团队同样适用——北极星、明确角色、强文档、统一质量标准、从错误中学习。这些都是我们几十年前就知道的健康团队习惯。Agent 只是让你更不能跳过这些步骤。
做得好的团队，是最认真对待这些基本功的团队。

访问：claude.com/blog/building-effective-human-agent-teams

#HOW I AI# #程序员#