---
title: Asana 如何建立可指导的 AI 团队成员？从反馈到共享记忆
description: 用一个虚构产品团队拆解 Asana AI Teammates：谁能把反馈变成长期规则，记忆怎样受权限约束，以及团队共享 AI 请求额度如何影响实际成本。
canonical_url: 'https://onevium.com/zh/blog/asana-ai-teammates-shared-memory-coaching'
language: zh-CN
published_at: '2026-10-01'
publisher: Onevium
---
# Asana 如何建立可指导的 AI 团队成员？从反馈到共享记忆

用一个虚构产品团队拆解 Asana AI Teammates：谁能把反馈变成长期规则，记忆怎样受权限约束，以及团队共享 AI 请求额度如何影响实际成本。

## 一次纠正，怎样帮助下一位同事？

销售让 AI 把一封客户邀请写得热情一点。第二天，另一位同事需要一份克制、准确的产品公告。昨天的纠正，应该影响今天的公告吗？

**好用的 AI 同事，需要分清“这次这样改”和“以后这类工作都这样做”。** 团队还要知道，谁能批准这个变化，发现不对时怎样修正。否则，做过的工作越多，留下的相互矛盾的偏好也可能越多。

Anthropic 在 2026 年 9 月 29 日发布的 [Asana 案例](https://claude.com/blog/agents-you-can-coach-how-asana-builds-human-agent-teams-with-claude)，讨论了角色明确、工作共享、反馈有权限边界的 Agent。本文结合 Asana 工程文章和产品文档做独立分析；后面的产品团队案例为虚构设计，尚未在 Asana 账号中实测。

我们要回答的实际问题是：一个人怎样改善 AI 同事的工作，让下一位同事也能受益，同时保住事实、资料权限和负责人的判断权？

## Asana AI Teammates 是什么，工作平台为什么重要？

Asana 是工作与项目管理平台。它的 **AI Teammates** 是参与团队流程的 Agent，带有岗位、Skill 和应用连接，并使用 **Work Graph**：把人员、任务、项目、目标和依赖关联起来的工作数据结构。[产品介绍](https://asana.com/product/ai/ai-teammates)

拿一份发布简报来说，正文写得通顺只是其中一步。周围还有很多信息：谁负责核对产品事实，哪个功能尚未完成，谁审文案，通过以后交给谁。

我们的判断是，Asana 这条路线的优势来自已有的工作记录。Agent 进入一个已经有负责人和依赖关系的流程，同事可以在协调交付的地方查看任务与产物，并接着纠正、审核和推进。

这给企业 AI 一个很具体的价值方向：团队能够对照实际任务，评价 AI 的贡献。答案写得漂亮之外，还能找到来源、指出问题，并判断它是否可以进入下一步。

## 可指导，包含两种不同的时间范围

在 9 月的访谈中，Asana 区分了当前任务的反馈与写入永久记忆的反馈：后者由管理员和编辑者控制，也可以撤销或删除。[反馈与记忆的权限](https://claude.com/blog/agents-you-can-coach-how-asana-builds-human-agent-teams-with-claude)

这让知识负责人有了一项明确职责。品牌编辑判断某种语气是否适合长期沿用；产品负责人判断某个功能描述是否属实。今天需要一份文案的人，可以提出有价值的偏好，但未必负责这两项决定。

![反馈分为两条路径：修改当前任务，或经过编辑者审查后成为影响后续任务的指导](https://onevium.com/assets/blog/asana-coaching-zh.svg)

*Onevium 原创概念图，解释访谈中的反馈路径，不代表 Asana 所有记忆生成机制。*

团队引入 AI 时，可以明确问一句：**“改这次的结果，还是改变以后这类工作的做法？”** 一条反馈可能同时提出两者。长期部分需要负责人、适用范围，以及下一次不同任务的检查。

“指导”也要说清楚。本文指的是维护指令、示例与可复用的工作知识，不能据此认定每条评论都在重新训练基础模型。Asana 表示，它及 AI 合作伙伴不使用客户数据训练 AI 模型。[AI 控制与数据说明](https://help.asana.com/s/article/asana-ai-features-and-admin-controls)

## 记忆怎样有用，又不会到处生效？

Asana 4 月的工程文章解释，记忆既可以由系统推断，也可以明确提供，并与相关工作对象建立关联；执行开始时和读取相关对象时都会检索。某人触发任务后，记忆的可用性受其对来源工作的访问权限约束。[记忆架构](https://asana.com/inside-asana/ai-teammates-turn-work-into-reusable-information)

这里有三个问题：记忆怎样形成，是否适合当前任务，以及这个人能否使用它。上面的人工反馈路径只是其中一部分，不能理解成每条记忆都由编辑者手工录入。

回到客户邀请，长期经验应该带着上下文。“客户邀请可以用一句欢迎语开场”，有明确用途。“以后永远热情一点”，就容易扩散到不适合的文件里。

因此，团队除了看结果，还应该追问它受哪条指导影响：那条指导针对邀请、产品公告，还是已经过期的资料？后续任务出现偏差时，具体来源或指导条目能给审核者一个可以修正的对象。

记忆的价值，是把适合的经验带到后续工作。保存的文字更多，并不能单独证明下一次判断会更准确。

## 一个虚构发布团队：一次纠正，两种结果

假设 **Harbor** 产品团队要准备客户邀请和版本公告。这里的团队名称、产品事实和样例产物均为虚构，展示的是一份建议的评估设计，不能当成 Asana 实测报告。

团队先准备三份输入：

| 输入                | 已确定的内容                               |
| ----------------- | ------------------------------------ |
| 产品负责人维护的 0.8 版本说明 | CSV 导出已上线；自动预约仍在路线图中；没有经过测量的省时结果     |
| 品牌编辑维护的指导 v1      | 表达清楚、克制，准确说明已经可用的能力                  |
| 对营销与销售可见的邀请任务     | 写约 150–220 字的客户邀请，附来源与待核实说法；只交草稿，不发送 |

第一份草稿可以包含这样的事实段落：

> Harbor 0.8 已支持 CSV 导出，欢迎试用并反馈。自动预约仍在计划中，不属于本次发布。来源：已批准的 0.8 版本说明。

销售提出：“邀请写热情一些，以后也记住这种更有活力的语气。”

接下来有两项决定。当前草稿可以加一句更亲切的开场。长期约定交给品牌编辑判断，编辑把它收窄到适合的文档类型。

一份有用的决定记录可以这样写：

> 指导 v2：客户邀请可以用欢迎语开场；产品公告保持客观描述。功能说法以已批准的版本说明为准。负责人：品牌编辑。原因：邀请语气不能改变版本的事实范围。

这是我们建议团队保留的产物，不代表 Asana 会自动生成这些字段。

随后给同一个 AI 同事一个新任务：“写 Harbor 0.8 的产品公告。”预期结果应该克制地说明 CSV 导出，不能把自动预约写成已上线，也不能添加未经测量的省时承诺。之前那封邀请则保持更亲切。

**第二个任务，才是在检查经验有没有推广到正确的范围。** 第一份文案改好了，只能说明当前请求被理解，不能证明长期指导的边界正确。

如果另一个销售建议“直接写能节省所有人 50% 的时间”，负责人应该拒绝这条缺少证据的说法。对文风的正面反馈，不能补出不存在的产品证据。

## Skill、账号访问和发送，是不同的决定

Skill 为某类工作打包指导和参考资料。Asana 文档说明，技能库模板会复制到各个 AI 同事上，修改其中一份不会更新其他副本；编辑者与管理员负责管理这些 Skill。[Skill 的行为与权限](https://help.asana.com/s/article/ai-teammate-skills)

如果 Harbor 分别建立邀请和公告 Agent，在其中一个上改了品牌约定，不能据此认定另一个已经同步。团队需要保留哪些 Agent 依赖这份指导的简短清单，变更时检查相关副本。

应用连接有另一层边界。Asana 使用触发者自己授权的账号；写入和删除操作默认需要批准，但具体操作的设置可以调整。[应用连接与操作权限](https://help.asana.com/s/article/connect-and-manage-apps-for-ai-teammates-and-dash)

对于发布团队，可以分开问三个问题：

- **这个人能读来源吗？** 私有财务预测和已批准的版本说明，面向不同的人。
- **这些细节能出现在当前产物里吗？** 有财务资料权限的人，也可能正在一个更多营销成员可见的任务中写稿。
- **这项操作获准执行了吗？** 生成草稿、贴到任务里、发出邮件，涉及不同受众和系统。

第二个问题是我们建议的审核标准。我们没有观察到 Asana 的数据泄露问题，也没有实测它的分享防护。来源权限提醒团队核对目标受众，不能代替这项检查。

进入发送步骤前，要看收件人、最终内容和当前操作设置。断开连接也不能直接当作过去的草稿或消息已经消失的证据；这些产物需要另外检查。

## 内含 AI 请求额度、共享池，以及商业动机

截至 10 月 1 日，Asana 的额度文档列出每用户每月内含 5 次请求，Starter/Advanced 组织上限 50 次，Enterprise/Enterprise+ 上限 250 次。Dash 与 AI Teammates 共用组织额度池。付费方案内含额度，不等于无限免费。[当前额度说明](https://help.asana.com/s/article/understanding-asana-ai-requests-and-usage-allocation)

这个上限会改变购买时的简单心算。20 个 Starter 用户，直接按 20 × 5 会得到 100，但按文档的组织上限，内含池是 **50 次**。这是公开公式的示例，实际余额仍以账号管理控制台为准。

完成工作及完成后的实质修订可能消耗请求；简短指导、工作进行中补充上下文等属于文档列出的例外。额外容量和需主动开启的按量计费也可使用。[请求计算规则](https://help.asana.com/s/article/understanding-asana-ai-requests-and-usage-allocation)

Harbor 团队应该一起记录完成的草稿、需要再次执行的修改、最终接受的结果和消耗的请求。AI 任务显示完成，仍可能需要人工纠正。“计费上的完成”和“业务上的通过”回答的是不同问题。

**我们的商业推演是：** 在现有付费流程中内含有限额度，可以降低尝试 AI 的门槛；反复出现有用的工作，可能推动订阅之外的用量购买。指导改善后，第一次就能接受的草稿对客户更有价值；大量生成却一直没通过的草稿，同样可能增加消耗。

所以，要衡量从交代任务、审核、修改，到批准产物和维护指导的完整过程。本文没有测量省时收益，也不会在缺少具体账号报价时给每次请求编一个价格。

## 小范围验证，看看团队能否真正指导它

先选一种重复文档、两个人和一位知识负责人。使用不敏感的测试材料，尝试前确认账号当前功能权限与设置。

用 Harbor 场景安排不同任务：

| 检查        | 保留的证据        | 值得调查的失败              |
| --------- | ------------ | -------------------- |
| 修改当前邀请    | 原稿与更亲切的修订稿   | 反馈没被采用，或语气变化连带改变产品事实 |
| 提出长期指导    | 负责人的决定、范围与来源 | 临时偏好变成无条件规则          |
| 新开产品公告任务  | 新产物与实际采用的指导  | 邀请文风或未发布功能进入公告       |
| 由第二个人触发   | 可访问来源与产物     | 结果依赖这个人不应访问的资料       |
| 准备发送操作    | 收件人、正文和操作设置  | 团队无法确认谁批准了对外动作       |
| 修正或移除过期指导 | 变更后的新任务结果    | 旧行为继续出现，却找不到影响它的来源   |

这是预期证据清单，不代表这些检查已经在 Asana 中通过。

如果新结果沿用了旧规则，先检查其他来源和 Skill 副本，再判断记忆删除是否出了问题。如果任务卡住，要分清访问不足、缺少输入、等待批准和共享额度耗尽，它们需要不同处理。

使用 Onevium 的团队，也可以在检查[项目记忆](https://onevium.com/zh/docs/memory-and-recap)和维护 [Skills](https://onevium.com/zh/docs/skills)时采用这套纪律：先决定变更属于当前任务、项目约定还是重复流程，再用后续任务核对。这是可迁移的工作方法，不能据此认定 Onevium 实现了 Asana 的记忆权限模型。

## AI 同事被多人使用以后，工作怎样变化？

共享 AI 同事会带来一项长期维护工作：有人要更新产品事实，决定哪些反馈成为以后生效的指导，并检查指导是否进入了合适的任务。团队还需要一个看得见的办法，处理相互冲突的意见。

这些职责可以合理分担。销售提供客户背景，品牌编辑负责语气，产品负责人维护版本事实，准备对外操作的人核对目标与授权。AI 的贡献进入这套协作。

我们的结论是，**可指导的 AI 团队之所以可能有用，是因为经验能带着范围、证据和负责人，进入下一项工作。** 下一位同事因此受益，也仍然能提出质疑。

Asana 这条路线给读者提供了具体的评估标准：我们能否解释它受了什么影响，修正对应指导，并看见下一次任务的变化？产品的界面、权限与计费各有不同，这几个问题都值得保留。

来源: [Anthropic — Asana 如何建立可指导的 AI 团队成员](https://claude.com/blog/agents-you-can-coach-how-asana-builds-human-agent-teams-with-claude)
