Asana 详解如何利用 Claude Managed Agents 和 Workgraph 构建「多人协作」AI 队友

📌 One-Sentence Summary

Asana 阐述了他们如何利用 Claude 的 Managed Agents 构建在「多人协作模式」下运行的「AI 队友」，这些队友利用 Asana 深入的 Workgraph 上下文，在人工监督下执行复杂的协作任务。

📝 Summary

Asana 的这份演示文稿详细阐述了他们对「智能体企业」的愿景，即从「单人模式」的 AI 交互转向「多人协作」模式，让 AI 智能体作为完全整合的团队成员。该系统的基础是 Asana 拥有 17 年历史的 Workgraph，它提供了对组织目标、项目和历史的深入上下文理解。在技术层面，Asana 利用 Claude 的 Managed Agents 来加速原型开发，实现内置的验证循环以进行质量控制，并处理复杂的、多步骤的工作流。产品演示展示了一个营销 AI 队友如何生成营销活动简报和 HTML 登录页面，通过简单的评论迭代反馈，并全程可审计。未来的愿景包括基于历史模式主动建议任务的智能体，以及通过模型上下文协议（MCP）实现更深度的第三方集成。

💡 Main Points

1. 「智能体企业」中「多人协作」AI 的愿景 Asana 正在从孤立的单用户 AI 工具转向集成的 AI 队友，这些队友作为团队中持久的协作成员。这些智能体共享上下文，保留企业记忆，并与多个人类一起处理复杂的工作流，同时遵守权限和访问控制。
2. Asana 的 Workgraph 是基础上下文层 Asana 的 AI 队友的有效性依赖于其拥有 17 年历史的 Workgraph。这种数据结构映射了目标、项目、任务和人员之间的关系，为智能体执行相关且安全的操作提供了必要的深度历史上下文。
3. Claude Managed Agents 简化开发并确保质量 Asana 选择 Claude 的 Managed Agents 来加速开发，它抽象了构建手动循环和文件管理的需要。至关重要的是，该框架包含内置的验证循环和评估器，使 Asana 能够在智能体输出到达用户之前强制执行质量标准。
4. 人机协作通过熟悉的界面进行 用户通过任务和评论等自然、现有的界面与 AI 队友互动并引导它们。这种人机协作系统允许轻松迭代，为管理者提供完整的可审计性，并使用户能够通过「轻推」随着时间的推移提高智能体性能。
5. 未来是主动且集成的 AI Asana 的路线图包括开发主动式智能体，这些智能体可以根据项目模式预测需求、建议任务或识别问题。他们还在使用模型上下文协议（MCP）来集成来自 Google Drive 等第三方系统的数据，从而为智能体提供更完整的工作全景。

💬 Key Quotes

• 我们的愿景是实现完全的多人协作模式，其中智能体是系统中的真实参与者，具备共享和 RBAC 控制。
• Asana 是工作的行动系统，提供了一个绑定层，您可以在我们拥有 17 年历史的 Workgraph 中，将智能体视为团队中的人类成员。
• Managed Agents 帮助我们降低了原型开发成本，并包含了内置的验证循环和评估器，以确保高质量的输出。
• 通过评论与智能体交互非常简单。如果用户要求将主色调更改为蓝色，智能体就会更新工作并为未来的用户记住这一点。
• 我们正在致力于主动性，即当队友查看看板时，智能体可能会『醒来』并根据历史模式主动提出接手任务或解决问题。

📊 Article Meta

Play Full Video