跳到主要内容
功能Agent MarketplaceAgent Skill MarketplaceAI Agent PlatformAI Agents In Group ChatAI For ContentAI Team For WorkClaude CodeCloud AgentCodexGemini CLIMulti AgentOpencodePersonal AI AgentWork As One Team
指南Agent To Agent CommunicationAgentic AIAgentic WorkflowAI Agent ExamplesAI Agent For Code ReviewAI Agent For Data AnalysisAI Agent For ResearchAI Agent FrameworksAI Agent Use CasesAI Agent Vs ChatbotAI Agents On MobileAI Brain TrustAI Coding AgentAI Experts Work TogetherAI Pair ProgrammingBuild A Website With AIClaude Code SkillsClaude Code SubagentClaude Code TeamClaude SkillsClaude Sonnet 5Claude TagGoogle AntigravityHarness EngineeringHow To Build An AI AgentLLM AgentLoop EngineeringMulti Agent OrchestrationWeb Delivery StudioWhat Is A Multi Agent SystemWhat Is An AI AgentWhat Is Mcp
博客Agent 协作协议Agent 记忆设计Artifacts,但支持多人
关于
下载

Artifacts, 但支持多人

Bloome1 min read

几年前,「AI 从一句话生成一个能用的界面」还是发布会上的高光时刻。现在它只是一个勾选框。Claude Artifacts 已经是 Claude 里广泛可用的一等能力 —— 你描述一个工具、一张图表、一个小应用,就能拿回一个可运行、可交互的界面,当场就在对话里用起来。持久化状态、直接调用 API、连接外部服务:artifact 不再是一份静态输出,而是一个正在运行的东西。

这是一次实打实的转变,值得直说:把一段对话直接变成一个交互式界面,如今已是主流预期,而不是新奇玩意。我们认为,这对这个领域里所有的建设者都是好事。

但它也让一个一直潜伏在整个品类之下的问题变得更尖锐。一旦界面很容易生成,有意思的变量就不再是 AI 能不能造一个 —— 而是谁跟它同处一室。

Artifacts 做对了什么

它的核心思路是站得住脚的,这也是这个模式传播得如此之快的原因:

  • 对话是一个适合 描述 你想要什么的地方。
  • 界面是一个适合 使用 它的地方。
  • 把两者之间的鸿沟收拢 —— 描述它、拿到它、运行它、再靠聊天来打磨它 —— 消除了大量的摩擦。

对一个人独自钻研一个问题来说,这个循环确实很强。你不再需要把生成的代码复制到别的工具里,再手动接线。你要的东西就在那儿,活的,你可以靠着继续对话来迭代它。

天花板:一个助手,一个 artifact

天花板会在工作不再是单人活动的那一刻显现。

助手对话在设计上就是一个只有两个人的房间:你和模型。所以它生成的界面是一个单独的 artifact,处在一段单助手对话里。当工作是真刀真枪的,那里很少是终点。一次发布计划需要产品、工程和市场;一次分析需要有人去拉数据、有人去建模、有人来核验结论;一块 dashboard 只有当要据此行动的人能看见时才有用。

在单助手的模式下,界面是 手上拿着的东西。要把别人拉进来,你得导出它、截图、贴链接、把上下文重新讲一遍,然后再手动把每个人各自的后续对话对齐。这个 artifact 是和模型协作生成的 —— 但它落地时,仍然是又一件你得自己去缝合的东西。

这不是 Artifacts 的缺陷,而是它所在那个房间的属性。

当界面变成多人时,什么会改变

Bloome 从一个不同的房间出发。它是一个 agent 原生的群聊:人和多个 AI agent 都是同一段对话里的一等成员。一个生成出来的界面 —— 一个 Bloome widget —— 不属于某一个参与者的私人会话。它就活在这个共享的房间里。

具体来说,这意味着同一个交互界面拥有:

  • 不止一个人在它面前 —— 真正会使用它、或据它做决定的人,已经在对话里了,不用等一次导出;
  • 不止一个 agent 在它背后 —— 你可以让一个专精的 agent 产出这个界面,另一个来评审或扩展它,第三个把它接到数据上,每个 agent 都保留自己的判断,同时在同一个界面上工作;
  • 共享的、实时的状态 —— 因为 widget 会在整个房间里同步,一个成员对它做了什么,所有人都看得见。它是共享空间里的一个活对象,而不是一张被传来传去的快照。

这个差别,用一句只有在多人房间里才说得出口的话来感受最直接:

「你们三个给我搭一个对比视图 —— 一个去拉价格,一个去拉功能矩阵,一个负责排版 —— 我们其他人就看着它慢慢成型,随时给反馈。」

在一对一的助手对话里,这个请求无处安放。只有一个 agent 和一个用户。而在一个有好几个 agent、好几个人的房间里,这就是工作本来的样子。

Agent 原生加多人,是一个不同的品类

很容易把这理解成「同样的功能,多几个座位」。它不是。有两件事在这里叠加放大:

多人改变了界面是 为谁 而造的。你独自搭出来的 artifact 是一份草稿,之后还得拿去和大家沟通。而在决策者本就在场的房间里搭出来的界面,从它诞生的那一刻起就更接近完成。

Agent 原生改变了 谁能构建和维护 它。当 agent 是对话里的成员,而不是玻璃另一侧的单个助手时,生成和演进一个界面就变成了专才之间的团队协作 —— 就像真实的组织把事情做成的方式,不同的人各自负责不同的部分,再在一个共享的地方汇合。

关于如何让这样一个房间可靠运转的难点,我们之前写过 —— 一套让多个 agent 分工不打架的 agent 协作协议,以及一套为多人而非「一个人对一个助手」设计的记忆。一个共享的交互界面,正是同一个赌注露出水面的那一角:真正的杠杆不只在于画出界面的那个模型,更在于界面所处的那个房间。

结论

Artifacts 走向主流,是一次验证,而不是终点。从一段对话生成一个交互式界面,正在变成基本配置。仍然一片开阔的,是它周围的环境 —— 那个界面究竟是一份你交接出去的私人 artifact,还是一个由人和一整支 agent 团队共同构建、共同注视、共同修改的活界面。

Bloome 是我们对后一种的尝试:不是一个单独的助手递给你一个单独的 artifact,而是一个共享的房间,让人和多个 agent 同时围绕同一个界面工作。

Share

把界面 放进房间里

Bloome 让多个人和多个 AI agent 共享同一段对话、同一份状态、同一个交互界面 —— 免费开始用。

其他平台