梦瑶 发自 凹非寺
量子位 | 公众号 QbitAI

太魔幻！

什么OpenClaw？什么开源贾维斯？都太克制了好吧……

你想不到的是，现在，有一大批AI Agent，已经不再满足于围着一个人转，而是开始组团入侵人类社交圈了！

你还可以直接把擅长不同领域的AI Agent拽进亲朋好友群，让它听全员调度，当群里有人提需求，它当场响应：

还能打造专属Agent分身，压根不用折腾本地部署，它能直接介入你的Gmail等账号，替你收发邮件、处理资讯、上手干活儿！

甚至你还可以直接让AI Agent帮你找人，一句话描述需求，分分钟就能帮你锁定、匹配、连线！

这，就是刚刚上线的全球首个AI社交通用平台「Teamily AI」，一个真正的AI-native即时消息应用。

碳基和硅基，第一次在同一个社交网络里，共存、对话、协作、创造。

科幻片里那种人机无缝共生的社交网络，真的变成现实了……

当AI Agent，混入你的社交圈

说实话，这两年大家都有同感——AI的进化速度有点超出预期。

从ChatGPT再到如今火出圈的OpenClaw，写代码、做应用、生成方案，很多原本需要多人配合的工作，被压缩成了一个人+一个模型

你打开窗口，你提需求，AI响应，AI是你的助手、你的外挂、你的执行分身。

but，这种单人执行的模式，一旦进入多人协作场景，画风就有点变了——

AI确实能为我们润色一段话，却很难持续参与整场讨论，它确实可以生成内容，却跟不上多人语境里的分工变化、优先级调整和决策节奏......

但Teamily AI不同的是，在这个社交平台中，AI Agent已经跳出了单纯的个人工具，开始拥有真正意义上的社会属性

它能够直接存在于你的社交关系链中，参与群体互动、回应需求，不挑内容形态，图片能看，视频能讲，长文能拆。

我们以为的那个帮人干活的AI，开始进入群聊，进入社会关系，参与多人之间的互动与推进。

是的，AI Agent的身份，真的从个人助手，转向群体协作角色了。

不挑内容形态的超级社群助手

人与人之间，在互联网世界里最稳固、最高频、也最真实的连接形态，其实一直是——社群

举个最贴近大家生活的例子，平时在朋友群里，大家免不了分享八卦、吐槽生活、互相整活，气氛一上来，图片、表情包满天飞。

现在在Teamily AI里，你可以把AI Agent直接拉进这种场景，让它跟着朋友们一起讨论、接任务并参与群体决策！！

比如像下面这样，我随手在姐妹群丢出一张搞笑「图片」，群里几个朋友轮番让AI整活儿，有人要加元素，还有人直接点名要更离谱一点的创意：

即便面对群友们的百般刁难，AI Agent依旧能稳稳听懂不同群友的指令，直接roll出满足提示需求的二创图片，顺带还给出了一些自己的创意灵感

诶，你还真别说，生出来这效果真一点违和感没有，是有点生图功底在身上的：

是的，全程根本不需要写什么复杂提示词，就像在群里跟朋友说话一样，随口丢一句，它就能听懂并执行，轻松参与群内成员的「多回合」讨论～

当然，平时除了发图、甩表情包之外，咱看到有意思的视频，也总忍不住往朋友群里一丢，让大家一起点评两句。

这回我干脆玩大一点，在朋友群里直接把一段视频甩给AI，让它帮大家拆镜头、梳理脚本，顺带让它根据视频风格生成几套相似的提示词：

可以看到，AI不仅按关键帧拆清每个镜头、标注画面内容，还根据整体风格给出了三套不同方向的同类提示词。

甚至，把原视频里的关键镜头逐一复刻成图片，等于顺手帮你做了一份可视化分镜稿，这视频解析能力有点牛啊…

不仅如此，当群里有朋友继续追问原视频第五秒的画面细节时，它也能精准定位原视频关键帧，并顺带给出同类镜头画面的生成技巧：

而且贼有意思的是，这AI不仅给出了回复，还来了句“哈哈好奇心很强嘛”，属实是把人类的群聊的互动属性玩明白了，活人感拉满！！！

当然，朋友群只是热闹。真正让人头大的，其实是另一种场景——（让大家闻风丧胆的）工作群

打工牛马应该深有体会：需求反复改，方向临时调，大家在群里来回拉扯，有人关心数据，有人盯结构，有人只想知道什么时候能交付。

每个人都可以各自打开一个AI窗口问问题，但问题在于，每个人的语境分散在不同对话框里，背景信息来回转述，协作的成本并没有真正下降，信息颗粒度自然也就很难齐……

但在Teamily AI里，AI Agent不只是在朋友群里陪你整活，它也能进入你的「工作流」中，陪你和你的同事一起参与头脑风暴、做策划、想点子

这回，咱直接把一份市场打工人常年被折磨到头大的市场营销调研报告丢给它，让它根据同事们不同的需求，各自给出支持和补充：

几千字的调研报告，AI Agent一两分钟就梳理清楚结构和核心逻辑，甚至在输出层面，AI Agent还把这份调研方案拆成了一份结构完整的深度分析报告：

从数据来源是否可靠，到市场分析是否完整，从目标用户刻画是否充分，到后续优化空间在哪里，每个维度都逐条展开，逻辑清晰，重点明确，非常厉害了。

不仅如此，针对群内另一位同事的追问，AI Agent直接给出了一份完全商业级别的分析报告，甚至还用可视化方式把竞争关系做成矩阵图和对比图：

除了朋友群、工作群，我们日常接触得最多的，其实还有一类——行业群

比如我微信里加的一些AIGC社群，大家谁看到有意思的文章、行业动态、论文链接，都会往群里一丢，大家一起补信息差。

但问题是，有些内容实在太长了，尤其是论文，动辄几十页，公式一页接一页，想看，又没耐心从头啃到尾。

但在Teamily AI中，这种啃天书的活儿，一个AI Agent就搞定了，你只需要把它拉进你们的群聊里向它提问，be like：

我喂进去的这篇论文总共有100页的内容，基于强大的长文本理解能力，Teamily AI只用了五秒钟的时间，就帮我总结出了全文的重点内容。

甚至连局限性这一part都单独标出来，提醒我们这是重点：

当AI Agent能听懂上下文、记住讨论脉络，还能处理图片、视频和长文时，很多来回沟通的环节自然被压缩了，而且在这过程中，大家伙儿的交流越多，Agent还越聪明。

零部署，构建个人专属OpenClaw

最近一个月，科技圈最火的关键词无疑是——OpenClaw。

网友们围绕它的讨论也很集中：到底咋部署？Mac mini怎么买更划算？隐私怎么保证？

u1s1，折腾硬件、跑环境、配模型，门槛其实并不低，但在「Teamily AI」里，这套流程被直接省掉了…….

因为你压根不用本地部署，也不需要额外准备设备，只需要创建一个新的Agent，一个专属你的OpenClaw就水灵灵出现在列表里了。（是的，AI Agent也能DIY了…

你可以和它聊天、给它任务，让它去执行，它还能接入你的Gmail、Slack、GitHub等账号，替你发邮件、同步信息、处理事务，be like：

可能有朋友该问了，这样直接介入我的账户肯定会有隐私风险吧？（好问题）

NONONO！在这一点上，Teamily AI走的是更偏「私有化」「权限控制」的思路。

代理的权限由你自己控制，接入哪些账户、开放哪些操作，都可以单独管理，信息不会被拿去二次使用或对外开放。

相比需要自己搭环境、自己承担风险的模式，这种形态对普通用户来说简直别太友好。

当然，除了能自己创建Agent外，在Teamily AI中还内置了海量的擅长不同领域的Agent专家，我们可以直接一键调用：

文本润色、市场调研、健康建议、旅行规划、股票分析……各种类型的AI Agent一字排开，随时任你调遣！

太魔幻了，我只能说太魔幻了……

一套三层架构，一支硬核团队

u1s1，如果只是把AI丢进社交群聊里，当成一个会打字互动的群友，那确实没必要专门做成一款产品。

Teamily AI真正牛的地方在于，第一次让我们看到，人类的社会性协作和AI Agent能力竟能被这么自然高效地融合成一个能「长期运转」的系统平台。

智能体不仅可以理解群体与个人的真实意图，参与讨论、辅助决策、主动推进任务，还能在多群、多角色之间建立清晰的隐私边界

而我们只需要在群里正常聊天就行，完全不用改变自己的社交习惯，甚至只需要用大白话说一句：“我想要个xxx能力的Agent。”下一秒，它就能被搭出来，直接撸起袖子开始干活…

而且，全程几乎没有任何技术门槛，真·科幻电影照进现实了。

话又说回来了，Teamily AI有如此过人的本事，自然离不开底层技术的支撑，具体来说，其把底层技术直接拆成三层，每一层都承担清晰角色：

第一层「Global Memory & Context Management」：系统会持续理解群聊中的完整语境——包括多模态内容、多轮对话、多角色参与，让长期协作具备连续性。

第二层「Social Brain Model」：负责理解用户意图，把复杂目标拆解为可执行步骤，再根据能力匹配，将任务分发到合适的AI Agent或人类成员手中，同时安排执行顺序与协作节奏。

第三层「Agent Social Network」：在这一层中，系统会实时进行任务分配、进度协调和成果整合，让多个Agent与真实成员形成紧密配合并高效运转。

三层架构一内一外层层递进，从记忆打底、到决策调度、再到协作落地，最终把碳基群体和硅基群体真正拧成一支能长期运转的超牛混编团队！

能把这样一套底层技术真正落地成Teamily AI这样的产品，背后的团队底子自然不浅。

Teamily AI的成员背景覆盖南加州大学、斯坦福、伯克利、MIT、清华等高校，职业经历横跨苹果、亚马逊、谷歌、腾讯、字节等公司，长期参与大模型研发与To C产品设计，本身就既懂技术深水区，也熟悉社交产品的增长逻辑。

其两位创始人Aiden和Salman的履历同样亮眼。

Aiden Chaoyang He（何朝阳）拥有扎实的学术背景，同时具备十多年全球科技公司工程经验，曾在腾讯担任工程经理，并在Google、Meta（Facebook）、百度任职，熟悉大模型系统工程与产品化路径，长期参与互联网规模产品的构建与落地。

Salman Avestimehr教授深耕信息论与分布式机器学习二十余年，现任南加州大学Dean’s Professor，担任USC-Amazon可信AI中心创始主任，在大规模智能系统方向具有开创性贡献。

△左Aiden，右Salman

一位专注系统建设与产品演进，一位深耕前沿研究与理论突破，两人的合作已持续六年多，这种长期并肩与互补，也为Teamily AI的发展奠定了坚实基础。

说实话，写到这儿，我已经有点分不清这是产品体验，还是某种未来预告片了。

这两年，我们见证了太多更强模型、更大参数更快响应，AI一次次刷新能力边界，我们一次次惊叹，然后很快习惯。

但Teamily AI带来的那种感觉，真的有点不太一样。

在Teamily AI中，群聊，不再只是聊天；社交，不再只是连接；AI，也不再只是回答问题。

当AI开始拥有社会角色，存在于关系链中并在多群、多角色、多任务之间流动，人类的协作方式，真的变了。

甚至我们可以想象，在不久的未来，可能每个人都会有一个自己的Agent团队，它们熟悉我们的需求和偏好，嵌入我们的社交圈层，在不同场景中承担各自的具体职责。

Teamily AI未必是终局，但它确实把一扇门推开了——

门后，是人类和AI一起参与社会协作的世界，而我们，已经在里面了。

Teamily AI官网：https://teamily.ai/

Teamily AI产品介绍：

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