夢瑤 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

太魔幻！

什么OpenClaw？什么開源賈維斯？都太克制了好吧……

你想不到的是，現(xiàn)在，有一大批AI Agent，已經(jīng)不再滿足于圍著一個人轉(zhuǎn)，而是開始組團入侵人類社交圈了！

你還可以直接把擅長不同領(lǐng)域的AI Agent拽進親朋好友群，讓它聽全員調(diào)度，當群里有人提需求，它當場響應(yīng)：

還能打造專屬Agent分身，壓根不用折騰本地部署，它能直接介入你的Gmail等賬號，替你收發(fā)郵件、處理資訊、上手干活兒！

甚至你還可以直接讓AI Agent幫你找人，一句話描述需求，分分鐘就能幫你鎖定、匹配、連線！

這，就是剛剛上線的全球首個AI社交通用平臺「Teamily AI」，一個真正的AI-native即時消息應(yīng)用。

碳基和硅基，第一次在同一個社交網(wǎng)絡(luò)里，共存、對話、協(xié)作、創(chuàng)造。

科幻片里那種人機無縫共生的社交網(wǎng)絡(luò)，真的變成現(xiàn)實了……

當AI Agent，混入你的社交圈

說實話，這兩年大家都有同感——AI的進化速度有點超出預(yù)期。

從ChatGPT再到如今火出圈的OpenClaw，寫代碼、做應(yīng)用、生成方案，很多原本需要多人配合的工作，被壓縮成了一個人+一個模型

你打開窗口，你提需求，AI響應(yīng)，AI是你的助手、你的外掛、你的執(zhí)行分身。

but，這種單人執(zhí)行的模式，一旦進入多人協(xié)作場景，畫風就有點變了——

AI確實能為我們潤色一段話，卻很難持續(xù)參與整場討論，它確實可以生成內(nèi)容，卻跟不上多人語境里的分工變化、優(yōu)先級調(diào)整和決策節(jié)奏......

但Teamily AI不同的是，在這個社交平臺中，AI Agent已經(jīng)跳出了單純的個人工具，開始擁有真正意義上的社會屬性

它能夠直接存在于你的社交關(guān)系鏈中，參與群體互動、回應(yīng)需求，不挑內(nèi)容形態(tài)，圖片能看，視頻能講，長文能拆。

我們以為的那個幫人干活的AI，開始進入群聊，進入社會關(guān)系，參與多人之間的互動與推進。

是的，AI Agent的身份，真的從個人助手，轉(zhuǎn)向群體協(xié)作角色了。

不挑內(nèi)容形態(tài)的超級社群助手

人與人之間，在互聯(lián)網(wǎng)世界里最穩(wěn)固、最高頻、也最真實的連接形態(tài)，其實一直是——社群

舉個最貼近大家生活的例子，平時在朋友群里，大家免不了分享八卦、吐槽生活、互相整活，氣氛一上來，圖片、表情包滿天飛。

現(xiàn)在在Teamily AI里，你可以把AI Agent直接拉進這種場景，讓它跟著朋友們一起討論、接任務(wù)并參與群體決策??！

比如像下面這樣，我隨手在姐妹群丟出一張搞笑「圖片」，群里幾個朋友輪番讓AI整活兒，有人要加元素，還有人直接點名要更離譜一點的創(chuàng)意：

即便面對群友們的百般刁難，AI Agent依舊能穩(wěn)穩(wěn)聽懂不同群友的指令，直接roll出滿足提示需求的二創(chuàng)圖片，順帶還給出了一些自己的創(chuàng)意靈感

誒，你還真別說，生出來這效果真一點違和感沒有，是有點生圖功底在身上的：

是的，全程根本不需要寫什么復(fù)雜提示詞，就像在群里跟朋友說話一樣，隨口丟一句，它就能聽懂并執(zhí)行，輕松參與群內(nèi)成員的「多回合」討論～

當然，平時除了發(fā)圖、甩表情包之外，咱看到有意思的視頻，也總?cè)滩蛔⊥笥讶豪镆粊G，讓大家一起點評兩句。

這回我干脆玩大一點，在朋友群里直接把一段視頻甩給AI，讓它幫大家拆鏡頭、梳理腳本，順帶讓它根據(jù)視頻風格生成幾套相似的提示詞：

可以看到，AI不僅按關(guān)鍵幀拆清每個鏡頭、標注畫面內(nèi)容，還根據(jù)整體風格給出了三套不同方向的同類提示詞。

甚至，把原視頻里的關(guān)鍵鏡頭逐一復(fù)刻成圖片，等于順手幫你做了一份可視化分鏡稿，這視頻解析能力有點牛啊…

不僅如此，當群里有朋友繼續(xù)追問原視頻第五秒的畫面細節(jié)時，它也能精準定位原視頻關(guān)鍵幀，并順帶給出同類鏡頭畫面的生成技巧：

而且賊有意思的是，這AI不僅給出了回復(fù)，還來了句“哈哈好奇心很強嘛”，屬實是把人類的群聊的互動屬性玩明白了，活人感拉滿?。?！

當然，朋友群只是熱鬧。真正讓人頭大的，其實是另一種場景——（讓大家聞風喪膽的）工作群

打工牛馬應(yīng)該深有體會：需求反復(fù)改，方向臨時調(diào)，大家在群里來回拉扯，有人關(guān)心數(shù)據(jù)，有人盯結(jié)構(gòu)，有人只想知道什么時候能交付。

每個人都可以各自打開一個AI窗口問問題，但問題在于，每個人的語境分散在不同對話框里，背景信息來回轉(zhuǎn)述，協(xié)作的成本并沒有真正下降，信息顆粒度自然也就很難齊……

但在Teamily AI里，AI Agent不只是在朋友群里陪你整活，它也能進入你的「工作流」中，陪你和你的同事一起參與頭腦風暴、做策劃、想點子

這回，咱直接把一份市場打工人常年被折磨到頭大的市場營銷調(diào)研報告丟給它，讓它根據(jù)同事們不同的需求，各自給出支持和補充：

幾千字的調(diào)研報告，AI Agent一兩分鐘就梳理清楚結(jié)構(gòu)和核心邏輯，甚至在輸出層面，AI Agent還把這份調(diào)研方案拆成了一份結(jié)構(gòu)完整的深度分析報告：

從數(shù)據(jù)來源是否可靠，到市場分析是否完整，從目標用戶刻畫是否充分，到后續(xù)優(yōu)化空間在哪里，每個維度都逐條展開，邏輯清晰，重點明確，非常厲害了。

不僅如此，針對群內(nèi)另一位同事的追問，AI Agent直接給出了一份完全商業(yè)級別的分析報告，甚至還用可視化方式把競爭關(guān)系做成矩陣圖和對比圖：

除了朋友群、工作群，我們?nèi)粘＝佑|得最多的，其實還有一類——行業(yè)群

比如我微信里加的一些AIGC社群，大家誰看到有意思的文章、行業(yè)動態(tài)、論文鏈接，都會往群里一丟，大家一起補信息差。

但問題是，有些內(nèi)容實在太長了，尤其是論文，動輒幾十頁，公式一頁接一頁，想看，又沒耐心從頭啃到尾。

但在Teamily AI中，這種啃天書的活兒，一個AI Agent就搞定了，你只需要把它拉進你們的群聊里向它提問，be like：

我喂進去的這篇論文總共有100頁的內(nèi)容，基于強大的長文本理解能力，Teamily AI只用了五秒鐘的時間，就幫我總結(jié)出了全文的重點內(nèi)容。

甚至連局限性這一part都單獨標出來，提醒我們這是重點：

當AI Agent能聽懂上下文、記住討論脈絡(luò)，還能處理圖片、視頻和長文時，很多來回溝通的環(huán)節(jié)自然被壓縮了，而且在這過程中，大家伙兒的交流越多，Agent還越聰明。

零部署，構(gòu)建個人專屬OpenClaw

最近一個月，科技圈最火的關(guān)鍵詞無疑是——OpenClaw。

網(wǎng)友們圍繞它的討論也很集中：到底咋部署？Mac mini怎么買更劃算？隱私怎么保證？

u1s1，折騰硬件、跑環(huán)境、配模型，門檻其實并不低，但在「Teamily AI」里，這套流程被直接省掉了…….

因為你壓根不用本地部署，也不需要額外準備設(shè)備，只需要創(chuàng)建一個新的Agent，一個專屬你的OpenClaw就水靈靈出現(xiàn)在列表里了。（是的，AI Agent也能DIY了…

你可以和它聊天、給它任務(wù)，讓它去執(zhí)行，它還能接入你的Gmail、Slack、GitHub等賬號，替你發(fā)郵件、同步信息、處理事務(wù)，be like：

可能有朋友該問了，這樣直接介入我的賬戶肯定會有隱私風險吧？（好問題）

NONONO！在這一點上，Teamily AI走的是更偏「私有化」「權(quán)限控制」的思路。

代理的權(quán)限由你自己控制，接入哪些賬戶、開放哪些操作，都可以單獨管理，信息不會被拿去二次使用或?qū)ν忾_放。

相比需要自己搭環(huán)境、自己承擔風險的模式，這種形態(tài)對普通用戶來說簡直別太友好。

當然，除了能自己創(chuàng)建Agent外，在Teamily AI中還內(nèi)置了海量的擅長不同領(lǐng)域的Agent專家，我們可以直接一鍵調(diào)用：

文本潤色、市場調(diào)研、健康建議、旅行規(guī)劃、股票分析……各種類型的AI Agent一字排開，隨時任你調(diào)遣！

太魔幻了，我只能說太魔幻了……

一套三層架構(gòu)，一支硬核團隊

u1s1，如果只是把AI丟進社交群聊里，當成一個會打字互動的群友，那確實沒必要專門做成一款產(chǎn)品。

Teamily AI真正牛的地方在于，第一次讓我們看到，人類的社會性協(xié)作和AI Agent能力竟能被這么自然高效地融合成一個能「長期運轉(zhuǎn)」的系統(tǒng)平臺。

智能體不僅可以理解群體與個人的真實意圖，參與討論、輔助決策、主動推進任務(wù)，還能在多群、多角色之間建立清晰的隱私邊界

而我們只需要在群里正常聊天就行，完全不用改變自己的社交習慣，甚至只需要用大白話說一句：“我想要個xxx能力的Agent?！毕乱幻?，它就能被搭出來，直接擼起袖子開始干活…

而且，全程幾乎沒有任何技術(shù)門檻，真·科幻電影照進現(xiàn)實了。

話又說回來了，Teamily AI有如此過人的本事，自然離不開底層技術(shù)的支撐，具體來說，其把底層技術(shù)直接拆成三層，每一層都承擔清晰角色：

第一層「Global Memory & Context Management」：系統(tǒng)會持續(xù)理解群聊中的完整語境——包括多模態(tài)內(nèi)容、多輪對話、多角色參與，讓長期協(xié)作具備連續(xù)性。

第二層「Social Brain Model」：負責理解用戶意圖，把復(fù)雜目標拆解為可執(zhí)行步驟，再根據(jù)能力匹配，將任務(wù)分發(fā)到合適的AI Agent或人類成員手中，同時安排執(zhí)行順序與協(xié)作節(jié)奏。

第三層「Agent Social Network」：在這一層中，系統(tǒng)會實時進行任務(wù)分配、進度協(xié)調(diào)和成果整合，讓多個Agent與真實成員形成緊密配合并高效運轉(zhuǎn)。

三層架構(gòu)一內(nèi)一外層層遞進，從記憶打底、到?jīng)Q策調(diào)度、再到協(xié)作落地，最終把碳基群體和硅基群體真正擰成一支能長期運轉(zhuǎn)的超牛混編團隊！

能把這樣一套底層技術(shù)真正落地成Teamily AI這樣的產(chǎn)品，背后的團隊底子自然不淺。

Teamily AI的成員背景覆蓋南加州大學(xué)、斯坦福、伯克利、MIT、清華等高校，職業(yè)經(jīng)歷橫跨蘋果、亞馬遜、谷歌、騰訊、字節(jié)等公司，長期參與大模型研發(fā)與To C產(chǎn)品設(shè)計，本身就既懂技術(shù)深水區(qū)，也熟悉社交產(chǎn)品的增長邏輯。

其兩位創(chuàng)始人Aiden和Salman的履歷同樣亮眼。

Aiden Chaoyang He（何朝陽）擁有扎實的學(xué)術(shù)背景，同時具備十多年全球科技公司工程經(jīng)驗，曾在騰訊擔任工程經(jīng)理，并在Google、Meta（Facebook）、百度任職，熟悉大模型系統(tǒng)工程與產(chǎn)品化路徑，長期參與互聯(lián)網(wǎng)規(guī)模產(chǎn)品的構(gòu)建與落地。

Salman Avestimehr教授深耕信息論與分布式機器學(xué)習二十余年，現(xiàn)任南加州大學(xué)Dean’s Professor，擔任USC-Amazon可信AI中心創(chuàng)始主任，在大規(guī)模智能系統(tǒng)方向具有開創(chuàng)性貢獻。

△左Aiden，右Salman

一位專注系統(tǒng)建設(shè)與產(chǎn)品演進，一位深耕前沿研究與理論突破，兩人的合作已持續(xù)六年多，這種長期并肩與互補，也為Teamily AI的發(fā)展奠定了堅實基礎(chǔ)。

說實話，寫到這兒，我已經(jīng)有點分不清這是產(chǎn)品體驗，還是某種未來預(yù)告片了。

這兩年，我們見證了太多更強模型、更大參數(shù)更快響應(yīng)，AI一次次刷新能力邊界，我們一次次驚嘆，然后很快習慣。

但Teamily AI帶來的那種感覺，真的有點不太一樣。

在Teamily AI中，群聊，不再只是聊天；社交，不再只是連接；AI，也不再只是回答問題。

當AI開始擁有社會角色，存在于關(guān)系鏈中并在多群、多角色、多任務(wù)之間流動，人類的協(xié)作方式，真的變了。

甚至我們可以想象，在不久的未來，可能每個人都會有一個自己的Agent團隊，它們熟悉我們的需求和偏好，嵌入我們的社交圈層，在不同場景中承擔各自的具體職責。

Teamily AI未必是終局，但它確實把一扇門推開了——

門后，是人類和AI一起參與社會協(xié)作的世界，而我們，已經(jīng)在里面了。

Teamily AI官網(wǎng)：https://teamily.ai/

Teamily AI產(chǎn)品介紹：

https://x.com/teamily_ai/status/2022059522974757098?s=46