当AI编程代理还在终端里独自奋战时，Slack决定把它们拉进群聊。Salesforce旗下Slack推出的Slack Code，让AI工具成为团队协作的一环。从个人效率到集体智慧，AI赛道正迎来新拐点，而AI独角兽们也开始聚焦这一场景。
Slack Code是什么？AI编程从终端走向群聊
在过去的几个月里，AI编程代理逐渐成为开发者工具箱中的常客。从Anthropic的Claude Code到Cognition的Devin，这些工具让程序员可以在终端中下达指令，看着AI自动写代码、修复Bug甚至提交PR。然而，这种工作方式始终是“一人一终端”的私人操作：开发者与AI之间的对话被限制在一个黑盒里，团队其他成员既看不到过程，也难以介入。Slack刚刚发布的Slack Code，正是想打破这堵墙。
Slack Code把Claude Code、Devin、GitHub Copilot、Vercel的agent等AI编程代理，直接嵌入到企业团队日常使用的Slack频道中。任何Slack计划的企业用户都可以使用，只需要拥有对应代理的访问权限。在众多AI工具导航中，Slack Code选择了一条与众不同的路径——不是让AI替个人干活，而是让AI在团队面前公开工作。
这款产品传达的信号非常明确：AI编程的下一个故事，不再是开发者个人的效率革命，而是团队协作方式的升级。当一名员工在对话中@一个编程代理，Slack会自动创建一个项目专属代码频道。代理会在频道内公开自己的工作：展示代码diff、提供实时预览、在独立标签页更新执行计划。任务完成后，频道会被归档，留下完整的可检索记录。这相当于把原本私密的“人机对话”变成了完全透明的“团队广播”。
对于企业来说，这意味着AI的工作过程不再是一个不可控的黑箱，而是可以被追踪、被审查、被干预的流程。Slack的临时CEO Rob Seaman在发布会上强调：“代码不再是瓶颈，想法、品味、判断力和技艺才是。”他的潜台词是：既然AI已经把写代码的成本降到趋近于零，那么谁拥有更高质量的“想法”，谁就拥有竞争力。而Slack正在试图将整个公司的“想法”都汇聚到同一个协作网格中。
需要注意的是，Slack Code并不打算取代现有的AI编程代理，而是给它们提供一个协作层。这个协作层能否被市场接受，取决于Slack能否说服开发者和企业：公开工作带来的价值，大于暴露工作过程带来的不适。这本质上是一个信任问题。对于习惯了“闷声写代码”的开发者来说，让AI在频道里展示每一个步骤，可能像是在被围观；但对于团队管理者来说，这种透明恰恰是质量保证的基础。Slack赌的是，当工作成果可以被任何人审视时，AI生成的代码将变得更加可靠，而团队中的产品经理、设计师、销售，也能第一次真正参与到软件生产的核心环节中。
从“单人模式”到“多人游戏”：AI编程协作新范式
如果要用一个词概括Slack Code带来的变化，那就是“多人游戏”。过去，开发者与AI编程代理的互动像是一场单机游戏：玩家全神贯注，AI在后台运行，最终产出一个结果。而Slack Code将这个过程变成了一个开放世界中的团队副本。Cognition总裁Jeff Wang在现场演示中展示了这个场景：一名工程师在工程频道中报告某个功能出现故障，Devin代理会用表情符号确认消息，然后在子线程中回复、调查问题、最终打开一个Pull Request。这一切都在频道中公开进行，团队成员可以实时围观。
更巧妙的是，Devin甚至能识别代码仓库的负责人，并自动@相关同事。在演示中，设计师在任务进行到一半时，把一个Figma文件拖进频道，代理在看到设计稿后立刻调整实现方案，没有中断工作流。这种协作方式，让技术团队和非技术团队第一次站在了同一条流水线上。设计师不再需要等待开发者的反馈，产品经理也不再依赖口头转述，所有人都能直接与AI代理对话，就像和一位随时在线的同事聊天。
这种公开工作流的另一大价值，是让AI的决策过程可以被审计。Jeff Wang强调，云端代理和本地代理有着本质区别：本地代理运行在开发者的笔记本电脑上，它的操作过程难以被记录和验证；而云端代理拥有自己的独立计算环境，可以生成完整的操作日志。在演示中，Devin会打开Chrome浏览器，使用开发者工具测试功能是否真正工作正常，最后附上截图和录屏作为证据。这种“眼见为实”的验证方式，大大降低了团队对AI产出的信任门槛。
这种模式也引发了我们对AI协作边界的思考。当AI代理的工作全程公开时，它实际上成了一种“组织记忆”。每一个技术决策、每一次代码改动、每一轮调试过程，都被沉淀在频道中，成为未来项目的参考。这种透明度带来的并非仅仅是监督，更是一种知识共享。新的团队成员可以通过翻看历史频道，快速了解一个项目是如何演进到现在这一步的。在AI画图和文生图等领域，这种即时可见的创作过程已成为常态；现在，同样的逻辑被应用到了代码世界。
当然，多人游戏也意味着需要新的规则。在传统的开发流程中，分工明确：谁写前端，谁写后端，谁负责测试。而有了AI代理之后，这些边界开始模糊。一个由设计师发起的任务，可能直接演变成一次完整的代码提交。这种去中心化的生产方式，对团队协作能力提出了更高要求。Slack Code试图用“专用频道”来承载这种复杂性——每个任务都拥有独立空间，避免互相干扰。但如何平衡开放与约束，仍是所有采用这一模式的企业需要探索的问题。
代码不再是瓶颈？AI真的让软件开发经济学反转了吗？
“代码不再是瓶颈。”这句话在Rob Seaman的发言中出现了两次，深深刻进了发布会听众的脑海里。它背后是一套关于软件开发经济学的颠覆性假设：过去，编写代码是稀缺且昂贵的工作，所以企业需要把经验丰富的开发者当成宝贝，让他们专注在代码实现上。而现在，AI能自动生成大部分代码，稀缺性开始转移到“该做什么”和“为什么做”上——也就是人类的判断力、想象力和审美力。
Slack Code的产品设计，几乎是为这套论点量身定做的。通过把AI编程代理嵌入团队群聊，它让那些不懂编程的人也能凭借自己的业务直觉，发起一次代码修改。销售团队发现某个功能影响了客户体验，就可以直接在Slack频道中@Devin，描述问题，然后由代理去定位Bug、提出修复方案。Cognition提供的数据显示，过去几个月里，公司内部的合并PR数量增长了10倍，而员工数量只增长40%。这里的关键在于，编写代码的边际成本已经趋近于零，AI代理可以同时调度数十个任务，工程师的角色从“生产者”变成了“评审者”。
这种效率提升的背后，是AI Agent技术在工程实践中的快速成熟。Agent不再是被动等待指令的聊天机器人，而是能够自主规划、执行、验证的“数字员工”。在Cognition的案例中，工程师往往同时启动多个Devin任务，然后去做其他更有创造性的工作。这种并行处理能力，使得人力不再是规模化的瓶颈。
然而，我们不能只看到光鲜的一面。“代码不再是瓶颈”很容易让人掉入一种盲目的乐观。事实上，人类判断力之所以重要，恰恰是因为它是稀缺的。AI可以生成一百种实现方案，但选择哪一个、为什么选择它，仍然需要人来负责。更重要的是，AI代码的质量参差不齐，如果团队过度依赖代理自动合并，可能会给系统引入新的技术债务。Cognition的Jeff Wang预测，未来一年内，AI生成的合并请求可能会自动通过，不再需要人工门禁。这个预测听起来很酷，但也让不少工程负责人倒吸一口凉气。毕竟，一旦AI犯下难以察觉的逻辑错误，后果可能是灾难性的。
所以，Slack Code的真实价值，或许不在于让AI完全替代人类，而在于让人类的判断力能够更高效地介入到AI的工作流中。当AI的每一步操作都公开可见，团队中的每个人都能够贡献自己的“品味”和“判断”。这比单纯追求“无人驾驶”式的自动化，要更务实、也更安全。
云上智能体与审计追踪：企业级AI落地的关键一步
Slack Code的发布，远不止是给AI编程代理加了一个聊天界面。它背后是一整套关于企业级AI落地的基础设施重构。Slack同时推出了多项配套功能：Agent DMs让代理可以像同事一样与任何人私聊；新的Agents标签页为每个代理会话提供了独立的工作台，显示实时状态，并配有“停止”按钮；还有一个“Add to Slack”的部署流程，让团队可以从Lovable、n8n、OpenAI、LangChain、Airtable等平台一键部署代理，自动完成OAuth授权和配置。
这些功能看似琐碎，却解决了一个一直被忽略的关键问题：在企业环境中，AI代理究竟应该如何被管理、监督和审计？本地代理跑在个人电脑上，既不受IT部门管控，也不会留下任何系统性的日志。一旦出了问题，企业甚至无法证明故障是AI导致的，还是人为操作失误。而云端agent拥有独立运行环境，可以生成完整的执行记录，包括调用了哪些API、访问了哪些文件、修改了哪些代码。这种可审计性，是企业级部署的基本要求。
在与企业数字化转型相关的案例中，我们经常看到各种AI工具虽然强大，却很难融入现有的合规体系。Slack Code的做法，等于把AI代理纳入了企业现有的权限管理框架中。它不再是游离于组织之外的“黑科技”，而是像邮件、文档一样，成为可追溯、可治理的数字资产。对于金融、医疗等强监管行业来说，这一点尤为重要。
当然，Slack也给自己挖了一个坑：随着代理数量增多，如何避免信息过载？当几十个代码频道同时开启，每个频道都在不断刷新内容，员工可能会陷入另一种形式的“消息疲劳”。Slack显然意识到了这一点，所以才有了Agents标签页和状态管理功能。但这是否足以应对未来大规模AI代理的涌入，还要打一个问号。对企业而言，部署AI工具不是难事，难的是如何建立一套与之匹配的管理流程。这就像当年引入协同办公软件一样，工具本身只是起点，组织文化的重塑才是长期挑战。
从这个角度看，Slack Code更像是一个试验场：它试图证明，AI代理可以像人类员工一样，被组织、被协调、被复盘。它给每个任务一个专属频道，给每个代理一个工作台，给每次操作一个存档。这些设计都在朝着同一个方向努力：让AI成为组织中的合格“同事”，而不是游离于业务流程之外的灵异事件。
AI赛道竞争加剧：协作层成为AI独角兽必争之地
Slack选择在这个时间点发布Slack Code，绝非偶然。过去一年，AI赛道经历了从大模型竞赛到应用落地的转向。最初，企业追逐的是参数规模更大的模型；现在，大家开始关注这些模型究竟能在真实业务场景中解决什么问题。AI编程是落地速度最快的领域之一，GitHub Copilot、Cursor、Claude Code等产品已经验证了市场需求。但Slack观察到，这些工具大多停留在“单机体验”层面——一个开发者面对一个代理，效率提升虽显著，却难以放大到组织层面。
Slack的野心，是控制AI编程的“协作层”。一旦所有AI代理都必须通过Slack频道来协作，Slack就成为了企业AI应用的基础设施。这个战略位置比单纯提供模型或IDE要高得多，也更具商业价值。在AI赛道上，我们正在见证一场关于“入口”的争夺战：有人抢模型入口，有人抢终端入口，而Slack抢的是群聊入口。对于AI独角兽而言，与Slack这样的协作平台深度绑定，意味着能接触到企业客户和真实场景。反之，如果Slack自己下场开发模型，那将是另一场灾难。所以，Slack选择了一条聪明的路：做AI代理的“容器”，而不是“大脑”。
Cognition作为AI独角兽中的明星公司，是这次合作的深度参与者。它提供的Devin代理被直接嵌入Slack Code，共同打造“多人编程”的示范案例。这种合作态度非常务实：凭借大模型训练积累的技术能力，Devin在自主编程方面已经实现了业内领先，但单靠编程能力本身，Devin很难单独进入企业采购清单。通过与Slack的整合，Devin得以出现在数千万企业用户的日常工具中。反过来，Slack也借助Devin的能力丰富了平台生态。这是一种双赢。
不过，AI赛道的竞争正在变得异常拥挤。Google、Microsoft都拥有自己的协作工具和AI编程产品，Anthropic、OpenAI也在工具链上进行布局。Slack Code能否构建足够强大的护城河，仍取决于两个因素：一是生态的开放性，能否容纳来自不同厂商的代理；二是企业数据的粘性，当所有工作日志和决策过程都沉淀在Slack中，迁移成本将变得极高。一旦这两点成立，Slack就有机会成为AI时代的企业操作系统。
对于AI独角兽们来说，站队的时间已经不远。他们可以选择自建协作层，也可以选择与Slack、Teams等平台合作。但无论如何，未来AI编程的胜负手，可能不再是谁的代码写得好，而是谁能让AI在组织中被更顺畅地使用。协作层，这个此前被忽视的环节，正在成为AI赛道下一个爆炸性的增长引擎。
公开工作能终结“AI垃圾”吗？未来的软件开发长什么样？
业内对AI编程最大的诟病是“AI slop”——大量看似合理、实则低质量的代码被批量生成，如同互联网上泛滥的AI生成内容一样。如果真的让AI代理自动写代码、自动提交，如何避免代码库被低质量产出淹没？Slack Code给出的答案是：让工作公开。当AI代理的每一步操作都暴露在团队面前，低质量的行为会在第一时间被质疑和纠正。频道里的每一位成员，都可以像审稿人一样，对AI的产出进行评论、改进或回退。
这种“公开审查”机制，本质上是一种对抗熵增的尝试。在传统软件开发中，代码审查是保证质量的最后防线，但往往效率低下且充满人情世故。AI代理则不同，它不会在乎面子，也不会心怀怨恨。它只会依据指令和反馈进行调整。当所有流程都被记录和广播，团队成员之间关于代码的讨论，就会从“谁写的”变成“为什么这么写”。这恰恰是高质量软件工程的本质。
但公开工作并非灵丹妙药。如果团队的审美和标准本身就很低，那么即使AI的行为完全公开，也无法阻止垃圾代码流入主线。更关键的是，AI代理很难判断“隐藏的依赖”和“架构的深层意图”。它可以为某个功能生成漂亮的代码片段，却可能破坏了整个系统的一致性。要解决这个问题，团队需要将“代码是否应该这样写”的标准，转化为一种可执行的验证规则，比如更完善的自动化测试、更多维度的质量门禁，以及更频繁的架构评审。换言之，AI工具带来的不只是效率，也是一种对工程管理能力的挑战。
我们不妨大胆推测未来五年的场景：开发者将不再是键盘上的码农，而是指挥官和评审者。他们每天上班后的第一件事，是查看AI代理昨晚提交的工作日志；他们的主要工作，是定义“正确”的标准，然后把那些重复的、琐碎的、机械性的编码任务交给AI。更多像销售、设计、运营这样的岗位，也能够通过自然语言直接提出软件改进需求。软件开发的民主化，将真正加速到来。
与此同时，我们也要保持清醒。AI工具越强大，对组织智慧和责任边界的要求就越高。当代码不再由人编写，谁来为bug负责？当AI代理自动合并代码，谁最终拥有决策权？这些问题没有现成的答案。Slack Code提供了一种可能的治理框架——透明，协作，全员参与。它无法保证代码永远完美，但至少让每个决定都留下了痕迹。或许，这就是AI时代软件开发最理性的姿态：不是全然地相信，也不是全然地怀疑，而是把AI变成一只被亿万双眼睛注视的“金丝雀”，在矿井中为我们探路。