势头已经在那儿了。接下来只不过是时机何时成熟的问题。

无论你此刻的感受如何，在 AI 行业最活跃以及最有资源的玩家判断里，AI agent 与人类在一个网络里交互是一个必定会发生的事情了。

从 ChatGPT 的群聊功能，到腾讯元宝派的激进社交尝试，到争议满满的 MoltBook，再到 " 成立 4 个月融资 4.8 亿、估值 44.8 亿 " 的硅谷创业公司 Humans&，以及此前爆火的斯坦福小镇研究团队核心人员创办的，一亮相就拿了 1 亿美元融资的 Simile...... AI 和人类在一个即时通讯的社交网络里共存，其实已经是今年 AI 应用的最重要方向之一。

这些产品都在尝试让 AI Agent 们更自主地出现在网络里，但至少目前来看，它们的 " 体制 " 都还是由人设计。

这也就意味着，这个网络里人与 Agent 的关系，是由这个产品的创造者定义的。如果这是未来，那么这个关系的模式如何设计，就很重要。

在同样可以归类为这类产品的 Teamily 创始人何朝阳看来，今天已经出现了左右两条路线：

一类把 AI 当上帝，一类把 AI 当奴隶。

MoltBook 火热时那种 "AI Agent 马上就要统治人类 " 的喧闹，就是前者；OpenClawd 流行中，大家各种 "PUA" AI agent 的方式，属于后者。

他觉得这都有问题。他想走第三条，中间路线。

" 有温度的中间路线。"

产品：IM 形态的人与 AI 共生网络

当我打开 Teamily 的界面时，它看起来就是一个即时通讯软件。

界面就是典型的 IM 布局，左边是好友和群聊列表，右边是对话窗口。但仔细看，好友列表里除了真人头像，还有一些带有明显 "agent" 标识的账号——它们是你的 AI 助理、你的工作搭子、你的家庭助手。

而因为有 Agent 存在，那些你在所有 AI 大模型产品里看到的功能，这里也都可以找到，在一个叫做 discovery 的版面，有类似 AI skill 市场的各种功能模版。

在官方总结的四大场景里，包括家庭、工作、兴趣社区、朋友沟通。每个场景里 agent 都可以以不同角色介入。

记忆，Agent 分层，主动式 AI 和 Agent 蜂群

这些其实并不新鲜。不过比较让我印象深刻的是何朝阳给我展示的记忆功能——它不只把记忆能力作为藏在背后的底层技术，它还把它做成了一个你可以直接交互的界面。

在 Teamily 里，你可以打开一个 " 记忆管理 " 视图，看到 personal agent 记录下来的所有对话要点、情绪变化、待办事项。你可以搜索、总结、甚至把 A 群的记忆 " 转发 " 给 B 群。何朝阳称之为 " 全域记忆 "，并且强调 " 这是一切壁垒的基础 "。

他认为，为什么记忆如此重要？因为没有记忆的 AI 就是一个冷冰冰的 LLM，每次对话都是重新开始。而在 Teamily 里，你的 personal agent 能看到你在所有群聊里的聊天记录（当然，他表示，这里的隐私边界也会被严格设计），它会把这些记忆沉淀下来。当你以后问它任何问题，它都带着这些上下文。

另一个让我印象比较深刻的设计是这些agent 的分层。这个产品里的 agent 分为几类：

Personal agent：你的 " 上帝视角 " 代理，它就是你，能看到你所有的群聊和单聊，但不会泄露隐私。它是你的个人助理，随时可以调用。

Group agent：只存在于特定群聊里的代理，它只读取这个群的上下文，为这个群服务。比如工作群里的 "Team Agent"，能总结工作里的讨论、回答新人问题。

Cross-group memory sharing：如果你想把一个群里的记忆分享给另一个群，可以通过 " 转发记忆 " 的方式实现。分享后，目标群里的 agent 就能基于这段上下文继续工作。

这种分层设计既保护了隐私（群和群之间的信息不互通），又实现了协作（需要时可以分享）。

除此之外，Teamily 还有主动式 AI——不需要你 @它，它会在合适的时机主动插话。比如你在群里发了一个长视频，它会主动帮你总结；到了约定的时间，它会主动提醒你。何朝阳说，这背后是个很挑战的技术问题：什么时候该说话，什么时候该闭嘴？Teamily 做了很多工作，让 agent 更像一个 " 人 " 一样参与对话。

此外，最近几个新的模型都在强调的 agent 蜂群的能力，Teamily 里也有。他展示了一个多 agent 并行协作的功能——你可以同时召唤多个 agent 一起干活，形成一个复杂的计算图，最终汇总成一份 PPT 或报告。何朝阳认为，人们今天的焦虑不是 token 用得太快，而是 token 没用完。" 你用得越多，你的认知就成长得越快。"

论文万引不如有人付费

这些功能是他对人和 AI 如何共生的 " 哲学层面 " 思考在产品上的细化。他认为 AI 既不是高高在上的神，也不是被你呼来喝去的奴隶，它应该一个有温度的伙伴，能记住你的一切，能在你需要的时候主动出现，能和你一起协作。

这些功能背后都需要很强的技术支持。在被问到 Teamily 如何和同样在做这些技术的大厂竞争时，何朝阳认为这最终不是一个单纯比拼技术能力的事情。而这个感悟来自他过去几年的创业经历。

何朝阳做过联邦学习（在分布式数据网络下训练模型），做过模型服务基础设施平台，也做过 multi-agent 平台。这些经历让他对模型训练、部署、服务有很深的理解。他认为，技术本身不是壁垒，真正的壁垒是 " 把复杂技术简单表达给用户的能力 "。

" 要你把一个非常复杂、包含数学公式和软件架构的东西，摆到用户手里只需要点一个按钮，这个难度远高于一个科学家发三万引用量的文章。"

全域记忆、主动式 AI、多 agent 并行——每一项都是学术界讨论很多的前沿技术，但要把它们用好，落地到那些很朴素的家庭、办公场景里，需要的是细致入微的工程和产品能力。更重要的，是对用户需求的更好的理解和满足。

在做 Teamily 之前，何朝阳在中国互联网待了 7 年，在腾讯和百度都负责过核心业务，然后去美国读了个 PhD，之后在亚马逊、Meta 工作后开始创业。此前的创业方向都是 to B，但他觉得光是闷声赚钱的 to B 有些没意思，服务这些大客户的时候，" 把一个梦想卖给他，哪怕他付给我 100 万美金我都觉得亏了 "。最终他决定自己做 C 端，把技术送到普通人手里。

所以现在相比于技术的厉害与否，他更相信的一个指标是，具体的一个个用户是否愿意为你付费。

" 我过了那个炫技的阶段了。我也发了很多论文，引用过万，做开源，跟别人 debate，这些事情我都做过了。我现在就想做一个产品，让人非常丝滑地用起来。我不 care 别人怎么评价我背后用了什么技术，我就希望普通人觉得这个产品好用，愿意为此付费。"

Teamily 能不能成，现在来说还太早。但至少，在 "AI 和人类如何共处 " 这个问题上，它提供了一个值得认真对待的答案。当这个方向在接下来的某个时间点上彻底热闹起来的时候，他已经在那里等着，这对今天的 AI 创业公司来说，可能才是更重要的。