新闻详情

新闻详情

首页 / 资讯中心 / 详情

Claude Code重大更新:多会话可互相通信,告别手动复制上下文

发布时间:2026/11/9 21:10:49来源:尧图网络
Claude Code重大更新:多会话可互相通信,告别手动复制上下文
文章目录Claude Code重磅更新AI会话可以互相发消息告别人工复制传上下文1. 以前多会话开发纯纯当人工传声筒2. 现在AI自己会跨窗口传小纸条了2.1 动口就行传话不用你动手2.2 卡壳了还能互相搭把手3. 这功能到底是怎么跑起来的3.1 俩工具打通全链路通讯3.2 零配置还不打断干活4. 这几个场景用起来巨爽4.1 并行开发自动同步进度4.2 长任务摸鱼式监控4.3 跨机器也能回消息5. 有些边界得提前说清楚6. 这事儿的想象空间其实很大P.S. 推荐一个大神的教程给想要了解或者学习人工智能知识的读者这个教程里内容讲解通俗易懂且风趣幽默对我帮助很大。我想与大家分享这个宝藏教程请点击下方链接查看 传送门https://blog.csdn.net/qq_74013365Claude Code重磅更新AI会话可以互相发消息告别人工复制传上下文干开发的朋友谁没被多窗口上下文折磨过同时开三四个终端前端、后端、不同Git分支各占一个。刚在A窗口定位完bug切到B窗口就忘了一半细节全靠CtrlC CtrlV续命。复制错内容、漏了关键信息都是常事一来二去浪费的时间比写代码本身还多。本周五Anthropic给Claude Code更的新功能直接把这个痛点给解决明白了——不同会话的AI现在能互相发消息了。1. 以前多会话开发纯纯当人工传声筒说真的之前用Claude Code开多个窗口人就是个纯纯的通讯中转站。一个窗口改接口一个窗口写业务一个窗口跑测试。哪边出了新结论都得你手动复制过去。一天下来CtrlC按得手指都酸不知道的还以为你在练打字考级。遇上长任务就更离谱死盯着一个窗口等结果别的活儿啥也干不了。想切走摸会儿鱼又怕错过关键报错主打一个工位焊死在椅子上。2. 现在AI自己会跨窗口传小纸条了这次更新本质上就是给每个AI会话都装了个内部聊天软件不用你再当中介了。2.1 动口就行传话不用你动手全程不用你切窗口、复制粘贴张嘴说一句就搞定。比如你刚在当前会话改完API跟Claude说“把这个修改通知给test-session”它自己就会整理好摘要发过去连措辞都不用你操心。更绝的是它还会主动报备。要是它改完代码发现改动会影响另一个正在运行的会话不用你提醒自己就给对方发提醒了责任心比很多刚入职的实习生都强。2.2 卡壳了还能互相搭把手不是只能发通知真遇到问题了还能跨会话求助。一个会话任务跑阻塞了另一个会话的AI能主动询问情况、交换信息就像俩邻座的同事遇到问题抬头喊一声就能沟通。以前是你指挥几个AI分头干活还得负责协调沟通现在倒好它们自己建了个工作小组你反而成了旁听的。3. 这功能到底是怎么跑起来的原理说穿了不复杂核心就靠两个工具撑着。3.1 俩工具打通全链路通讯第一个叫ListAgents相当于通讯录能列出所有可以联系的会话。第二个叫SendMessage对着会话名称就能发消息相当于发送按钮。不光不同的主会话能发同一会话里的子智能体、智能体团队成员之间也能用。上下层级、平级之间的沟通渠道全给打通了。3.2 零配置还不打断干活只要你的Claude Code版本在v2.1.224以上macOS和Linux系统默认就开启了不用改配置不用调底层API。接收消息的一方也很有分寸不会半路打断正在运行的工具。得等当前的工具调用跑完、会话空闲了才会处理新消息主打一个不打扰别人工作节奏。4. 这几个场景用起来巨爽4.1 并行开发自动同步进度比如在不同的工作流树里改同一个代码库一个会话做完了某部分自动就同步给其他会话。调查出来什么重大结论、做了什么关键决定也会自动总结好发给相关的会话不用你再挨个复述一遍说多错多的风险直接降为零。4.2 长任务摸鱼式监控跑数据迁移、跑全量测试这种耗时间的活儿不用死盯着那个窗口。让它自己给你正在用的会话报状态你该写别的代码写别的进度自动推送过来摸鱼都摸得更心安理得。4.3 跨机器也能回消息远程控制连接的会话也能用。虽然远程会话不能主动发起消息但收到之后能回复。家里电脑跑着任务公司电脑能收到通知还能回话相当于随身带了个开发小助理走到哪都能跟进进度。5. 有些边界得提前说清楚也不是啥都能发规则还是有的。比如远程机器、网页端的会话只能回复不能主动发起消息。会话列表里能看到本地会话、子智能体、远程会话三类各自权限不一样。想知道当前有哪些会话能联系输个/list-agents命令就能看全一目了然。6. 这事儿的想象空间其实很大以前的代码Agent本质上还是单打独斗一个窗口一个工具人全靠人来调度。这次跨会话通讯一开放直接就进入多Agent协同的阶段了。省的不只是你复制粘贴的那点功夫还有来回传上下文浪费的token长任务下来能省不少成本。照这个节奏发展下去再过段时间说不定AI自己就能拉群分工从前端写到后端从测试干到部署全程自己协调。咱们就负责在群里发个“好的”然后坐等收代码就行。P.S. 推荐一个大神的教程给想要了解或者学习人工智能知识的读者这个教程里内容讲解通俗易懂且风趣幽默对我帮助很大。我想与大家分享这个宝藏教程请点击下方链接查看传送门https://blog.csdn.net/qq_74013365
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/8 22:42:07

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/9 8:37:19

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/8 22:41:24

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉