本页目录7
- 工作正从单人与 AI 互动，转变为「人类定策略、智能体做执行」的多人协作模式
- 应默认公开团队信息（频道、文档、决策记录），让智能体像新同事一样通过可搜索文本学习上下文
- 为每个智能体分配清晰角色、专属凭证与技能文件（Skill files），并维护包含智能体在内的团队花名册
- 设定清晰的北极星目标，决定哪些智能体可以主动提出改进建议，而非仅被动执行任务
- 通过「执行者-验证者」（Doer-Verifier）模式和经验教训复盘，随时间按可靠性比例逐步扩大智能体自主权
本文是对 Anthropic 官方博客文章的中文要点摘要，完整内容以原文为准：https://claude.com/blog/building-effective-human-agent-teams
核心背景：从单人协作到多人协作
文章的核心观点是：随着 Claude Code 等智能体越来越多地承担实际执行工作，团队与 AI 协作的方式正在发生结构性变化——工作不再是「一个人和一个 AI 一对一互动」，而更像一场多人游戏：由人类团队设定策略与方向，多个智能体负责具体执行。这意味着团队需要重新思考如何组织信息、分工与信任机制，才能让人类成员和智能体高效协同。
文章据此提炼出四条经验（lessons），分别对应团队协作的四个基础维度：信息透明度、角色分工、目标牵引、信任建立。
第一课：公开工作，给智能体足够背景
智能体没有「言传身教」的能力，它们主要依靠可搜索的文本来理解团队上下文——包括 Slack 消息、代码仓库、文档和会议记录。因此：
- 团队信息应当默认公开、主动共享，而不是逐个手动喂给智能体
- 建议把默认频道设为公开、确保关键决策留有书面记录
- 应在合适的安全边界内，为智能体提供访问这些信息所需的工具（例如通过 MCP connectors）
- 相比逐条授权，更推荐建立清晰的「工作区级」安全边界，一次性解决访问权限问题
简言之：智能体能看到多少上下文，很大程度上决定了它能干多少活。
第二课：为每个人和智能体分配清晰角色
就像人类团队需要明确的岗位职责一样，团队里的每个智能体也应该有：
- 清晰定义的角色和职责范围
- 专属的凭证（credentials）、技能配置和工具访问权限
- 通过 Skill files 明确描述其能做什么、不能做什么
文章建议团队维护一份包含智能体在内的花名册，清楚列出「谁（或哪个智能体）负责什么」，并鼓励人类与智能体在共享线程（shared threads）中协作，而不是各自为战。文中举了一个工程团队的例子：该团队把编码、代码审查、问题分类等工作拆分给不同角色的智能体分别负责，而非让单一智能体包办一切。
第三课：设定北极星，增强智能体的主动性
「北极星」（North Star）指的是由企业使命驱动的长期、宏观目标。文章强调：
- 人类负责设定这个北极星目标
- 人类同时决定哪些智能体被授权可以主动提出工作建议，而不仅仅是被动执行指令
文中的例子是一个内部工具团队：因为其北极星被明确设定为「让产品的新手上手过程更顺畅」，团队因此授权智能体在发现相关改进机会时自动提出建议——这种主动性是建立在目标清晰的前提之上的，没有北极星，主动建议容易变成噪音。
第四课：随时间建立信任
信任不是一次性授予的，而是应当按已证明的可靠性逐步扩大智能体的自主权：
- 早期阶段，人类应手动审查智能体产出的工作，并据此建立验证清单（checklist）
- 推荐采用「执行者-验证者」（Doer-Verifier agent harness）模式：一个智能体负责完成任务，另一个独立智能体负责检查结果，形成质量控制闭环
- 让智能体在完成任务后撰写「经验教训」（lessons learned）报告，用于持续改进其后续表现
这种渐进式的信任建立机制，本质上是把人类团队中常见的「新人转正」流程移植到了人-智能体协作场景。
团队自查清单
文章在结尾给出了一组反思性问题，供团队评估自身协作基础是否扎实：
- 团队的信息和访问权限是否默认公开、可搜索？
- 能否列出一份完整的团队花名册，包含每个智能体及其职责？
- 每个成员（无论人类还是智能体）是否拥有完成工作所需的全部工具？
- 是否有明确的标准或测试用于验证关键成果？
- 团队是否设定了清晰的北极星目标？
小结
文章的核心洞察是：强有力的北极星目标、清晰的角色分工、充分的文档沉淀、统一的质量标准，以及为学习和迭代留出的空间——这些原本就是「健康团队」的基本习惯。智能体的加入并没有改变这些原则，反而让它们变得更加重要：因为智能体没有隐性的组织常识，团队协作的基础设施做得越扎实，人类与智能体之间的分工协作就能扩展得越远。