
Every 发布全公司共用的 Slack 智能体「Every Agent」:试了近一年后结论是一个公开干活的共享智能体比一堆个人智能体更快让公司 AI 化,基于 Claude Managed Agents,token 零加价
一句话结论
Every CEO Dan Shipper 说,他们最大的难题不是做出新的 AI 工作流,而是让同事真正用起来,比如他用编辑总监 Kate 的 3 万条历史修改做成了一个「像她一样改稿」的技能,推广起来却像「对着飓风喊话」;试验了近一年后他们发现,一个在 Slack 里公开干活、全公司共用的智能体,比每人一个私人智能体更快让团队 AI 化,于是把原来的个人智能体实验 Plus One 改成基于 Claude Managed Agents 的 Every Agent:大家在频道里 @Every 派活,在同一线程里纠正,值得重复的做法存成技能,发送、花钱、上线前可要求审批,按每人权限访问工具,token 按模型原价收费、不加价。
背景与理念
Dan Shipper 说,Every 的工作就是站在 AI 前沿,但即使在 Every,把新的 AI 工作流和工具变成全队习惯也很难。他举的例子是:他把编辑总监 Kate 的 3 万条历史修改做成了一个能像她一样改稿的技能,但推广这个技能「像对着飓风喊话」,每个人都很忙,没时间试每一个新技能,他眼中的突破到了同事那里只是待办清单最底下的又一件事。
他们找到的办法是在 Slack 里和一个公司智能体公开协作:用「演示」代替「告诉」。新的工具和工作流因此能在组织里自然地扩散。Every 说,经过近一年的试验,他们发现一个大家共享、公开干活的智能体,比一群个人智能体更快让公司 AI 化,于是把个人智能体实验 Plus One 改成了全公司共用的 Every Agent,基于 Claude Managed Agents 构建。另一篇 Every 文章提到,Dan 给第一个 AI 智能体起名 R2-D2,后来运行它的 Mac mini 电源线被碰掉,它就「消失」了,他也没再恢复,因为那时 Codex 已经接手了它的任务;他说在工作场景里,他主要只关心「它能不能把事做了」。
具体做法
用法很简单:在频道里 @Every 描述任务,它在线程里干活并把结果贴回来,团队里所有人都能看到请求、结果和修改过程。官方说明区分了两类智能体:Codex 和 Claude 是个人智能体,@Every 是公司智能体,同事看到之后可以直接用同样的工作流。
产品页用一组示例展示了各部门怎么用。市场部让它根据昨天的训练营录像写给付费订阅者的跟进邮件,跑完文案检查后放进审阅频道,明确「我批准前不要发」;财务让它处理一起 Stripe 争议,找到客户、附上付款和交付证明、起草回复但不提交;运营让它登记休假并请主管审批;工程让它每个工作日早上读前一天合并的 PR,告诉大家「用户实际感受到了什么变化」,示例里一天合并了 11 个 PR;人事让它按招聘笔记写职位描述,先隐藏,它还指出缺薪资范围和申请表;客服让它夜间检查 Intercom 上的 Fin 机器人,示例中它审了 138 段对话,发现一位付费订阅者的问题被误标为垃圾信息后关闭,并按客服负责人的笔记收紧了规则,第二天不再误报 9 段闲置对话。
出错时在同一线程里纠正,值得重复的流程让它存成技能,团队任何人都能再次运行。它预装了 Every 自己用来运营公司的技能和工作流,并提供「前沿提醒」:每有新模型或新工具发布,它会对照你现有的工具和工作流,告诉你是否值得关注、对哪些流程可能有用。
权限设计按人而非按机器人。它只能看到被加入的频道和连接的工具,比如 Drive、Notion、GitHub,并沿用每个人自己的访问权限;有人要看自己无权查看的内容,它会直说并提出帮忙向管理员申请,产品页示例里它替一位同事向财务负责人申请临时查看应收与订阅收入的权限。管理员可以按用户和群组设权限,发送、花钱、上线前可以要求审批;凭据加密存在服务器端并绑定到工作区和所有者,权限变更和工具调用只记录元数据、不记录内容。它能连接 1000 多个工具,包括 Gmail、Figma、Ramp、PostHog、HubSpot、Airtable 等,也能调查问题、在代码库里干活并开 PR 供审查。
关键数据/例子
技能来源:用编辑总监的 3 万条历史修改做成改稿技能。
客服审计示例:一夜审查 138 段 Fin 对话,发现 1 例付费用户被误关闭,并排除 9 段闲置对话以减少误报。
定价:每人 15 美元免费额度,每个工作区上限 500 美元;之后每人每月 30 美元,按年付每月 24 美元,模型 token 按原价另付,零加价。
定位:面向 5 到 50 人、以 Slack 为主的创业公司、代理机构和咨询公司;连接 1000 多个工具。
创新点
第一,用「公开干活」解决 AI 工具的推广问题。请求、结果和修改都在频道里发生,同事是看着别人用会了,而不是被要求去学一个新工具。
第二,纠正即沉淀。在线程里改一次,就能把正确做法存成团队技能,个人经验因此变成公司资产。
第三,权限跟人走。同一个公司智能体,对不同的人只开放各自本来就有的访问范围,越权请求转为向管理员申请。
第四,零加价的 token 计费。把模型成本原样转给用户,订阅费只覆盖产品本身,降低了团队尝试的心理门槛。
可否复用
- 团队推广 AI 时,优先找一个大家都看得见的公共频道让智能体干活:比私下给每人发教程更容易形成习惯。
- 从重复、重要、容易审阅的工作开始:周报、跟进邮件、PR 摘要、客服抽检都很适合。
- 为对外动作设审批闸门:发邮件、提交争议、花钱、发布内容前一律等人确认。
- 让智能体沿用每个人自己的权限:不要给共享智能体一个超级账号,越权需求走管理员审批。
- 每次纠正后问一句「要不要存成技能」:把一次性的修正变成下次可复用的流程。