Asana 如何用 Claude 构建人机协作团队
来自 Claude Blog · 期号 2026-09-29
摘要
Asana 把 AI agent 当作团队成员来设计，而不是当作工具。 每个 agent 有明确的角色（内容写手、分析师、项目经理等）、独立的权限和共享记忆。agent 的工作会出现在活动流里，所有人都能看到它在做什么、做了什么。 关键设计是「使用」和「训练」分离：任何人都可以给 agent 反馈，但只有管理员能写入永久记忆。Arnab Bose 说：“团队里有一两个人成为专家，把 agent 设置好，其他人就能直接受益。” 三个实际案例：产品问答 agent 自动回复 Slack 里的重复问题；续约预警 agent 每天生成全球客户风险摘要；高管简报 agent 把分散的 CSM 更新整合成结构化报告。 原文是 Asana CPO 的访谈，详细讲了 agent 的角色定义、权限边界和记忆机制。
深读
导读 Asana 将 AI agent 当作团队成员而非工具来设计，每个 agent 有明确的角色、独立的权限和共享记忆，其工作对所有人可见。这篇访谈详细介绍了 Asana 如何在其 Work Graph 模型上构建人机协作团队，包括角色定义、权限边界、记忆机制，以及三个实际落地案例。对于正在规划或建设企业内部 AI agent 的团队，这是一份来自一线实践的设计参考。 关键信息 - Asana 的 Work Graph 模型将每个任务、项目、目标和对话映射为关系网络，agent 在此模型内运作，而非另建一套 AI 专用的上下文结构。 - 每个 agent 有独立的 profile 页面，列出名称、用途、可用用户、管理员、指令、技能、集成和权限。 - agent 的有效访问权限受触发者权限约束：可以广泛访问公开内容，但无法获取 agent 在私有上下文中学习到的信息。 - 任何人都可以给 agent 反馈，但只有管理员和编辑者才能将反馈提交到永久记忆；其他人的反馈仅作用于当前任务。 - 三个实际案例：产品问答 agent 自动回复 Slack 中的重复问题；续约预警 agent 每天生成全球客户风险摘要；工程团队用 Command 管理编码循环，agent 填充未规划看板。 逐节讲解 在 agent 行动之前先梳理工作结构 Asana 员工将 Claude 作为默认 AI 工具，连接 Google Drive、Slack 和 Asana 自身。工作流程是：先把一天中非结构化的信息（想法、Slack 对话、Zoom 会议记录、Databricks 报告、Google Docs 内容）与 Claude 讨论，理清思路后，将可执行项录入 Asana 的项目和任务结构中。结构就位后，agent 才能基于持久记忆、自有凭证和共享上下文这三项能力来行动。 为每个 agent 分配角色、工具和访问权限 Asana 员工可以像与人类同事一样，在任何项目中与 AI agent 协作。agent 围绕角色或工作类型构建，例如内容写手、洞察分析师、项目经理、工作接收专员、活动分析师或活动协调员。每个 agent 自带基于 Asana 客户研究预建的技能和所需的集成（如 Hubspot 或文档驱动器）。agent 的访问权限是显式控制的，并且多一层安全约束：agent 的有效访问权限受触发者权限的边界限制。 将使用 agent 与训练 agent 分开 共享记忆是 Asana agent（称为 AI teammates）的关键特性，它允许 agent 保留之前指令中的信息，让多个用户复用这些记忆以更快完成任务。关键设计是：任何人都可以给 agent 反馈，但只有管理员和编辑者才能将反馈提交到永久记忆，其他人仅作用于当前任务。Asana 的通讯团队掌握公司语气和风格，因此他们成为写作…