AI Agents
OpenTag 不是 Claude Tag 的复刻，而是把工作区 Agent 的控制权还给团队
OpenTag 值得关注，不是因为它复刻了 Claude Tag 的交互，而是因为它把模型选择、运行时、工具链和写操作审批从单一厂商手里拿回到团队自己手里。工作区 Agent 一旦进入 Slack、Linear、Notion 这类协作现场，控制权就比演示效果更重要。
为什么这件事值得写成长文
Claude Tag 代表一种新交互：在团队线程里直接 @ 一个 AI 同事，让它继承上下文、调用工具、产出 PR、分析数据或处理工单。但如果上下文、模型和运行时全部绑定在供应商控制面，团队长期资产就被外包了。OpenTag 的价值在于证明同一类 UX 可以用开源协议和自管运行时实现。
源文提到 OpenTag 来自 CopilotKit 生态，支持 AGENT_MODEL 选择不同 LLM，runtime 与 bot 两个 Node 进程，本地 Socket Mode 接 Slack，写 Linear/Notion 前必须经过 confirm_write 人工确认。这些细节说明它不是聊天 demo，而是在做工作流安全边界。
真正的变化不在功能表，而在工作方式
真正变化是 Slack-first，而不是 chat-demo-first。Agent 不再在另一个窗口等人复制上下文，而是进入真实讨论线程；同时，所有会修改系统状态的动作都需要人类批准，这比事后审计更适合生产环境。
- 自带模型让团队可以按成本、性能、合规选择 OpenAI、Anthropic、Google 或其他模型。
- 自管运行时让上下文、日志、工具凭证和审批策略留在团队环境。
- AG-UI 让 Agent 能输出图表、表格、卡片和按钮，不只是文字。
- MCP 负责连接工具，审批门控负责防止幻觉直接写入生产系统。
- 开源许可降低了被单一协作平台或模型供应商锁死的风险。
落地时要看哪些硬指标
采用前应该把它放进真实工作流里测，而不是只看发布叙事。
- 能否稳定处理 Slack 线程上下文和权限边界。
- 写操作是否默认阻塞审批，并能在重启后恢复状态。
- 模型、工具和 UI 协议是否能独立替换。
- 日志、凭证、Redis、部署和升级是否有企业可运维路径。
- 是否能跑通一个无聊但真实的 ticket loop，而不是只做炫技演示。
风险、边界和采用建议
风险在于 OpenTag 仍是早期 starter。托管工作区 Agent 并不简单：权限、消息噪音、审批状态、工具错误、速率限制和审计都需要工程化。把它叫做 Claude Tag 替代品之前，应该先用一个小团队工单流程验证。
- 先接一个低风险流程，比如分析线程并建议 Linear 工单。
- 所有写操作保持人工确认，不要为了效率取消门禁。
- 把模型成本、工具调用日志和审批记录纳入可观测性。
- 不要一次连接太多系统，先把 Slack + Linear/Notion 跑稳。
结论
OpenTag 的核心判断很清楚：智能可以租，但上下文、工具链和审批策略最好自己拥有。未来工作区 Agent 的竞争不只是模型能力，而是谁能安全地进入团队真实工作流。
