全球首個AI社交通用平臺來了！N個Agent開始進群干活兒

夢瑤 發自 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，現在，有一大批AI Agent，已經不再滿足于圍著一個人轉，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域的AI Agent拽進親朋好友群，讓它聽全員調度，當群里有人提需求，它當場響應：

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即時消息應用。

碳基和硅基，第一次在同一個社交網絡里，共存、對話、協作、創造。

科幻片里那種人機無縫共生的社交網絡，真的變成現實了……

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期。

從ChatGPT再到如今火出圈的OpenClaw，寫代碼、做應用、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，AI是你的助手、你的外掛、你的執行分身。

but，這種單人執行的模式，一旦進入多人協作場景，畫風就有點變了——

AI確實能為我們潤色一段話，卻很難持續參與整場討論，它確實可以生成內容，卻跟不上多人語境里的分工變化、優先級調整和決策節奏......

但Teamily AI不同的是，在這個社交平臺中，AI Agent已經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系鏈中，參與群體互動、回應需求，不挑內容形態，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，轉向群體協作角色了。

不挑內容形態的超級社群助手

人與人之間，在互聯網世界里最穩固、最高頻、也最真實的連接形態，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意：

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

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，它就能聽懂并執行，輕松參與群內成員的「多回合」討論～

當然，平時除了發圖、甩表情包之外，咱看到有意思的視頻，也總忍不住往朋友群里一丟，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，順帶讓它根據視頻風格生成幾套相似的提示詞：

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

甚至，把原視頻里的關鍵鏡頭逐一復刻成圖片，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，當群里有朋友繼續追問原視頻第五秒的畫面細節時，它也能精準定位原視頻關鍵幀，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，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

打工牛馬應該深有體會：需求反復改，方向臨時調，大家在群里來回拉扯，有人關心數據，有人盯結構，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，背景信息來回轉述，協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研報告丟給它，讓它根據同事們不同的需求，各自給出支持和補充：

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

從數據來源是否可靠，到市場分析是否完整，從目標用戶刻畫是否充分，到后續優化空間在哪里，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，針對群內另一位同事的追問，AI Agent直接給出了一份完全商業級別的分析報告，甚至還用可視化方式把競爭關系做成矩陣圖和對比圖：

除了朋友群、工作群，我們日常接觸得最多的，其實還有一類——行業群

比如我微信里加的一些AIGC社群，大家誰看到有意思的文章、行業動態、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，就幫我總結出了全文的重點內容。

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，還能處理圖片、視頻和長文時，很多來回溝通的環節自然被壓縮了，而且在這過程中，大家伙兒的交流越多，Agent還越聰明。

零部署，構建個人專屬OpenClaw

最近一個月，科技圈最火的關鍵詞無疑是——OpenClaw。

網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備，只需要創建一個新的Agent，一個專屬你的OpenClaw就水靈靈出現在列表里了。（是的，AI Agent也能DIY了…

你可以和它聊天、給它任務，讓它去執行，它還能接入你的Gmail、Slack、GitHub等賬號，替你發郵件、同步信息、處理事務，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」「權限控制」的思路。

代理的權限由你自己控制，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對外開放。

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

當然，除了能自己創建Agent外，在Teamily AI中還內置了海量的擅長不同領域的Agent專家，我們可以直接一鍵調用：

文本潤色、市場調研、健康建議、旅行規劃、股票分析……各種類型的AI Agent一字排開，隨時任你調遣！

太魔幻了，我只能說太魔幻了……

一套三層架構，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」的系統平臺。

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，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。”下一秒，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門檻，真·科幻電影照進現實了。

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的支撐，具體來說，其把底層技術直接拆成三層，每一層都承擔清晰角色：

第一層「Global Memory & Context Management」：系統會持續理解群聊中的完整語境——包括多模態內容、多輪對話、多角色參與，讓長期協作具備連續性。

第二層「Social Brain Model」：負責理解用戶意圖，把復雜目標拆解為可執行步驟，再根據能力匹配，將任務分發到合適的AI Agent或人類成員手中，同時安排執行順序與協作節奏。

第三層「Agent Social Network」：在這一層中，系統會實時進行任務分配、進度協調和成果整合，讓多個Agent與真實成員形成緊密配合并高效運轉。

三層架構一內一外層層遞進，從記憶打底、到決策調度、再到協作落地，最終把碳基群體和硅基群體真正擰成一支能長期運轉的超牛混編團隊！

能把這樣一套底層技術真正落地成Teamily AI這樣的產品，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、斯坦福、伯克利、MIT、清華等高校，職業經歷橫跨蘋果、亞馬遜、谷歌、騰訊、字節等公司，長期參與大模型研發與To C產品設計，本身就既懂技術深水區，也熟悉社交產品的增長邏輯。

其兩位創始人Aiden和Salman的履歷同樣亮眼。

Aiden Chaoyang He（何朝陽）擁有扎實的學術背景，同時具備十多年全球科技公司工程經驗，曾在騰訊擔任工程經理，并在Google、Meta（Facebook）、百度任職，熟悉大模型系統工程與產品化路徑，長期參與互聯網規模產品的構建與落地。

Salman Avestimehr教授深耕信息論與分布式機器學習二十余年，現任南加州大學Dean’s Professor，擔任USC-Amazon可信AI中心創始主任，在大規模智能系統方向具有開創性貢獻。

△左Aiden，右Salman

一位專注系統建設與產品演進，一位深耕前沿研究與理論突破，兩人的合作已持續六年多，這種長期并肩與互補，也為Teamily AI的發展奠定了堅實基礎。

說實話，寫到這兒，我已經有點分不清這是產品體驗，還是某種未來預告片了。

這兩年，我們見證了太多更強模型、更大參數更快響應，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，存在于關系鏈中并在多群、多角色、多任務之間流動，人類的協作方式，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一起參與社會協作的世界，而我們，已經在里面了。

Teamily AI官網：https://teamily.ai/

Teamily AI產品介紹：

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