Slack Code:将AI编程从终端带入群组协作
Slack推出Code功能,把Claude Code、Devin、GitHub Copilot等AI编程代理嵌入专用频道,实现团队共观、共导、共审代码。其核心是将AI编码从单人私密操作转为公开可审计的多人协作流程。

Slack 希望将AI编程从终端中拉出,带入群组聊天。
这家隶属于Salesforce的通讯平台今日宣布 Slack Code——一款新产品,可将AI编程代理(包括Anthropic的 Claude Code、Cognition公司的 Devin、 GitHub Copilot以及Vercel的代理 )直接嵌入专用Slack频道,使整个团队能够共同观看、引导、审查并交付软件。 Slack Code 在发布时适用于所有Slack订阅计划,但客户需自行获取合作代理的访问权限。 其核心主张看似简单:目前,绝大多数与AI编程代理协作的工作都发生在单个人与单个代理之间,对其他人完全不可见。
Slack Code 让这类工作变为“ 多人协作”。当有人在任意对话中提及某个编程代理时,该代理便会启动一个专用于该项目的代码频道,在公开环境中完成工作——包括完整的代码差异(code diffs)、实时预览,以及在专用标签页中持续可见的执行计划——并在任务完成后归档该频道,留下一条可供搜索的可审计操作记录。Slack临时首席执行官Rob Seaman在发布前的媒体简报会上表示:“我特别喜欢这一点:代码已不再是瓶颈。创意、品位、判断力和工艺——这些才是真正的瓶颈;而你实际上已将能贡献创意、品位、判断力和工艺的人群扩展至公司内任何一位Slack用户。”
此次发布对Slack而言意义重大,也揭示了更广泛的面向企业的AI市场现状。迄今为止,AI编程热潮讲述的始终是个体生产力的故事——一名开发者独自面对终端窗口中的
Claude Code 或 OpenAI的Codex 。Slack则押注下一阶段属于掌控这些代理协作层的公司。它正于母公司亟需这一故事取得成功的时刻下此重注。 Slack Code频道如何在公开环境中启用AI编程代理
在本次采访中(亦有Cognition高管参与),Slack高管描述了一种工作流,其形态更接近新闻编辑室,而非结对编程。
Cognition公司(
Devin编程代理 的开发者)企业新业务总裁Jeff Wang演示了一个实时案例:某人在工程频道报告某项功能出现故障,Devin以表情符号确认,随后在该对话线程中回复、展开调查,并提交拉取请求(pull request)。Wang表示:“它甚至知晓代码负责人,因此你可以看到它也将Theo标记进来了。每次Devin执行此类操作时,都拥有自己的计算机。此处,它实际正使用Chrome浏览器及开发者工具(DevTools)来测试该功能是否正常运行。” 此后,工作转入一个专用代码频道,任何人员——工程师、产品经理或设计师——均可随时加入。在Wang的演示中,一名设计师在任务进行中途将一个Figma文件拖入该频道,代理随即无缝整合该文件,未中断工作节奏。代理最终发布代码变更内容,并附上截图及一段录屏演示,证实该功能已正常运作。这一验证闭环是其核心主张的关键所在:基于云的代理(区别于运行在开发者笔记本电脑上的代理)可生成一份可审计的记录,证明所完成的工作确属正确。“规模化部署、审计追踪、向全员分发——采用这种基于云的代理形态,远比依赖本地代理更容易实现。”Wang表示。 此次发布亦延伸至代码频道之外。Slack正在全面重构代理在产品中的存在方式:代理私信(DM)将表现得如同与同事的日常对话;新增的‘Agents’(代理)标签页为每次代理会话提供专属主页,含实时状态与停止按钮;此外还推出‘Add to Slack’(添加至Slack)流程,使团队可通过数次点击,从包括 Lovable
、
n8n 、OpenAI 、LangChain 以及Airtable 等平台部署代理,OAuth认证与配置均自动完成。Slack为何称编写代码已不再是软件开发的瓶颈 支撑 Slack Code
的战略论点
其背后的战略论点 Slack Code 原因是AI颠覆了软件开发的经济模式。过去,编写代码曾是稀缺且昂贵的环节。如今,Slack的高管们认为,它已变成廉价环节——而瓶颈已向上游转移,变为人类的判断力。
‘我特别喜欢这一点:代码不再是瓶颈,’西曼(Seaman)在新闻发布会上表示,‘想法、品位、判断力、技艺——这些才是真正的瓶颈,而你实际上已将能够贡献想法、品位、判断力和技艺的人群扩展至公司内任何一位Slack用户。’
认知(Cognition) 提供了内部数据以佐证其开发速度主张。‘过去几个月,我们内部合并的PR数量增长了10倍,而我们的员工人数仅增长了约40%。’王(Wang)描述了一种工作流程:工程师发出Devin任务后便转向其他事务,随即启动另一项任务——‘很快,每个人同时都在处理数十个智能体。’
王进一步指出,这种模式远不止适用于工程师。‘信不信由你,我们许多Bug是由销售团队报告的。他们在Slack中报告Bug,然后由某位技术人员接手修复。’西曼抓住这一案例,将其浓缩为整篇论述的核心论点:‘这类问题中的很大一部分甚至从未进入产品经理的待办事项列表(backlog),因为缺乏相应的沟通渠道、缺乏相应的动力、也缺乏‘问题能如此快速被解决’这一认知——而我们实际上已扫清了所有这些障碍。’
王更进一步勾勒出他所认为的最终走向。他认为,重复性劳动——‘修复Bug、修复CI/CD流程或修复漏洞,所有这些工程师可能都不愿做的工作——都将被自动化取代。’剩下的将是‘需要创造力、规划能力及业务逻辑的工作。’他还提出一项或将令部分工程负责人感到不安的预测:尽管目前每次合并仍需人工把关,‘我推测,或许明年起它就将自动通过。’
公开协作能否解决AI产出的‘粗制滥造’(slop)问题?
对软件创作民主化的明显质疑在于质量。如果公司内任何人都能调用编码智能体,企业是否会淹没于业界所称的‘AI粗制滥造品’(AI slop)之中——即由缺乏经验的用户大规模生成、表面看似合理实则构思拙劣的输出?
Slack高管们的观点略显反直觉:可见性(visibility)并非加速器,而是解药。‘多人协作(multiplayer)部分恰恰是对该问题的一道防护,因为人们能看到你的工作,也能对你的工作发表评论,’Slack产品副总裁凯蒂·斯坦格曼(Katie Steigman)表示。她将此与现状对比道:‘如果我在终端里用智能体做些天知道什么的事,与在一个能让他人看清我的意图、并实际修改和塑造我的工作——甚至拍打我的手告诉我‘这是粗制滥造品’的地方做事相比,后者才真正有效。’
身为产品经理而非工程师的斯坦格曼,将自身实践描述为一种范本。‘当我作为产品经理提交PR时,我几乎总会@团队中的一名工程师。我不会只发送一个PR并请求批准,’她说,‘几乎每次,工程师都会说类似‘来吧,你可以把它写得再精炼一点’之类的话,或者直接给出具体的技术指导,于是智能体再迭代一次,产出的代码在某种程度上已由工程师审阅过。’
西曼以更宏大的措辞阐述该论点:‘我认为多人协作式AI的道德演进轨迹,终将指向更高品质与更少重复。’他援引 Shopify举例说明:他称Shopify首席执行官托比·吕特克(Tobi Lütke)曾撰文指出,应将智能体编码限制在公开频道中,原因正在于此举‘立即向全公司传播所发生的每一件事’,从而拉平竞争环境。然而,怀疑论者一方亦有数据支撑其立场。
高德纳(Gartner)去年预测, 超过40% 的智能体AI项目将在2027年底前被取消,理由是成本不断攀升且商业价值不明确。麦肯锡(McKinsey)最新发布的《AI现状》(State of AI)调查发现,尽管62%的组织至少正在试验AI智能体,但仅有约三分之一已开始规模化应用AI,且仅有39%报告其对盈利底线产生任何影响。智能体热情与智能体实际价值之间的鸿沟,仍是Slack正切入的这一市场的根本特征。 人工智能现状 调查发现,尽管62%的组织至少正在试验人工智能代理(AI agents),但仅有约三分之一的组织已开始全面推广人工智能,且仅有39%的组织报告其对实际盈利产生了任何影响。人工智能代理所引发的热情与人工智能代理实际创造的价值之间的差距,仍是Slack所处市场的核心特征。
Slack Code安全模型内幕:无‘上帝模式’,无新身份
对企业买家而言, Slack Code 中最关键的设计决策或许是其权限模型。当被直接问及代码频道中的智能体是否可能跨团队泄露访问权限——例如让法务部门看到财务仓库(finance repo)——西曼明确表示,智能体仅继承调用它的用户的权限,别无更多。
‘所有操作均代表用户执行,使用用户的访问控制列表(ACL),无论是在Slack内部还是在它们所连接的系统中,’他表示,‘不存在‘上帝权限’(god permissions)或机器人级别权限……在Slack内部,智能体仅能访问用户有权访问的信息,以及被添加到的频道。’
斯坦格曼补充道,当智能体启动一个代码频道时,‘该智能体从该代码频道获得的唯一信息,便是触发它的对话上下文。’在执行端,王表示Devin运行于隔离沙箱中,采用‘最小可行访问权限’(minimum viable access)——包括一种可选模式,完全禁用互联网访问。‘你已听过所有关于智能体逃逸并造成混乱的故事,’他承认,‘但我们采用了不同的安全配置。’
这种‘智能体作为现有用户的延伸’模式,确实区别于独立智能体平台——后者通常迫使IT部门配置新的服务身份,并管理一套零散的、各自为政的权限设置。该模式同时也回应了长期困扰智能体工具的影子IT(shadow-IT)问题:由于智能体在GitHub中生成标准的拉取请求(pull request),现有的发布门控(release gates)和审查流程依然适用。‘它降低了最初提交PR的前置门槛,’斯坦格曼表示,‘随后尽职调查仍在GitHub中进行。’
Slack Code对Salesforce高风险AI转型意味着什么
Slack Code 发布之际,其母公司正经历一段动荡时期。截至1月,Salesforce股价年内下跌约18%,大幅落后于纳斯达克指数,华尔街质疑AI是否会削弱传统企业软件的需求。去年12月, 约18% 截至1月的一年中大幅落后于纳斯达克指数,原因是华尔街质疑人工智能是否会削弱市场对传统企业软件的需求。去年12月, OpenAI挖走 Slack首席执行官丹尼斯·德雷瑟(Denise Dresser),任命其为首席营收官(CRO),西曼——当时任Slack产品主管——则升任临时首席执行官。
Salesforce的应对措施是加速将Slack打造为企业工作的AI入口。今年1月,公司推出了经重构的 Slackbot,该产品由Anthropic公司的Claude驱动,双方称其成为该公司27年历史上 采用速度最快的特性 。Slack Code将该战略从回答问题进一步拓展至产出成果:不仅是消息,还包括在Slack内部生成的可运行代码、原型及文档。
今天的新闻中还隐含着一项显著的战略转向。2025年年中,路透社曾报道,Salesforce已着手 阻止竞争对手AI公司访问Slack数据 ——这是一种防御性姿态。
相比之下,今日的公告则将Slack定位为一个开放平台,主动招揽这些AI公司作为合作伙伴,并计划向所有开发者开放代码频道API。该公司表示,软件工程仅是首个用例;接下来将是营销活动与法律文件审查等专用智能体(agent)频道。其权衡重心似乎已从保护Slack的数据,转向使Slack成为智能体——任何人的智能体——开展工作的不可或缺场所。
合作伙伴们不出所料地表达了恰当的正面评价。“整个团队可聚集在一个代码频道中,共同观看智能体工作、协同引导其操作,并发布预览版,”Vercel首席技术官Malte Ubl表示。GitHub首席产品官Mario Rodriguez则称Slack“是更广泛的GitHub承诺中的战略性一环:人类设定方向,智能体闭环执行。”
AI编程的未来:多人协作频道与单人终端将并存
Slack的高管们均未宣称终端已消亡。当被问及 Claude Code 和 Codex 等工具是否会过时,西曼(Seaman)预测将出现一种分工。“绝大多数工作实际上将在这些多人协作环境中完成,”他表示,“但也会存在深度沉浸式、高强度的单人思考工作,这类工作将在终端中完成。”一名工程师在与智能体协同重构代码库架构时会进入专注模式;而一名销售代表在频道中指出某个按钮失效后,则会获得一个所有人都能看见的修复方案。
西曼指出,信任曲线将令任何目睹过团队采纳早期自动化浪潮的人倍感熟悉。“人们最初会打开这些功能”——逐行审阅每个差异(diff)、每一步推理过程——“随后逐步建立对系统的信任,并随时间推移而越来越减少开启频率。”
这正是一项赌注,且其意义远超一次产品发布。麦肯锡的研究表明,真正从AI中获取实际价值的组织,是那些围绕AI重新设计工作流程的组织——而非将AI简单叠加于旧有流程之上;而 Slack Code 恰恰是在此背景下,以功能形式封装的一次工作流程重构尝试,旨在将团队而非个人确立为AI采用的基本单位。若此举成功,这家曾改变同事间沟通场所的公司,将再次改变软件诞生的场所。若失败,则所有这些透明度或许仅意味着每个人都能共同目睹混乱不断堆积。 Slack Code 归根结底,Slack Code 是一种以功能形式包装的工作流重构,旨在将团队而非个人作为人工智能采用的基本单位。若其成功,这家曾改变同事交流场所的公司,将再次改变软件开发的场所;若其失败,所有这些透明度或许仅意味着所有人都能一起目睹混乱不断堆积。
无论结果如何,独自开发者在私密标签页中低声向智能体提问的时代已然终结。正如王(Wang)所言:“瓶颈已发生转移。”而 Slack Code 将回答的问题是:群体协作能否让这些瓶颈变小——抑或仅仅让它们变得更为喧嚣。
JOTO 企业落地观察
- 对企业部署而言,Slack Code通过复用现有用户身份与ACL权限模型,规避了新建服务账号和零散权限配置的IT治理负担,使AI代理能无缝嵌入已有发布门控(如GitHub PR审查),降低规模化落地门槛。
- 对智能体工程而言,文章明确指出Devin等云代理运行于隔离沙箱并采用最小可行访问权限(含可选断网模式),且输出标准PR而非黑盒结果——这标志着智能体正从‘本地实验工具’转向符合企业工程规范的可集成组件。
- 对AI安全治理而言,Slack Code拒绝‘上帝权限’,所有操作均以调用者身份执行;其审计闭环(完整diff、执行计划、录屏验证)并非仅提升透明度,更将AI产出质量责任锚定在人类协作者身上,为FDE中‘人机权责界定’提供可落地的实践范式。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


