可训练的代理：Asana如何借助Claude构建人机团队
内容提要
Asana将AI代理融入Work Graph工作模型，使代理具备明确角色、权限和共享记忆，能与人类同事在同一平台协作。代理可被训练和审计，工作过程透明。文章介绍了三个应用案例：Slack产品问答、客户续约风险简报、工程周期规划，强调人机团队需共享上下文、明确访问控制，并让代理知识持续积累。
延伸解读
代理权限的双重边界
Asana为AI代理设置了双重访问控制：代理自身有明确的权限范围，同时其有效访问还受触发者权限的限制。这意味着即使代理拥有广泛的知识，用户也无法通过它获取自己本无权查看的私密信息。这种设计在共享上下文与保护隐私之间取得了平衡，为企业部署代理时提供了可参考的安全模型。
训练与使用分离的治理逻辑
Asana将代理的日常使用与训练权限分开：任何人都能对任务提供反馈，但只有管理员和编辑者能将反馈写入永久记忆。这避免了代理行为被随意修改，同时确保标准的一致性。例如，传播团队负责品牌语调，便由他们掌控写作代理的行为。这种分工让少数专家维护代理，多数人享受其成果。
透明协作如何减少对齐成本
当代理在共享任务中公开其研究计划和步骤时，所有有权限的人都能看到请求、代理的回应以及输出结果。这解决了单独使用AI时上下文丢失的问题：审阅者可以追溯指令来源，并直接调整指令或输出。Asana的案例表明，将代理工作置于团队可见的平台上，能显著降低因信息不透明导致的返工和分歧。
从三个案例看代理的适用场景
Asana展示了代理在三种场景中的价值：Slack产品问答中，代理自动回复或创建任务，并识别知识缺口；客户续约风险简报中，代理每日汇总全球数据并推送给高管，且能根据反馈持续优化；工程周期规划中，代理协助管理需求池并预测完成时间。这些场景的共同点是信息量大、需要持续更新，且依赖共享上下文来保证一致性。
Q&A
Asana的AI代理是如何融入团队工作流程的？
Asana将AI代理融入其Work Graph工作模型，使代理拥有明确的角色、权限和共享记忆，能与人类同事在同一平台协作。代理可被分配任务、读写消息，并出现在活动流中，同时有额外的访问控制和安全措施。
Asana如何确保AI代理的访问安全？
Asana为代理设置了明确的访问控制，代理的有效访问权限受触发它的用户的权限限制。代理可以广泛访问公共内容，但最小化了访问私有上下文信息的风险。
Asana的AI代理如何被训练和记忆？
Asana的AI代理具有共享记忆，可以保留之前指令的信息。只有管理员和编辑者可以将反馈提交到永久记忆，并可以撤销或删除记忆。其他用户的反馈仅适用于当前任务。
Asana的AI代理在Slack产品问答中如何工作？
在Slack频道中，Asana应用将每个问题转化为Asana任务，代理接手处理。如果有批准的指导，代理会回复源链接；如果没有，代理会在产品团队的 intake 项目中创建任务并加入待办列表；如果问题重复出现，代理会为赋能团队创建任务以更新培训材料。
Asana如何利用AI代理生成客户续约风险简报？
客户体验组织构建了名为At-Risk Renewal的代理，它读取全球所有风险续约任务，包括CSM的更新、状态笔记和评论，生成结构化的每日摘要，分为积极势头、消极势头和建议跟进三部分，并自动推送给首席客户官、首席收入官和区域客户成功负责人。
Asana的工程团队如何使用AI代理规划工程周期？
Asana工程组织使用Command by Asana管理工程周期。代理从客户反馈和Slack频道中提取工单填充未计划看板，人员决定哪些进入周期，Command预测完成时间。工单可分配给个人或编码代理，经理可以在聊天中询问发布延迟原因和权衡方案。
