Anthropic 在 Slack 中上線的 Claude Tag 雖未引起外界廣泛關注，但公司內部對其寄予厚望，視其為下一代爆款產品，可能達到 10x Claude Code 級別的產品形態，對應萬億美元級別的市場空間。這一判斷來自海外獨角獸的觀察，並引用了 Andrej Karpathy 的觀點，認為 AI 產品互動正邁入第三階段：從 Chat 到 Local Coding Agent，再到 AI Coworker。
Claude Tag 本質上是一個數字員工，Claude 可以以團隊成員身份加入 Slack 頻道，獲取團隊全部上下文，使用者通過 @claude 即可呼叫它處理任務。目前產品處於 beta 階段，需同時擁有 Claude 企業賬號和 Slack 企業賬號。其核心能力包括支援配置 skills、設定長期目標和定時任務，模型方面可接入 Fable 5、Opus 5、Sonnet 5、Opus 4.8 和 Opus 4.7，企業管理員可後台切換模型，普通員工也可臨時指定模型。定價採用 usage-based 方式，記在企業賬上，與 API 價格一致。工具呼叫支援幾乎所有 MCP 整合，如 GitHub、Notion、Google Drive、Snowflake 等。執行時由 Anthropic 雲端託管，每個 thread 起臨時 sandbox 跑完整 agent loop。
Claude Tag 並非全新概念，此前已有 Devin、OpenClaw 等類似產品，但均未大規模鋪開。Anthropic 團隊認為，模型能力成熟度是關鍵，只有達到 Mythos 級別才算真正解鎖 AI Coworker 形態。據 METR 評測，Mythos 已能完成相當於人類專家連續工作 16 小時的任務，Claude Tag 在此基礎上增加 Self-schedule，可將單次執行串聯成持續數月的長期任務。
記憶是 Tag 的重要能力，Anthropic 採用最樸素的檔案系統方案，給模型長期讀寫空間自行維護。記憶按許可權分層，不同頻道預設隔離，只有授權後才能跨頻道訪問。整套記憶庫分三層：Thread context、Channel memory、Workspace memory，所有記憶可查、可改、可刪。Anthropic 表示，經過多年嘗試，直到現在才感覺記憶方案跑通，高階模型與低階模型的區別在於蒸餾能力，即能否對記憶進行高維抽象並泛化到未來任務。
Anthropic 還專門訓練了 Claude Tag 的情商和分寸感，使其能判斷何時主動幫忙、何時退居幕後。試用者反饋 Tag 比 Claude Code 情商明顯更高，溝通自然，表情包使用熟練。
短期來看，Claude Tag 主要接手基礎執行工作，角色類似初級運營、行政或工程師。相比 Claude Code，它解鎖了兩類工作：高協作密度、高 context 密度類工作，以及主動響應類工作。Claude Code 本質是單人模式，需要人類先壓縮 context 再餵給模型；Tag 則常駐群聊，天然瞭解業務動態，所有人可隨時協作。Tag 還能主動發現問題並攬下工作，例如線上故障時自行拉取監控、定位問題、編寫修復並找負責人審批。
Anthropic 內部已大量使用 Tag：產品團隊約 65% 的程式碼由它生成，新人 onboarding 問題直接 @Tag，客戶反饋頻道和查數問題也普遍交給它處理。不少員工將其當作貼身秘書，篩選重要資訊、跟進 feature 並自動生成總結。長期來看，若模型質量提高，Claude Tag 有望完整替代一個人類員工，甚至成為整個公司的 OS 系統。
在 Anthropic 內部，Claude Tag 已展現出三個驚豔點：其一，成為“全知全能的共享大腦”，能同時整合產品、工程和 GTM 決策，主動提示盲區；其二，具備數字分身雛形，能學習員工的設計偏好和提問角度，自動迭代設計稿，甚至主動提案和發起討論；其三，已能完整接手複雜大專案，例如為某渠道留存率負責，端到端跑完資料讀取、問題定位、假設提出、程式碼修改、釋出監控等全流程。
Claude Tag 的誕生體現了 Anthropic 的產品方法論，尤其是 Dogfooding 和 Labs 機制。產品團隊分為 Product Team 和 Labs，後者負責前沿探索，包括縮小模型能力與日常使用差距的 Close the Gap 路線，以及預判未來能力成熟的 Advanced Scout 路線。幾乎所有 Prototype 的第一批使用者都是內部員工，公司像大型實驗田，只有內部跑出足夠好的周活和留存的產品才有機會對外發布。
這一產品形態若成功，可能標誌著 AI 從輔助工具向自主協作者的範式遷移，對 AI 應用層和整個企業軟體市場產生深遠影響。