The Multiplayer AI Sprint: Build Your Team’s First Shared Agent

Anthropic 内部 65% 产品代码由共享版 Claude 生成；OpenClaw 团队弃用 Discord，自建多人协作界面。AI Agent 正从个人单机走向团队共享。

你手里的 AI 还是"一个人闷头用"？Anthropic、OpenClaw 团队已经全员转向"多人共享 Agent"：一个 Agent 挂在共享频道里，谁都能看、谁都能改。本期拆解这个新趋势，并给出一个 4 周上手计划，帮你的团队从个人 AI 切换到团队 AI。

现在绝大多数人用 AI 都是单机模式：自己开个对话窗口，自己提问、自己看结果。但调查显示，知识工作者只有 39% 的时间在独自工作，42% 的时间在与人协作。也就是说，AI 目前只覆盖了不到一半的工作场景——那些需要开会、对齐、交接的团队协作，AI 根本插不上手。

• Anthropic 的 Claude Tag 是"多人 AI"最清晰的产品样板：它不再是"你把个人 Claude 拉进群聊"，而是频道里有一个团队共享的 Claude，谁都能看到它正在干什么，也能接着上一个同事的话继续聊。它还会跟着频道的上下文学习，甚至能主动发起动作。
• Anthropic 自己就是最大用户：官方数据显示，他们产品团队 65% 的代码是由这个内部共享版 Claude 写的——不是一群程序员各自用 AI 写完再提交，而是一个共享 Agent 在团队中间干活。
• OpenClaw 2.0 团队也踩过坑：他们最初让各自的 Agent 在 Discord 里协作，发现还是不够。维护者 Colin 说，他们想要的是"开发者直接看到工作本身"，而不是互相发截图、复制聊天记录。最后他们干脆自建了一个多人 Web 界面，支持多人同时打开同一个会话，随时接手或补充信息。

如果你觉得上面这些还太远，这期给了一套免费的四步走方案（Multiplayer AI Sprint），帮你把团队带到多人 Agent 的世界。核心逻辑是：先盘点现状，再梳理共享上下文，然后找到适合共享的工作流，最后真正跑通一个共享 Agent。

• 第 1 周：盘点团队 AI 使用现状。看看大家是还在用 ChatGPT 聊天，还是已经有人用 Agent 跑固定任务了？如果团队整体水平还很初级，可以请公司里其他部门的高手来分享，看看他们在同样的安全合规限制下是怎么用的。
• 第 2-3 周：梳理"共享上下文"和"重叠工作"。多人 AI 的关键是把个人记忆变成团队共享的上下文库。然后找出那些需要多人反复对齐的工作流，用四个维度打分：共享需求（多少人需要同一份信息）、过期成本（信息不一致有多痛）、权限敏感度（涉及多少敏感数据）、可检查性（能不能快速判断 Agent 干得对不对）。
• 第 4 周：真正跑通一个共享 Agent。在现有工具上（比如 Slack 里的 Claude Tag）部署一个带团队上下文的 Agent，至少让两个人用它干真实的工作。如果效果不好就换下一个场景，这个流程可以反复跑。

"Agent 会话不再是某个开发者和模型之间的私聊，它变成了一份共享的工作——另一个值得信任的同事可以随时检查、引导甚至接手。"

• 先别急着全员上马：用第 2-3 周的"四维打分"（共享需求、过期成本、权限敏感度、可检查性）筛出团队里最痛的一个协作场景，再部署共享 Agent，比盲目铺开更容易见效。
• 把"共享上下文"当基础设施来建：与其让每个人各自维护 prompt 和记忆，不如先搭一个团队级的上下文库（如频道 Wiki 或共享文档），让 Agent 和人都从同一份信息源出发，避免各说各话。