與 @Claude 一起工作的未來

🧑‍🏫 這支影片介紹 Claude Tag：把 Claude 加進團隊的聊天頻道後，它會主動接手工作、記得大家交代過的事，而且頻道裡每個人都看得到它在做什麼，也都能指揮它。值得看的地方是，AI 從「你一個人叫它做事」變成「整個團隊一起用的同事」。講者用自家公司的實際用法，說明這種改變有多大。

• 00:00 三年前才開始把 AI 導入日常工作流程；兩年前工程師能用的 AI 還只有 typeahead
  ↳ AI 真正進到日常工作，其實才大約三年。兩年前工程師能用的 AI 只有 typeahead，就是打字時自動幫你補完下一段，很像手機輸入法跳出的選字建議。
• 00:30 用 typeahead 時，要寫哪一行由人決定，AI 只幫忙寫那一行；後來 AI 能寫整個函式、整個檔案、整個功能
  ↳ 用 typeahead 時，決定權在人手上：要寫什麼由你決定，AI 只把那一行補完。後來 AI 能一口氣寫出整段功能、整份檔案，換成 AI 做大部分的事。
• 00:30 Anthropic 做出了 Claude Code，也帶來 agents，成為新一代寫程式的方式
  ↳ Anthropic 推出 Claude Code，這是讓 AI 直接在電腦上讀寫程式、執行指令的工具。它也帶來 agent，就是能自己規劃步驟、把任務做完的 AI。寫程式的方式因此換了一代。
• 01:01 現在用 Tag 就能把整件事做完：寫功能、端到端跑完整個實驗、做資料分析。講者形容是「2 年內兩次躍進」
  ↳ 現在交給 Tag，一整件事都能從頭做到尾，像是做新功能、跑完整個實驗、分析資料。講者覺得短短兩年內，AI 的能力已經大跳了兩次。
• 01:01 演進過程：一個人一次打一行 → 一個人同時帶約 10 個 Claude 寫好幾個功能 → Claude 主導更多，互動對象也從一個人變成整個團隊
  ↳ 演進分三步。一開始是人一行一行打。接著一個人同時指揮大約 10 個 Claude，各做一個功能。現在 Claude 主導更多，服務的對象也從一個人變成整個團隊。
• 01:31 過去要自己打開 Claude、提出要求，它才會用你的工具和電腦去做事；Claude Tag 則是主動的，知道什麼時候該介入
  ↳ 以前要你開口它才會動：你打開 Claude、下指令，它才去用你的工具做事。Claude Tag 是 proactive（主動型），會自己判斷什麼時候該出手。
• 01:31 Claude Tag 會把工作做完，就算要花好幾天、好幾週也一樣，而且會主動追蹤後續
  ↳ 它不是回一句話就結束，而是負責到底。就算要花好幾天、好幾週，它也會把事情做完，中間還會自己回頭追進度。
• 02:02 Claude Tag 會記住你講過的話，下次照做。不用每次都下 prompt，只要把 Claude 加進頻道就好
  ↳ 你交代過一次的規矩它會記住，下次自動照做。不用每次重寫 prompt（給 AI 的指令文字），只要把它拉進頻道就能開始用。
• 02:02 它是 multi-player：頻道裡每個人都看得到它在做什麼，也都能參與
  ↳ 它是 multi-player（多人共用）。不是你私下跟它聊，而是頻道裡每個人都看得到它在做什麼，也都能插話指揮它。
• 02:32 研究面的基礎：多年來一直讓模型能跑更久、更自主。根據最新的 METR evals，最新模型一次能工作 16 小時，已經到了測不準它能跑多久的程度
  ↳ 這背後是多年研究，讓模型能自己連續做得更久。METR evals 是衡量 AI 能獨立完成多長任務的評測。結果顯示最新模型一次能做 16 小時，已經長到快測不出上限。
• 02:32 在 Claude Tag 裡，Claude 能幫自己排工作（self-schedule），幾天、幾週甚至幾個月後再來 follow-up，所以 16 小時的工作長度還會隨時間拉長
  ↳ Tag 還會 self-schedule，也就是自己排定下次什麼時候回來處理。它會隔幾天、幾週甚至幾個月再回頭跟進，所以實際能負責的時間比 16 小時更長。
• 03:04 以前不敢交給它的任務，現在幾乎每次都能完成
  ↳ 以前覺得太難、不敢交給 AI 的任務，現在交出去幾乎每次都能完成。
• 03:04 講者自己有好幾個 session 跑了好幾天、好幾週，可能有一個跑了一個月：每天檢查資料，有 bug 就送修正，講者每天收到 pull request 和資料報告
  ↳ 講者有任務讓它連跑好幾週，可能有一個跑了一個月：每天檢查資料，有錯就提修正。講者每天都收到 pull request 和報告。pull request 是把改好的程式送給人審核、合併的申請。
• 03:04 另一個重大創新是記憶：模型不只能幫自己設提醒，還記得所有使用者長期以來給的指示
  ↳ 另一個關鍵是 memory（記憶）。它能幫自己設提醒，也記得每個人長期以來交代過的所有指示，不會聊完就忘。
• 03:37 記憶花了很久才做出來，講者說 Claude Code 試了好幾年，現在終於做對了
  ↳ 記憶聽起來簡單，其實很難做好。講者說，他們在 Claude Code 上試了好幾年，到現在才終於做對。
• 03:37 例子：在頻道跟它說「只監控這類問題，其他類別不用管」，它在這個頻道會永遠記得
  ↳ 舉例來說，你在頻道裡跟它說「這裡只盯這類問題，其他不用管」，之後它在這個頻道就會一直照這個規矩做。
• 04:09 之後如果別人說要把它的範圍擴大到新的事情，它也會跟著調整
  ↳ 規矩也能改。之後如果有同事說「範圍再加上這件事」，它會跟著調整，不會卡在最早那句話。
• 04:09 個性與 EQ：常有人擔心它會不會每個 thread 都插話很煩。Claude 被訓練成知道什麼時候需要它，也能退到幕後
  ↳ 很多人擔心它會不會在每一串對話都跳出來插嘴。它被訓練得有 EQ（懂得看場合），知道什麼時候該出手，什麼時候該安靜待在旁邊。
• 04:39 如果它太積極或方向偏了，直接叫它少插話或多插話就好，它會記住以後照做
  ↳ 如果覺得它太愛插話或方向偏了，直接跟它說「少講一點」或「多參與一點」就好。它會記住，以後照這個分寸做。
• 04:39 常見用法：寫 pull request、debug production 問題、做資料分析，只要接上你的工具就行。講者認為這要靠記憶做得夠好才辦得到
  ↳ 常見用途有寫 PR（就是 pull request）、查正式上線系統出的 bug（程式錯誤）、分析資料，接上你們原本的工具就能用。講者認為這要靠記憶做得夠好才辦得到。
• 05:10 湧現用法例子：在 Q&A 頻道規定「問題答完就要打勾」，Tag 會回答問題，每次也都會按一個勾勾的反應
  ↳ 還出現了沒人事先設計的用法。有個問答頻道規定「問題答完要打勾」，Tag 除了回答，每次答完也會自己按一個打勾表情。
• 05:10 內部例子：資料問題頻道現在全部由 Tag 回答；Claude Code feedback 頻道裡的問題，現在都由 Tag 修
  ↳ 在 Anthropic 內部，專門問資料的頻道現在全由 Tag 回答。大家回報 Claude Code 使用意見的頻道裡，提出的問題也都由 Tag 修。
• 05:10 講者問資料問題的方式：在資料頻道發問並 tag Claude Tag，讓它先處理第一輪，通常答得不錯
  ↳ 講者自己有資料問題時，會在資料頻道發問並 tag（標記、點名）Claude Tag，讓它先回第一輪，通常答得就不錯。
• 05:41 講者後來懶得每次都 tag，直接跟它說「請每次都回應」。講者認為這證明它的記憶很強
  ↳ 後來講者連點名都懶了，直接跟它說「以後每則都要回」，它就一直照做。講者用這件事說明它的記憶很可靠。
• 05:41 因為 Claude Tag 在公開頻道工作，大家都能看到專家怎麼用它
  ↳ 因為它在公開頻道做事，每個人怎麼用它都看得到。你可以直接看高手怎麼下指令、怎麼分派工作，不用另外請教。
• 06:12 大家會把學到的用法帶到自己的新專案，最佳實踐就這樣擴散開來，講者認為這在 AI 工具中很新穎
  ↳ 看到好用法的人，會把它帶到自己的新專案，好做法就這樣在公司裡傳開。講者覺得 AI 工具能這樣散播用法，是很新的事。
• 06:12 它普及得很快：一開始只有少數人用，別人看到後也馬上跟進，現在每個 feedback 頻道、資料頻道都有 Tag
  ↳ 它普及得很快。一開始只有幾個人用，旁邊的人看到就馬上跟進。現在每個意見回饋頻道、資料頻道裡都有 Tag。
• 06:42 Chat、Cowork、Claude Code 通常要自己記得打開，比較被動（reactive）；Claude Tag 可以接受較高層的目標
  ↳ Chat、Cowork、Claude Code 這些 Claude 產品屬於 reactive（被動型），你得記得打開才會用到。Tag 則可以收下一個比較大的目標，自己持續執行。
• 06:42 例如「這個頻道每個 bug 都開 PR」，它就會每個都開，不需要人提醒
  ↳ 例如你交代「這個頻道每個 bug 都要開 PR」，之後每出現一個 bug，它就自動開一個，不用人再提醒。
• 07:12 現在多數 AI 工具都是你和 Claude 一對一，再把結果複製貼上給團隊；Claude Tag 把 Claude 帶進工作現場，讓多人一起引導 session
  ↳ 現在多數 AI 都是你私下跟它一對一聊，再把結果複製貼給團隊。Tag 直接進到大家工作的地方，讓好幾個人一起指揮同一件工作。
• 07:12 雙向學習：大家看別人怎麼用來學習；Claude Tag 也從大家給的指引學習怎麼跟團隊合作
  ↳ 學習是雙向的。同事看彼此怎麼用它，自己也跟著進步；Tag 也從大家給的指示裡，摸清這個團隊喜歡怎麼合作。
• 07:43 最後客戶會拿到更好的結果，因為不是單一個人的意見，而是整個團隊一起把 PR 推到最好的狀態
  ↳ 最後受益的是客戶。成品不是一個人說了算，而是整個團隊一起看、一起給意見，把 PR 改到最好。
• 07:43 很多人不敢貢獻程式碼，因為要開 terminal、甚至是 desktop app，還得處理 Git 和 checkout；有了 Tag 他們直接就能做
  ↳ 很多人不敢改程式，因為要開 terminal（輸入指令的視窗）或桌面 app，還要處理 Git（程式版本管理工具）和切換版本。有了 Tag，在頻道裡講一聲就行。
• 08:14 很重要的一點：協作平台要有公開頻道，Claude Tag 才能監控你在追的各個專案
  ↳ 很重要的一點：團隊的聊天平台要有公開頻道，Tag 才看得到你在追的各個專案，並持續幫你盯著。
• 08:14 PM 的例子：同時負責約 5 到 10 個功能，請 Claude Tag 查看每個功能的狀態並給每日報告
  ↳ PM（產品經理）的例子：手上同時有 5 到 10 個功能在進行，就請 Tag 每天查每個功能的進度，整理成日報。
• 08:14 自助問答：新進員工不用問 Legal 能不能這樣講，也不用問 HR 福利有哪些，直接 tag Claude Tag
  ↳ 它也能當公司的萬事通。新人想問「這樣講法務會不會有意見」，或是 HR（人資）有哪些福利，不必到處找人，直接點名 Tag 就好。
• 08:47 因為它連到公司的 source-of-truth 檔案，不管什麼時間問都能很快回答
  ↳ 它答得出來，是因為接上了公司的 source-of-truth 文件，也就是公認最正確的官方資料。所以不管什麼時間問，都能很快拿到答案。
• 08:47 最大的影響是生產力：以內部版 Claude Tag 來說，講者所在的 product org 裡，約 65% 的 PR 是 Tag 寫的，而且還在持續上升
  ↳ 最大的影響是產出。在講者所屬的產品部門，內部版 Tag 寫的 PR 大約佔 65%，而且比例還在往上升。
• 09:18 講者本來以為 Claude Code 就是讓工程師變快的工具，Claude Tag 則讓工程師快更多
  ↳ 講者原本以為，讓工程師變快的工具就是 Claude Code。沒想到 Tag 又讓他們快了一大截。
• 09:18 原因之一是互動方式：交代 Tag 之後就去做下一件事。所以要設定成讓 Tag 自己把事做完，你不必一直回來 check in
  ↳ 快的原因之一在於用法：交代完就去忙別的。所以要把 Tag 設定成能自己把事情收尾，你不用一直回頭看它做到哪。
• 09:50 怎麼分工：講者以前什麼都用 Claude Code，後來先把簡單修正（例如按鈕偏了幾個像素）、簡單資料問題交給 Tag
  ↳ 講者的分工方式：以前什麼都用 Claude Code，後來先把小事交給 Tag，例如按鈕位置偏了幾個像素、簡單的資料查詢。
• 09:50 最近幾週越用越上手，交給 Tag 的事越來越多，連更複雜的工作它也做得到
  ↳ 最近幾週越用越上手，交給 Tag 的事也越來越多，發現連比較複雜的工作它也做得來。
• 10:20 它能驗證自己的成果，因為它跑在跟 mobile 和 desktop app 相同的 remote sandbox，用的也是同一個 agent SDK，所以一樣聰明
  ↳ 它能自己檢查成果，因為它跑在跟手機版、桌面版相同的 remote sandbox（雲端上隔離的工作環境），也用同一套 agent SDK（打造 AI 代理的開發工具組），所以一樣聰明。
• 10:20 加上記憶後，每個頻道可以有不同的驗證偏好；它常在修完 bug 後把影片貼回 Slack，講者連 Slack 都不用離開
  ↳ 有了記憶，每個頻道可以設定不同的驗收方式。它常在修好 bug 後，把示範影片貼回 Slack（團隊聊天軟體），講者連 Slack 都不用離開就能確認。
• 10:50 Claude Tag 已在 Slack 推出，接下來想帶到更多協作平台，例如 Microsoft Teams，讓每位 knowledge worker 都能隨手用到 Claude
  ↳ Tag 已經在 Slack 推出，接著想擴展到 Microsoft Teams 等平台，讓每個 knowledge worker（靠資訊和判斷工作的上班族）都能隨手用到 Claude。
• 10:50 講者認為 Claude Tag 不只改變個人的工作方式，還把 Claude 放在團隊中心，改造整個組織
  ↳ 講者認為它改變的不只是個人怎麼工作，還讓 Claude 站到團隊中心，連整個組織的運作方式都跟著改變。
• 10:50 Claude Tag 跟 Claude Code 一樣可高度客製化，講者期待各組織把它調整成自己的樣子
  ↳ Tag 跟 Claude Code 一樣可以大幅客製。講者期待各家公司把它調整成最適合自己團隊的樣子。

根據影片，在講者所在的 product org 中，由 Claude Tag 寫的 PR 大約占多少比例？