这样一来,团队看到的不只是“代理说了什么”,还包括它准备如何处理任务、实际改动了哪些代码,以及最终产出了什么。
Slack Code 的另一大卖点,是让产品经理和设计师无需直接进入开发者终端,也能参与软件构建过程。他们可以在共享频道中描述用户问题、补充产品背景、查看可见的结果,并提出修改意见;工程师则负责技术评估和具体实现。
例如,产品经理可以在 Slack 中报告一个漏洞并说明预期行为。编码代理随后调查问题、提出修复方案,工程师再检查生成的代码差异,判断改动是否适合当前代码库。团队之后可以决定是否继续创建或推进拉取请求(pull request),或者再进行一轮修改。
这并不意味着 AI 代理会成为最终决策者。Slack Code 改变的是协作发生的位置,让代理的工作更容易被更多相关人员看到、质疑和检查。
这一点尤其重要:代理或许能生成看起来合理的修复方案,却未必充分理解业务要求、安全限制或线上运行风险。共享频道为工程师及其他责任人提供了一个集中讨论的地方,他们可以质疑方案、要求返工,并在任务继续推进前留下明确的决策记录。
实际意义在于,需求、讨论、技术审查、决策和代理活动能够继续留在任务最初发起的项目对话中,减少信息在不同工具之间来回丢失的情况。
Salesforce 表示,Slack Code 在发布时覆盖 Slack 的各类套餐。首批合作代理来自 Anthropic、GitHub、Cognition 和 Vercel;Salesforce 和 Slack 也将 ChatGPT 列为可以参与其中的代理之一。
不过,不同代理的实际体验可能并不完全相同。计划展示、代码差异、实时预览和审批操作等功能,取决于具体代理提供的 Slack 集成能力。因此,“受支持”并不代表所有代理都具备完全相同的控制项。
在 Dreamforce 上,Salesforce 将 Slack Code 描绘成一种让软件开发成为“团队运动”的方式,同时把 Slack 定位为多个 AI 代理提供商之间的协调层。它并没有要求团队采用单一的 Salesforce 编码模型,而是希望让来自不同厂商的代理进入同一个工作界面。
需要注意的是,这些例子代表 Salesforce 描述的扩展方向,并不意味着所有非编码工作流在 Slack Code 发布时已经普遍可用。
Slack Code 的核心逻辑很直接:在对话中提及编码代理,为它创建一个项目专属频道,再让团队共同查看、引导、审查和审批工作。
它真正想解决的问题,不是 AI 能不能生成代码,而是 代码生成过程是否对团队透明。对于已经依赖 Slack 协作的团队来说,这种方式可能让产品和设计人员更容易跟进 AI 辅助开发,同时保留工程师的技术审查责任。
当然,最终效果仍取决于每个代理集成的成熟度,以及团队是否建立了清晰的审批标准。Slack Code 提供的是一种更公开、更可追踪的 AI 编程方式,而不是对人工判断的替代。