Every 发布面向 Slack 的 Every Agent

美国媒体与软件公司 Every 推出了 Every Agent，这是一款整个公司在 Slack 中共同使用的 AI 同事。它构建于 Anthropic 的智能体运行平台 Claude Managed Agents 之上，Every 在对外开放前已在内部使用了约六个月。Anthropic 于 10 月 6 日（美国时间）在官方 X 账号发布了一段近三分钟的视频，称“它在内部流行起来后，他们把它开放给了订阅用户”。这条帖子不到一天浏览量就超过 20.9 万次。

使用方法很简单。在任意 Slack 频道中标记 @Every 并写下任务，智能体就会在该线程里完成工作。结果有误时可直接在线程中纠正，智能体可以把这次纠正保存下来供下次使用。只需一次性连接 Google Drive、Gmail、Notion、Figma、GitHub、HubSpot 等 1000 多种工具，就能为每位成员设定可用的连接。Every 运营公司所用的 Compound Engineering、Compound Writing 等技能均已预装；值得重复的工作流程，只要让 @Every 保存为技能，任何人都能再次运行。

Every 主打的差异化功能是“前沿提醒”（Frontier Alerts）。每当新模型发布，智能体会查看团队现有的工具和工作流程，告诉团队这个模型是否值得关注。Every 表示不对智能体消耗的令牌加价，用户支付的就是公司付给模型公司的价格。每位成员可获得免费额度，安装需要一个免费的 Every 账号以及 Slack 工作区所有者的许可。

出发点是公开地工作。Every 首席执行官丹·希珀（Dan Shipper）在发布文章中写道，他用主编凯特过往的 3 万条编辑修改做了一个模仿她编辑方式的技能，但让同事采用它“就像在飓风中呼喊”。他把技能装进智能体后，每写新稿都会发“@Every，给这份草稿做一次 Kate Pass”，同事们看到智能体直接留在 Google 文档中的建议，便各自在自己的草稿上尝试。希珀指出，“大多数 AI 使用是看不见的”，同事只看到成果，却看不到背后的请求和修改过程。

这款产品建立在一次早期尝试之上。Every 在 3 月推出了 Plus One，为每位员工在 Slack 中配备自己的智能体。一些在新鲜感消退后被弃用，少数则成了得力帮手。同事们会直接找希珀的智能体 R2-C2，为 Every 的 AI 文档编辑器 Proof 报告漏洞、提出功能需求。希珀表示：“经过近一年的实验，我们发现一个公开工作的共享智能体，比一大群个人智能体更快地让公司拥抱 AI。”Plus One 由此变成了全公司共用的单一智能体。

在 METAL 查看的 Anthropic 视频中，Every 平台负责人威利·威廉姆斯（Willie Williams）解释说，选择 Claude Managed Agents 的原因在于基础设施之难。自行运营第一个版本时，既要打磨产品又要维护坚实耐用的基础设施层，很快就难以招架。威廉姆斯说：“我们不想成为一个基础设施团队。”他表示，获得沙箱、记忆和会话控制等基础组件后，团队得以专注于设计人与智能体的交互方式。对谈中还有人回忆，起初以为服务器管理交给 Claude 就行，亲自尝试一个月后才发现确实很难。METAL 此前曾报道过三位创始人谈 Claude Managed Agents 使用方法的对谈，这一案例重复了同样的选择理由。

Every 公开的内部用例横跨各类岗位。首席运营官布兰登·盖尔（Brandon Gell）让智能体在 Documenso 中为 Thesis 大会起草演讲者合同，邮件草稿挤成一段时他将其退回，智能体修好草稿，并更新技能以便下次检查渲染后的邮件。营销负责人道格拉斯·布伦迪奇（Douglas Brundage）让它从 Figma 调取已批准的演讲者素材，并提交为网站新增两位演讲者的拉取请求，由工程师审核合并。运营负责人阿丽尔·希珀（Arielle Shipper）每周收到整合绩效、网站和邮件数据的报告，智能体会标出对不上的数字。它还处理过休假申请、谈判手机账单、雇用维修工，并运营公司的梦幻橄榄球联赛。

测试期间已有多家公司率先使用。艾米莉·怀特黑德基金会执行主任乔治·伊斯特伍德（George Eastwood）表示：“对我来说，这就是 Every Agent 的承诺：不只是把工作自动化，而是给团队一种在共同学习使用中不断进步的共享能力。”Every 将于 10 月 9 日举办关于在 Slack 中与智能体协作的“智能体训练营”。

这一案例展示的与其说是工具，不如说是组织的学习方式。原本锁在某个人设置里的诀窍转移到线程和技能之中，成为公司的共同记忆。希珀在视频中说“我们越多使用智能体，要做的工作就越多”，认为自动化并非让工作消失，而是改变了人在系统中工作的位置。随着共享智能体增多，留下的问题是：谁的修正与判断会固化为公司的标准技能。