Karpathy说这是LLM的第三次交互革命——Agent群聊模式，新范式还是新叙事？

• Claude Agent Teams（2月发布）：多个Claude实例组成团队，互相发消息、共享任务列表、点对点协作——Agent之间的群聊
• Claude Tag（6月23日发布）：Claude以"同事"身份常驻Slack频道，主动参与讨论、自主接任务、异步交付——Agent和人类的群聊

Andrej Karpathy（对，从OpenAI跳到Anthropic的那位）直接发推说：这是LLM交互方式的第三次重大革命。

第一次：用户去大模型的网页（ChatGPT网站）

第二次：大模型变成你下载的App（桌面端、手机端）

第三次：大模型变成一个"组织级实体"——有工具、有记忆、有上下文，跟人类团队并肩工作

这话说得确实让人兴奋。但作为一个老架构师，我的第一反应是：等等，让我先看看架构和成本数据。

今天这篇文章，不吹不黑，从架构层面拆解群聊模式——它到底解决了什么问题、创造了什么新问题、以及值不值得你现在就跟进。

一、先搞清楚：Agent Teams和Claude Tag到底是什么？

这两个产品名字容易混淆，但它们解决的是完全不同的问题。

1.1 Agent Teams：Agent之间的群聊

Agent Teams是Claude Code的多Agent编排能力。你在一个Claude Code会话里说"组建团队"，它就会启动多个独立的Claude实例，每个实例像一个团队成员一样工作。

关键架构：

Team Lead（主Claude会话）
    ├── Teammate A（独立Claude实例）→ 写前端代码
    ├── Teammate B（独立Claude实例）→ 写后端API
    └── Teammate C（独立Claude实例）→ 写测试
        ↕ 点对点消息（Mailbox系统）
        ↕ 共享任务列表（Task Board）

核心创新：点对点通信（P2P）。 之前的subagent模式是"Hub-and-Spoke"——所有子Agent只能跟主Agent汇报，彼此之间无法直接沟通。用人话说：以前是所有人只能跟领导说话，现在同事之间可以直接拉群。

1.2 Claude Tag：Agent和人类的群聊

Claude Tag是Anthropic在Slack里推出的新产品。Claude以一个"同事"的身份加入你的Slack频道，你可以@Claude给它分派任务，它会在子线程里自主完成并汇报。

关键特性：

底层模型：Claude Opus 4.8。 对，用的是最新最强的模型。

1.3 一句话总结区别

Agent Teams = 多个AI之间的协作（面向开发者/工程场景）

Claude Tag = AI和人类团队的协作（面向企业/团队场景）

前者是"AI自己开会"，后者是"AI参加人类的会"。

二、群聊模式到底解决了什么真实问题？

在分析"是不是新范式"之前，先看它解决了什么问题。

2.1 Agent Teams解决的问题：Agent之间不能说话

以前的subagent模式是这样的：

主Agent
    ├── 子Agent A（写前端）→ 只能向主Agent汇报
    ├── 子Agent B（写后端）→ 只能向主Agent汇报
    └── 子Agent C（写测试）→ 只能向主Agent汇报

问题在哪？子Agent A发现了一个API接口变更，需要告诉子Agent C调整测试用例。但A不能直接告诉C——它必须先告诉主Agent，主Agent再转告C。

用人话说：你和同事坐在同一个办公室，但你们不能直接说话，所有沟通都得通过领导转达。 效率低不说，领导还会成为瓶颈。

Agent Teams的P2P通信解决了这个问题：

Teammate A ←→ Teammate B（直接发消息）
Teammate B ←→ Teammate C（直接发消息）
Teammate A ←→ Teammate C（直接发消息）

2.2 Claude Tag解决的问题：AI不在工作流里

以前用AI的方式：

你在工作 → 遇到问题 → 打开ChatGPT/Claude网页 →
复制粘贴上下文 → 等结果 → 复制回来 → 继续工作

每次都要"切换上下文"——从工作环境切到AI环境，再切回来。 这个切换成本看似很小，但一天切几十次就很痛了。

Claude Tag的解法：AI直接待在你工作的地方（Slack），不用切换。

你在Slack频道讨论 → @Claude "帮我查一下这个数据" →
继续讨论其他事情 → Claude在子线程回复结果 → 你扫一眼就行

更进一步的是Ambient Mode：你甚至不需要@它，它自己会在合适的时候插话。 比如它发现某个讨论涉及到上周它处理过的问题，会主动提醒"这个事情上周讨论过，结论是xxx"。

三、架构拆解：三种多Agent编排模式

群聊模式不是凭空出现的。它是多Agent架构从v1到v3的自然演进。

3.1 v1：Hub-and-Spoke（中心辐射型）

        主Agent
       /   |   \
      A    B    C

代表： Subagent模式、早期的LangChain Agent

特点： 主Agent控制一切，子Agent只能向上汇报

问题： 主Agent是瓶颈，子Agent之间无法协作

3.2 v2：GroupChat（群聊型）

    A ← → B
    ↑  ×  ↓
    D ← → C
    [Selector决定谁发言]

代表： AutoGen GroupChat、CrewAI

特点： 所有Agent共享一个对话线程，由Selector决定谁下一个发言

问题： 对话线程会爆炸式膨胀，5个Agent的群聊，Token消耗是单Agent的5-10倍

3.3 v3：Peer-to-Peer + Shared State（点对点+共享状态）

    A ←→ B       Shared Task Board
    ↑    ↓       ┌─────────────┐
    D ←→ C       │ Task 1: ✅  │
    [直接通信]    │ Task 2: 🔄   │
                 │ Task 3: ⏳  │
                 └─────────────┘

代表： Claude Agent Teams

特点： Agent之间P2P直接通信 + 共享任务列表做协调

创新点： 不用所有人都"听"所有对话，只需要点对点通信——大幅减少Token浪费

3.4 三种模式对比

四、实战数据：群聊模式有多好用？有多贵？

4.1 Claude Agent Teams的战果

Anthropic自己用Agent Teams做了一件很疯狂的事：用16个Agent协作，从零开始用Rust写了一个C编译器，能编译Linux 6.9内核。

这证明了一件事：Agent群聊协作在复杂工程任务上确实能产出高质量结果。

4.2 Claude Tag的内部数据

Anthropic内部团队使用Claude Tag一年后的数据：

"65%的产品团队代码是由Claude Tag创建或合并的。"

而且更有意思的是：Claude Tag本身就是用Claude Tag构建的。 套娃了属于是。

4.3 但是——成本问题

这里要泼一盆冷水了。

根据多个独立测评和框架文档的数据：

用人话说：5个Agent开群聊，聊一次的钱够1个Agent聊10次的。

这是群聊模式最大的争议点。效果确实更好，但成本也确实更高。 如果你的场景不是"复杂到必须多Agent协作"，单Agent可能是更明智的选择。

4.4 2026年的行业共识

"先做单Agent版本，跑通评测集，然后每增加一个Agent都要证明它能提升评测分。"

这句话是2026年多Agent领域最"不性感"但最正确的工程准则。

用人话说：不要因为"群聊模式很酷"就上多Agent。要因为"单Agent真的搞不定"才上多Agent。

五、Karpathy的"第三次革命"论，对不对？

Karpathy把LLM的交互方式分为三个时代：

他说Claude Tag是第三代的代表——AI不再是你"去找"的工具，而是"一直在你身边"的同事。

5.1 支持方的论点

这个框架确实抓住了一个真实的趋势：AI从"工具"变成"角色"。

工具的特点是：你需要的时候拿起来，不需要的时候放下。

角色的特点是：它一直在场，有上下文，有记忆，能主动行动。

Claude Tag的Ambient Mode就是这个转变的极致体现——你不需要@它，它自己就会在合适的时候说话。 这已经不是"工具"了，这更接近"同事"。

5.2 反对方的质疑

但批评也很尖锐。

质疑一："这不就是个高级聊天机器人吗？"

有人认为Claude Tag本质上还是"对话式AI"，只是把对话窗口从网页搬到了Slack。交互形态变了，但底层能力没有质变。

质疑二：记忆边界问题

Anthropic的Joanne Jang提出了一个精辟的类比："#gtm频道的圣灵不知道#general频道里的组织架构调整。"

意思是：Claude Tag在不同频道之间记忆不互通。它在A频道学到的上下文，不会自动带到B频道。这对于号称是"组织级实体"的产品来说，是一个根本性的限制。

质疑三：Karpathy现在是Anthropic员工

有人指出Karpathy从OpenAI跳到Anthropic之后，他的"范式革命"言论多少带着些"为自家产品站台"的嫌疑。球员当裁判，这公信力你品品。

质疑四：Slack真的是正确的载体吗？

一些批评者认为，让AI"常驻"在协作工具里，可能把Slack从"团队协作工具"变成"AI编排噪声"。想象一下：你打开Slack，发现一半消息是AI发的——这还是协作工具吗？

六、新范式还是新叙事？我的判断

说了这么多，回到最初的问题：群聊模式到底是新范式还是新叙事？

我的答案是：底层技术是真实的进步，但"第三次革命"的叙事过度了。

6.1 哪些是真实的范式进步

P2P通信是真正的架构创新。 从Hub-and-Spoke到Peer-to-Peer，这解决了多Agent协作中信息传递的根本瓶颈。就像分布式系统从主从模式到对等网络的演进一样——这是实打实的架构升级。

Ambient Mode是真正的交互创新。 AI从"被动应答"到"主动参与"，这确实改变了人机协作的方式。不再是"你问我答"，而是"我一直在旁边看着，有用的时候我会说话"。

共享任务列表是正确的协调机制。 比起让Agent们在对话里自己协调（AutoGen GroupChat的做法），用结构化的任务列表做协调更清晰、Token效率更高。

6.2 哪些是过度叙事

"第三次革命"言过其实。 网页→App→组织级实体，这个框架听起来很工整，但Claude Tag目前的实际能力——Slack里的异步任务执行——跟"组织级实体"还差着一个量级。它更像是"一个比较聪明的Slack Bot"，而不是"一个数字同事"。

多Agent ≠ 更好。 行业数据明确显示：多Agent的成本是单Agent的5-15倍，但效果提升远没有那么线性。绝大多数场景下，一个优化得好的单Agent比五个互相聊天的Agent更实用。

"群聊"这个比喻有误导性。 人类群聊之所以有效，是因为每个人有独立的世界模型、独立的动机、独立的信息源。AI Agent的"群聊"本质上还是同一个模型的多个实例在互相说话——它们共享相同的知识、相同的偏见、相同的能力边界。这更像是一个人跟自己的多个分身开会，而不是一群不同背景的同事在协作。

6.3 一张表做个总结

七、给不同角色的实操建议

7.1 如果你是技术Leader

现在就可以试Agent Teams，但要用在真正适合的场景——多模块并行开发、大规模代码重构、跨仓库迁移。不要用在单文件Bug修复上，那是大炮打蚊子。

评估公式：如果任务可以自然拆分成3-5个独立但有交互的子任务，且单Agent搞定需要超过2小时，那Agent Teams值得一试。

7.2 如果你是团队管理者

Claude Tag值得关注但不用急着上。 它目前还在Beta，且仅限Enterprise和Team计划。等几个月看看early adopter的反馈再说。

重点关注这几个问题：

• 记忆边界：它在不同频道之间能不能共享上下文？
• 成本控制：Token消耗有没有组织级的预算上限？
• 安全审计：它访问了哪些数据，有没有完整的日志？

7.3 如果你是AI应用开发者

不要急着跟风做"群聊模式"。 2026年的行业共识很明确：

先把单Agent做到极致，单Agent真的不够用了，再加第二个。每加一个Agent，都要能用评测数据证明它的价值。

多Agent是能力的上限，不是默认配置。

写在最后

Agent群聊模式的出现，本质上反映了一个更深层的趋势：AI正在从"问答工具"向"协作角色"演进。

这个方向是对的。但具体的实现方式——无论是Agent Teams的P2P通信，还是Claude Tag的Slack常驻——都还处于非常早期的阶段。

真正的范式转移不是某个产品发布的那一天，而是这个产品变成所有人默认工作方式的那一天。 从这个标准来看，群聊模式还差得远。

但也不要因此忽视它。P2P通信解决了多Agent协作的根本瓶颈，Ambient Mode开创了人机协作的新交互方式。 这些是实打实的技术进步，值得持续关注。

一句话总结：群聊模式是一个正确方向上的早期实验——架构创新是真的，范式革命是吹的，但两年后回头看，我们可能会发现它就是起点。

— 完 —