Every 把 Slack 变成 AI 指挥中心：代理的工作归属地正在从终端移到线程

Every 7 月 29 日的《What If Slack Was Your AI Command Center》写的不是一款新产品，而是一种正在公司内部成形的工作方式：把代理任务放进 Slack 的频道和线程里，让它们像团队工作一样拥有项目归属、执行记录和待审阅状态。1

这条信号有两层。Every 的多位成员已经把 Codex 当作处理邮件、写 Slack 消息、做产品和写文章的主要工作界面；应用 AI 工程师 Nityesh Agarwal 却认为，Slack 更适合承载多个并行任务，而且不必绑定某个模型。于是他在一台闲置的 MacBook Air 上接入 Claude Code，做出了自己的 Slack coding agent，名字叫 Luo Ji。1

Luo Ji 的路由规则很朴素，却解决了代理工作最容易失控的地方：

它把「给代理下任务」从一次性聊天，改成了可回到现场的工作单。代理可以把截图贴回线程，人可以要求修改，也可以先把线程留成未读，稍后再处理。需求、过程、结果和返工意见都留在任务原来的位置，不必在终端、聊天窗口和项目管理工具之间来回找。1

这也是 Slack 比普通聊天框更适合做「代理外壳」的地方：频道天然分隔项目，线程天然保存任务，未读状态提醒人回来，文件附件又能把截图和交付物放到结果旁边。对代理来说，Slack 不只是输入框，而是一层已有的任务编排界面。

Nityesh 还按频道给不同模型分配工作：普通频道默认用 Opus，最复杂、最昂贵的任务单独放进 Fable 频道。这样一来，模型选择成为项目规则的一部分，而不是用户每次执行任务时临时切换。截图里的频道名也显示出另一件事：这套系统同时容纳项目、代理日记、设置记录和专门模型工作区。1

这项工作和 Block 的 Buzz 放在同一篇文章里，正好形成对照。Every 报道，Buzz 在 7 月 21 日发布，被描述为让人和 AI agents 在同一工作空间协作的开源平台；Buzz 官方当前页面则用一句话概括自己的方向：「Your people, your agents, your project — all in one place」，并邀请用户参加早期测试。1 2

区别在于：Luo Ji 是 Nityesh 自己接线、自己维护的内部系统，Buzz 则试图把类似的频道、线程和 agent 协作做成别人可以直接使用的产品。Every 文章还记录了一次早期测试：设计工程师 Tyler Nishida 在 Buzz 里连接 ChatGPT，让 agents 启动 Codex 任务并在同一线程回复；但他尚未完成一次完整的编码工作流测试。1

Luo Ji 看起来像一个 Slack bot，实际背后是一整套本地基础设施。Nityesh 的公开仓库 Claude Home Base 说明，它包含 Slack bot、Claude Code CLI 接入、Cloudflare Tunnel、线程连续性、文件处理、插件市场和代理身份文件；README 还列出一台可长期运行的 Mac、Claude Code Max 订阅、Slack 工作区和一个域名等前置条件。3

这解释了为什么「把代理放进 Slack」有吸引力，也解释了为什么它还不是一个轻松的普及方案。用户看见的是频道和线程，真正要维护的是会话 ID、权限、文件上传、后台执行、模型路由以及出错后的人工接管。Buzz 的产品机会，正是把这段连接工作从个人脚本中抽出来；但官方页面目前只邀请早期测试，文章里的案例也还停留在早期试用，不能据此判断它已经替代 Slack 或成熟到能承接生产任务。1 2

对 Every 来说，这次公开内容的价值也不在于「公司已经全面改用 Slack」。文章明确写的是 Nityesh 的个人搭建，以及团队成员当前偏好的 Codex 工作方式。更可靠的判断是：Every 正在把代理的最小工作单位，从「一段对话」往「一个可追踪、可审阅的任务」移动；Slack 只是目前最容易承载这个单位的现成外壳。

第一，Every 没有在这篇文章里宣布 Luo Ji 成为面向用户的产品，也没有给出全公司采用率、任务完成率或成本数据。第二，Buzz 的完整编码工作流仍未被文中测试者验证，官方页面也只显示早期测试邀请。第三，文章在「Destructive Command Guard」段落后进入订阅墙，后面的 Sol 5.6 防误删工具和 Kevin Kelly 访谈细节不在本篇证据范围内，不能用公开摘要替代正文。1

播客面也没有形成新的窗口内事件：Every 的 AI & I 列表当前仍把 Episode 106 放在最前，Apple Podcasts 结构化记录显示该节目的最新发行时间为 2026 年 7 月 22 日 23:07（北京时间），早于本期追踪的 7 月 29 日至 30 日窗口。因此，本期只把 7 月 29 日这篇文章当作新证据，不把旧播客重新包装成更新。4 5

如果要继续观察 Every 的 AI 原生组织实验，下一条值得找的证据不是又一个 agent 演示，而是这套系统有没有出现三个变化：普通成员能否低成本部署、任务是否能跨模型稳定转交、以及人工审阅是否真的比原来的终端流程更快。当前公开材料只证明了第一种工作台长什么样，还没有证明它已经成为组织级基础设施。