LLM交互范式演进：从聊天到组织内嵌Agent

三次 LLM 交互范式： 1. 网页聊天机器人 2. 独立 AI 应用 3. 组织内嵌式 AI（Claude Tag、Glean Agents）

Claude Tag 的核心变化 · 从“每人一个 AI”到“每个频道一个 AI”：团队共享同一个代理实例，上下文连续、可接力 · 从“被动响应”到“持续参与”：它记住讨论、跟进沉默线程、在频道中长期在场

为什么 channel-level 不够 组织知识分散在 Jira、Confluence、GitHub、Slack 历史里。只读一个频道，Agent 会缺失大部分上下文。真正的难点是构建跨系统、带权限、实时更新的组织上下文层。

生产级独立 Agent 的四个支柱（Glean） 1. Identity Agent 有自己的身份、权限和工具访问，不同职能可配置不同 Agent，所有操作可追溯。 2. Memory 学习企业 runbook、SOP，并从每次交互中纠错和强化，积累机构知识。 3. Proactivity 不等待提示，主动监控、标记、跟进、执行。 4. Accountability 每个工具调用和决策可见、可解释，并具备一键关停的“紧急停止”能力。

实践示例：OnCall Assistant 告警触发后，Agent 同时读取 PagerDuty、Jira、Confluence、GitHub、Slack，并行排查多个根因、起草修复、标记负责人。工程师打开电脑时，调查已完成。