Asana 让 AI 智能体以角色化身份、共享记忆和公开活动流加入团队协作，并给出销售问答、续约风险日报与工程循环三个落地案例

Asana 让 AI 智能体直接运行在既有的 Work Graph 结构里，而不是为 AI 另建一套上下文结构：智能体有定义好的角色、被分配任务、读写消息，并出现在活动流中与人类协作者并列。 相对把 AI 当作独立聊天工具的做法，这里把智能体纳入已有的任务、项目、目标与对话关系网，并附加了关于智能体可访问与可分享内容的额外保障。 来自对 Asana 首席产品官 Arnab Bose 的访谈叙述，属于公司自述的实践说明，文中未给出量化对比或对照实验。

每个智能体有独立档案页，列出名称与用途、可使用人员、管理员、指令、技能、集成与权限；其有效访问范围受触发它的那个人的权限约束。 在与人相同的显式访问控制之外，增加了“触发者权限封顶”这一层保障，使智能体可以广泛访问公开内容，同时降低他人通过智能体接触到私有上下文中信息的风险。 文中以 Asana 的说法呈现（“Asana says”），并引用 Arnab 关于“Asana 是一个受控工作界面”的表述，未提供安全测试或审计数据。

共享记忆让智能体保留此前指令中的信息，供多个用户复用来更快完成任务；但只有管理员和编辑能把反馈写入永久记忆，也能撤销或删除，其他人的反馈只作用于当前任务。 把“谁能改变智能体行为”做成角色化权限，而不是人人可改；文中以传播团队掌握公司语气与文风为例，说明编辑与管理员由该团队担任，Arnab 可以起草但不能修改其行为。 访谈中的机制描述与一个具体角色分工示例，属于设计意图说明，未给出记忆复用带来的效率测量。

三个落地案例展示了智能体承担的具体工作：Slack 渠道提问被转为 Asana 任务并由智能体处理（有批准指引则附来源链接，无答案则进入产品团队待办，重复问题则触发赋能团队更新培训材料）；At-Risk Renewal 智能体读取全球续约风险任务与客户成功经理的更新、状态备注和评论，生成按积极势头、消极势头、建议跟进三类组织的每日摘要，先出全球视图再按区域切分，每早自动推送给首席客户官、首席营收官与各区域客户成功负责人；工程侧用 Command by Asana 管理自动编码循环，团队空间容纳 10 到 12 名工程师，智能体把来自客户反馈与 Slack 反馈渠道评论的工单填入未规划看板，Command 以乐观、平衡、保守三种估计预测周期完成时间。 相对个人单独用 Claude 生成报告，这些案例强调标准化报告、共享工作空间，以及“每一次运行都变得更好”的持续改进；文中还提到自动编码循环曾使周期时间与发布出现下滑，因为周期被自动生成的变更撑大，并引用“代码生成不再是瓶颈，瓶颈在规划、决策与细化”。 均为公司内部实践叙述与访谈引语，包含具体角色、流程与推送对象，但没有公开的指标、样本量或对照结果。

这篇文章面向正在把 AI 智能体引入团队协作流程的产品、工程与运营负责人，尤其是已经在使用 Asana 或类似协作平台的团队。它适用的场景是：工作已经被结构化为任务、项目与目标，且组织愿意为智能体设定角色、权限与记忆写入规则。文中给出的三个案例——Slack 问答分流、续约风险日报、Command 管理编码循环——为读者提供了可直接借鉴的流程模板：谁设计团队、谁担任智能体管理员与编辑、智能体如何把结果推送到共享空间供人追问与教练。

文中没有给出效率、质量或风险方面的量化结果，因此“释放了赋能团队时间”“报告每天变得更好”“周期时间与发布下滑”等说法应视为公司自述的观察，而非可复现的测量。共享记忆的长期效果、触发者权限封顶在复杂权限组合下的实际表现、以及智能体在活动流中公开研究计划与步骤对协作的实际影响，都还需要更多独立证据。此外，本文是系列文章的第三篇，部分概念（持久记忆、自有凭证、共享上下文）在前一篇中展开，读者若只看本篇可能对这三项能力的完整定义了解有限。