Anthropic正式推出Claude Code的Slack集成功能,让开发者可以直接从聊天线程中委派编程任务。这项测试版功能于周一作为研究预览版推出,基于Anthropic现有的Slack集成,增加了完整的工作流自动化功能。此次推出表明,编程助手的下一个前沿不是模型本身,而是工作流程。
此前,开发者只能通过Slack中的Claude获得轻量级编程帮助,比如编写代码片段、调试和解释。现在他们可以标记@Claude来启动完整的编程会话,利用Slack上下文如错误报告或功能请求。Claude会分析最近的消息来确定正确的代码库,在线程中发布进度更新,并分享链接以供审查工作和打开拉取请求。
这一举措反映了行业的广泛转变:AI编程助手正从集成开发环境(IDE)迁移到团队已经在使用的协作工具中。
Cursor提供Slack集成功能,用于在线程中起草和调试代码,而GitHub Copilot最近也增加了从聊天生成拉取请求的功能。OpenAI的Codex可通过自定义Slack机器人访问。
对Slack而言,将自己定位为AI与工作场所上下文相结合的"智能体中枢"创造了战略优势:无论哪种AI工具在Slack(工程通信中心)中占主导地位,都可能影响软件团队的工作方式。
通过让开发者从对话无缝转向代码而无需切换应用,Claude Code和类似工具代表了向AI嵌入式协作的转变,这可能从根本上改变开发者工作流程。
虽然Anthropic尚未确认何时推出更广泛的部署,但时机选择颇具战略意义。AI编程市场竞争日益激烈,差异化开始更多地依赖于集成深度和分发能力,而非仅仅是模型能力。
话说回来,这种集成也引发了关于代码安全和知识产权保护的问题,因为它增加了另一个需要管理和审计敏感代码库访问的平台,同时还引入了新的依赖性,Slack或Claude API的中断或速率限制可能会干扰团队之前本地控制的开发工作流程。
TechCrunch已联系Anthropic和Slack以获取更多信息。
Q&A
Q1:Claude Code在Slack中能做什么?
A:Claude Code可以让开发者直接在Slack聊天线程中委派完整的编程任务。开发者可以标记@Claude来启动编程会话,Claude会分析聊天上下文(如错误报告或功能请求),确定正确的代码库,在线程中发布进度更新,并提供审查工作和拉取请求的链接。
Q2:AI编程助手为什么要从IDE迁移到协作工具?
A:因为团队已经在协作工具中工作,这种迁移让开发者可以从对话无缝转向代码而无需切换应用。Slack作为工程通信中心,占主导地位的AI工具可能会影响整个软件团队的工作方式,这种AI嵌入式协作可能从根本上改变开发者工作流程。
Q3:Claude Code集成Slack存在哪些安全隐患?
A:主要存在两方面问题:一是代码安全和知识产权保护问题,因为增加了需要管理和审计敏感代码库访问的平台;二是新的依赖性风险,Slack或Claude API的中断或速率限制可能会干扰团队之前本地控制的开发工作流程。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。