# 三次LLM交互范式：从网页聊天到组织内嵌式AI

- 来源：meng shao (@shao__meng)
- 发布时间：2026-07-02 22:08
- AIHOT 分数：52
- AIHOT 链接：https://aihot.virxact.com/items/cmr3kyssx000jsl90b6o65kfn
- 原文链接：https://x.com/shao__meng/status/2072683770793349426

## AI 摘要

邵猛总结LLM交互三阶段：网页聊天机器人、独立AI应用、组织内嵌式AI。Claude Tag实现从“每人一个AI”到“每个频道一个AI”，团队共享代理实例，上下文连续可接力；从被动响应转向持续参与，跟踪线程并长期在场。Glean Agents提出生产级独立Agent四支柱：Identity（独立身份与权限）、Memory（学习企业SOP并迭代纠错）、Proactivity（主动监控与执行）、Accountability（工具调用可追溯，含紧急停止）。实践示例OnCall Assistant在告警触发后并行读取PagerDuty、Jira、Confluence、GitHub、Slack，自动排查根因并标记负责人。

## 正文

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。

### 引用推文

> Sumanth：http://x.com/i/article/2072078677047926784