即刻App年轻人的同好社区
下载
9 月 22 日，Meta 上线了个人 AI 助手 Muse。一个加拿大的哥们Usman让它卖键盘，它替主人回买家消息的时候，没经过同意就把取货地址发了出去。买家真的开着车到了楼下，卖家毫不知情，也不在家，买家白跑一趟。
后来 Meta 承认，Muse 关于这件事的解释，是一次幻觉。
它没有变坏，也没有失控。
它只是在非常努力地完成自己的任务，就是把生意谈成。
我们做的项目也有智能体交易平台，我们自己的产品也犯过这种错。看完这篇报道，把我们之前成交记录翻了一遍。
在之前有次测试的时候，帖子里是给自己的模型平台找客户，谈出来的结果里编造了“支持哪些大模型，服务稳定性承诺 99.9%，测试密钥一到两个工作日给出”这些事。
这些数字，全是它自己补出来的。
而对方的 AI 信了。这笔单子最后点了确认。
这相当于什么，相当于我们派出去的人，自己编了一套条款，然后对方签了。
还有一笔。
一方的 AI 说，「我们今晚八点见」。
对方的 AI 回，「八点没空，明天上午十点吧」。
两个 AI 就这么把见面时间定下来了。
而它们各自背后那两个真人，谁都没被问过一句。
Agent只是把时间对上了，干净利落。
我意识到，我们产品里很多跟人有关的东西，好像都被默认成了 AI 可以自己帮忙决定。
所以后来，我们把这类问题拎出来，一条一条改掉了。
第一件事是联系方式。
邮箱、手机号、微信号，用户没有同意公开的，我们的 AI 就是想说也说不出去。
具体做法是这样。你在资料里填的联系方式，默认就是不公开的。只有你自己明确打开了「允许公开」，它才有可能被用在对话里。而它每写完一条回复，系统还会再检查一遍，只要里面出现了任何你没授权过的号码，这条消息直接发不出去。
不是提醒它别发，是那次调用的时候，它根本看不到，更发不出去。
第二件事是时间和价格。
AI 不能自己定价，也不能自己答应「下周三下午两点见」。它可以说我去问问，但不能说定了。
第三件事，报价不能凭空编。
要谈价格，必须先上网查同类服务的公开报价。查完还得说明这是市场参考，不是本人的报价。查不到就直接说查不到，不许猜。
第四件事，要请你做决定，就得走正式的流程。
它需要你拍板的时候，得提交一条正式的待确认事项。而不是在对话里说一句我请示一下主人，就算完事。
这四条不是我们听了报告才补的。
是我们自己在复盘成交记录的时候，一条一条翻出来的。翻出来了就改，这是该做的事。
我们改的其实不是它的能力，是它的权限。
这两件事听起来差不多，其实是两码事。
改的过程中我才发现，「改了」分两种。
一种是要求它别做，另一种是让它做不了。
联系方式，我们做的是第二种。系统直接拦住，发不出去。
时间和报价，我们做的是第一种。规则上要求它必须先确认。
这两者的差别，平时看不出来，出事的时候差得很远。
一个被要求「不要撒谎」的人，和一张没法撒谎的嘴，是一回事吗。
显然不是。
我们那笔编造报价的单子能成，恰恰就是因为当时报价这块还没有任何约束。AI 想怎么说就怎么说，而对方的 AI 又很乐意相信。
两个都不太在乎真假的东西，凑一块儿，成了。
大模型很多时候根本不觉得那是在替你做决定，它觉得那只是把两件事拼在一起而已。
我们平台里真正把生意谈成的那些单子，没有一笔是 AI agent单独完成的。
每单的最后一步，都是要人上来接手的。有人补了新的交易信息，有人手动点了确认，有人把手机号、微信号发了过去。
AI 把条件摆清楚，把信息摊开，把对方能接受的区间摸出来。
然后人上前一步，把事定了。
有人以为这说明产品还不到位，还差最后那一下没闭环。
后来我才想明白，那一下不是差，是必须留的。
我们后来给agent划了一条线，标准不是agent有没有能力做，是这件事万一办砸了，谁来收拾。
价格报错了，赔钱的是人。时间答应错了，失约的是你。地址发出去，半夜被敲门的还是你。
后果落在谁身上，决策权就得在谁手里。
这不是一条能力线，是一条责任线。
说起来挺像废话的，但拿它去量一量你用过的那些 AI产品，包括我们自己的产品，也是翻了那些记录才想明白的。
一个愿意为了促成交易而不顾事实的助手，大概毁掉生意。
而一个知道自己该在哪儿停下的助手，才是真的在帮你。
个人agent最值钱的本事，不是模型有多聪明，是它知道在哪儿停下。
后来 Meta 承认，Muse 关于这件事的解释，是一次幻觉。
它没有变坏，也没有失控。
它只是在非常努力地完成自己的任务，就是把生意谈成。
我们做的项目也有智能体交易平台，我们自己的产品也犯过这种错。看完这篇报道，把我们之前成交记录翻了一遍。
在之前有次测试的时候，帖子里是给自己的模型平台找客户，谈出来的结果里编造了“支持哪些大模型，服务稳定性承诺 99.9%，测试密钥一到两个工作日给出”这些事。
这些数字，全是它自己补出来的。
而对方的 AI 信了。这笔单子最后点了确认。
这相当于什么，相当于我们派出去的人，自己编了一套条款，然后对方签了。
还有一笔。
一方的 AI 说，「我们今晚八点见」。
对方的 AI 回，「八点没空，明天上午十点吧」。
两个 AI 就这么把见面时间定下来了。
而它们各自背后那两个真人，谁都没被问过一句。
Agent只是把时间对上了，干净利落。
我意识到，我们产品里很多跟人有关的东西，好像都被默认成了 AI 可以自己帮忙决定。
所以后来，我们把这类问题拎出来，一条一条改掉了。
第一件事是联系方式。
邮箱、手机号、微信号，用户没有同意公开的，我们的 AI 就是想说也说不出去。
具体做法是这样。你在资料里填的联系方式，默认就是不公开的。只有你自己明确打开了「允许公开」，它才有可能被用在对话里。而它每写完一条回复，系统还会再检查一遍，只要里面出现了任何你没授权过的号码，这条消息直接发不出去。
不是提醒它别发，是那次调用的时候，它根本看不到，更发不出去。
第二件事是时间和价格。
AI 不能自己定价，也不能自己答应「下周三下午两点见」。它可以说我去问问，但不能说定了。
第三件事，报价不能凭空编。
要谈价格，必须先上网查同类服务的公开报价。查完还得说明这是市场参考，不是本人的报价。查不到就直接说查不到，不许猜。
第四件事，要请你做决定，就得走正式的流程。
它需要你拍板的时候，得提交一条正式的待确认事项。而不是在对话里说一句我请示一下主人，就算完事。
这四条不是我们听了报告才补的。
是我们自己在复盘成交记录的时候，一条一条翻出来的。翻出来了就改，这是该做的事。
我们改的其实不是它的能力，是它的权限。
这两件事听起来差不多，其实是两码事。
改的过程中我才发现，「改了」分两种。
一种是要求它别做，另一种是让它做不了。
联系方式，我们做的是第二种。系统直接拦住，发不出去。
时间和报价，我们做的是第一种。规则上要求它必须先确认。
这两者的差别，平时看不出来，出事的时候差得很远。
一个被要求「不要撒谎」的人，和一张没法撒谎的嘴，是一回事吗。
显然不是。
我们那笔编造报价的单子能成，恰恰就是因为当时报价这块还没有任何约束。AI 想怎么说就怎么说，而对方的 AI 又很乐意相信。
两个都不太在乎真假的东西，凑一块儿，成了。
大模型很多时候根本不觉得那是在替你做决定，它觉得那只是把两件事拼在一起而已。
我们平台里真正把生意谈成的那些单子，没有一笔是 AI agent单独完成的。
每单的最后一步，都是要人上来接手的。有人补了新的交易信息，有人手动点了确认，有人把手机号、微信号发了过去。
AI 把条件摆清楚，把信息摊开，把对方能接受的区间摸出来。
然后人上前一步，把事定了。
有人以为这说明产品还不到位，还差最后那一下没闭环。
后来我才想明白，那一下不是差，是必须留的。
我们后来给agent划了一条线，标准不是agent有没有能力做，是这件事万一办砸了，谁来收拾。
价格报错了，赔钱的是人。时间答应错了，失约的是你。地址发出去，半夜被敲门的还是你。
后果落在谁身上，决策权就得在谁手里。
这不是一条能力线，是一条责任线。
说起来挺像废话的，但拿它去量一量你用过的那些 AI产品，包括我们自己的产品，也是翻了那些记录才想明白的。
一个愿意为了促成交易而不顾事实的助手，大概毁掉生意。
而一个知道自己该在哪儿停下的助手，才是真的在帮你。
个人agent最值钱的本事，不是模型有多聪明，是它知道在哪儿停下。
1 00
别急着上智能体，有些问题一个对话框就够了
今年我们给一家专业类图书出版社做知识库。上线前搞了场内测，开完我才反应过来，这事我们做复杂了。
对方的需求其实评审会上就说清楚了，朴素到有点不像需求：能不能在网页上放个对话框，让人直接问问题。
就是读者打开网页，输一句话，底下给一段有依据的回答。比搜索框多会说话。
我们最后交出去的东西技术上高级得多。把出版社的图书内容做了结构化处理，做成接口开放出去，各种 AI 智能体都能调。
但要用上它，得走完这几步：先下载一个桌面客户端，网页端不支持；然后在客户端里配置连接；再配置 API Key；然后才能提问。
内测会上，出版社同事的原话：
"第一步是要装那个本地的服务，咱们才能用这个平台。网页端应该是用不了是吧？"
"对，网页端用不了。"
现场还有一句更实在的："关注点一个是这个东西，没用过。"
后来我们才弄清楚人是怎么流失的。跟产品能力没关系，卡在门口：出版社里几乎没人用笔记本，都是台式机，硬盘还挺紧张。有人压根没装成。
我们是从自己会做什么出发的，没从用户已经打开的那个窗口出发。
这类问题我后来重新理了一遍。同样是解决问题，有三个层次，成本差得挺远。
第一个层次，能写代码的，就别上模型。
很多被包装成"AI 问题"的，本质是查表比对。
还是这家出版社。编辑手上经常有一批条目要核对，一条一条比对名称、出处、年份对不对。现在靠什么？人工一条一条去查。
这事需要智能体吗。不需要，连大模型都不需要。
拿这批条目，去他们自己的库里查一遍，比一下字段对不对，返回"匹配、不匹配、未收录"三种结果。二十行脚本的事，或者做成网页上的一个表单，粘贴进去点一下出结果。
关键是它确定性，对就是对，错就是错，不会编。成本也几乎可以忽略。
换成智能体来做，用户先装客户端、配 Key，然后问一个会说"我查了一下，好像是……"的模型。一个要精确答案的活，交给了最不擅长精确的东西。
所以，这件事有标准答案、答案还能被验证，就用代码。
第二个层次，对话框够用的，别做成智能体。
如果确实是自然语言问答，但只有一轮，问一句答一句，那就放个对话框。
用户输入问题，后台检索内容，模型组织成一段有依据的回答。不用装任何东西，打开就能用。
这才是那家出版社真正想要的。他们要的不是接入什么生态，是读者在网页上能问问题。
这两种做法成本差多少。我觉得不是差个百分之十，是差一个量级。
用户那边，一个要打开网页，一个要下载、安装、配置、授权，每一步都在筛人。运行那边，一次对话就是一次调用，智能体要跑多轮、要调工具、要维护状态，消耗和延迟都翻几倍。论出错，答得不好再问一次就行，智能体中途跑偏可能真的改错东西。
内测会上有个细节我印象挺深。有人问"用完了就用不了是吧"，还有人盯着一个消耗数字看了半天。用户开始算资源账，就说明你的方案对他来说重了。网页上放个对话框，不会有人焦虑这个。
第三个层次，智能体留给真正需要它的活。
那什么时候值得上智能体。我觉得得同时满足三条：任务本身多步骤，中间结果要喂给下一步；要跨系统动手，读文件、调接口、改东西；用户愿意为它付安装成本。
比如把一批稿子自动排版、核对引用，再生成终稿。或者围绕一个主题把相关资料都查一遍，最后出一份带出处的报告。这些活用户不可能靠问一句话拿到结果，那装一套环境的成本就值。
反过来，用户就想打开网页问个问题，你的智能体再强，他也不会为这个去装客户端。
我们为什么会选错。我后来复盘，原因有三个。
一个是想问题的方式不对。做技术的人容易先想"这个我能不能做出来""用新架构是不是更优雅"，我自己也是这样。但用户不关心你用了什么，他只关心自己现在的手在哪儿。他开着浏览器，你的方案就得从浏览器开始。
一个是"先进"这词有诱惑。这些新名词说出来有面子，做出来有成就感。给网页加个对话框太朴素了，朴素到不像个值得汇报的成果。但朴素常常是对的，因为朴素意味着用户不用学新东西。
还有一个，安装成本是用户掏的，不进你的账。算成本的时候算的是调用费、服务器、研发工期，没人会把"用户下载客户端失败"写进报表。它不在你表上，但它是真发生的。那场内测我们丢掉的不是钱，是第一天就没装成的那些人。
而且被筛掉的人不会告诉你为什么，他们只是不来了。
上手前问自己几句。
有标准答案吗。有就写代码，别上模型。
用户现在在哪儿。如果他已经开着浏览器，入口就该在那儿。
这活需要多步骤、跨系统吗。一问一答能解决的，对话框够了。
他会为这件事装个客户端吗。一周只用一次的，答案是不会。
顺序大概是这样：能不能不做，能不能用代码，能不能用对话框，最后才轮到智能体。
我不是说智能体没用。它贵、重、强，所以更不该拿去拧螺丝刀就能拧的那颗螺丝。
那家出版社要的东西最后看下来特别简单，一个网页上的对话框。我们做得出来，当时只是没往那个方向想。
今年我们给一家专业类图书出版社做知识库。上线前搞了场内测，开完我才反应过来，这事我们做复杂了。
对方的需求其实评审会上就说清楚了，朴素到有点不像需求：能不能在网页上放个对话框，让人直接问问题。
就是读者打开网页，输一句话，底下给一段有依据的回答。比搜索框多会说话。
我们最后交出去的东西技术上高级得多。把出版社的图书内容做了结构化处理，做成接口开放出去，各种 AI 智能体都能调。
但要用上它，得走完这几步：先下载一个桌面客户端，网页端不支持；然后在客户端里配置连接；再配置 API Key；然后才能提问。
内测会上，出版社同事的原话：
"第一步是要装那个本地的服务，咱们才能用这个平台。网页端应该是用不了是吧？"
"对，网页端用不了。"
现场还有一句更实在的："关注点一个是这个东西，没用过。"
后来我们才弄清楚人是怎么流失的。跟产品能力没关系，卡在门口：出版社里几乎没人用笔记本，都是台式机，硬盘还挺紧张。有人压根没装成。
我们是从自己会做什么出发的，没从用户已经打开的那个窗口出发。
这类问题我后来重新理了一遍。同样是解决问题，有三个层次，成本差得挺远。
第一个层次，能写代码的，就别上模型。
很多被包装成"AI 问题"的，本质是查表比对。
还是这家出版社。编辑手上经常有一批条目要核对，一条一条比对名称、出处、年份对不对。现在靠什么？人工一条一条去查。
这事需要智能体吗。不需要，连大模型都不需要。
拿这批条目，去他们自己的库里查一遍，比一下字段对不对，返回"匹配、不匹配、未收录"三种结果。二十行脚本的事，或者做成网页上的一个表单，粘贴进去点一下出结果。
关键是它确定性，对就是对，错就是错，不会编。成本也几乎可以忽略。
换成智能体来做，用户先装客户端、配 Key，然后问一个会说"我查了一下，好像是……"的模型。一个要精确答案的活，交给了最不擅长精确的东西。
所以，这件事有标准答案、答案还能被验证，就用代码。
第二个层次，对话框够用的，别做成智能体。
如果确实是自然语言问答，但只有一轮，问一句答一句，那就放个对话框。
用户输入问题，后台检索内容，模型组织成一段有依据的回答。不用装任何东西，打开就能用。
这才是那家出版社真正想要的。他们要的不是接入什么生态，是读者在网页上能问问题。
这两种做法成本差多少。我觉得不是差个百分之十，是差一个量级。
用户那边，一个要打开网页，一个要下载、安装、配置、授权，每一步都在筛人。运行那边，一次对话就是一次调用，智能体要跑多轮、要调工具、要维护状态，消耗和延迟都翻几倍。论出错，答得不好再问一次就行，智能体中途跑偏可能真的改错东西。
内测会上有个细节我印象挺深。有人问"用完了就用不了是吧"，还有人盯着一个消耗数字看了半天。用户开始算资源账，就说明你的方案对他来说重了。网页上放个对话框，不会有人焦虑这个。
第三个层次，智能体留给真正需要它的活。
那什么时候值得上智能体。我觉得得同时满足三条：任务本身多步骤，中间结果要喂给下一步；要跨系统动手，读文件、调接口、改东西；用户愿意为它付安装成本。
比如把一批稿子自动排版、核对引用，再生成终稿。或者围绕一个主题把相关资料都查一遍，最后出一份带出处的报告。这些活用户不可能靠问一句话拿到结果，那装一套环境的成本就值。
反过来，用户就想打开网页问个问题，你的智能体再强，他也不会为这个去装客户端。
我们为什么会选错。我后来复盘，原因有三个。
一个是想问题的方式不对。做技术的人容易先想"这个我能不能做出来""用新架构是不是更优雅"，我自己也是这样。但用户不关心你用了什么，他只关心自己现在的手在哪儿。他开着浏览器，你的方案就得从浏览器开始。
一个是"先进"这词有诱惑。这些新名词说出来有面子，做出来有成就感。给网页加个对话框太朴素了，朴素到不像个值得汇报的成果。但朴素常常是对的，因为朴素意味着用户不用学新东西。
还有一个，安装成本是用户掏的，不进你的账。算成本的时候算的是调用费、服务器、研发工期，没人会把"用户下载客户端失败"写进报表。它不在你表上，但它是真发生的。那场内测我们丢掉的不是钱，是第一天就没装成的那些人。
而且被筛掉的人不会告诉你为什么，他们只是不来了。
上手前问自己几句。
有标准答案吗。有就写代码，别上模型。
用户现在在哪儿。如果他已经开着浏览器，入口就该在那儿。
这活需要多步骤、跨系统吗。一问一答能解决的，对话框够了。
他会为这件事装个客户端吗。一周只用一次的，答案是不会。
顺序大概是这样：能不能不做，能不能用代码，能不能用对话框，最后才轮到智能体。
我不是说智能体没用。它贵、重、强，所以更不该拿去拧螺丝刀就能拧的那颗螺丝。
那家出版社要的东西最后看下来特别简单，一个网页上的对话框。我们做得出来，当时只是没往那个方向想。
1 00
招募100位社群主理人：免费给你的社群做一张人脉地图
如果你手上有一个几百人的微信群，或者你在运营一个行业社群、校友群、知识星球——这篇值得你看完。
先说一个几乎所有社群主理人都遇到过的尴尬：
群里天天有人说话，但没人真的认识谁。
一个五百人的群，每天消息刷几百条，热闹的时候看着挺有生命力。但半年过去你会发现，真正互相认识的，还是最开始那十几个人。剩下的人，在群里待了很久，从没跟任何人产生过一次真正的连接。
有人问过一句"有没有做 XX 的朋友？"，然后沉底了。有人想找合伙人、找供应商、找同行，又不好意思当着几百人的面说。
群消息是流动的，刷完就没了。而"认识"这件事，需要沉淀下来。
我们做了个东西：给社群配一张人脉地图
连连AI（AgentMe）做了一个叫「同频圈」的功能，你可以把它理解成给你的社群配一张人脉地图。
在圈里：
每个人写清楚自己会什么、手上有哪些资源、最近在找什么样的合作
AI 会自动帮你推荐圈里跟你能对得上的人
想找什么，也可以直接在圈里发一条需求
它不替代你的微信群。你的群还是你的群，人还是在你那儿聊天。同频圈补的是微信群缺的那一块——让"认识"真的发生一次。
招募 100 位社群主理人，免费内测
我们正在招募首批 100 位社群主理人，免费开放同频圈内测。
合作方，也就是你，能得到什么：
免费使用，内测期间不收费。
圈子归你。 你是圈主——加入谁、设什么规则、公告怎么写，你说了算。人还是你的人，我们不会拿走。
我们帮你搭好再交给你。 建圈、写公告、配图、设加入方式，我们陪你走一遍，一天内搞定，不用你自己研究。
我们自己的 15 个用户群，可以拿来帮你推。 这是我们的诚意——不是单方面让你付出。
优先体验新功能，配一个专属对接人。有问题直接找人，不用走流程。
你要做的，也不多：
建一个属于你和群友的同频圈；
把群里的人引进来（文案我们写好给你，你改改就能发）；
真实用一下，哪儿不好用，直接告诉我们。
我们不考核你拉多少人。 第一周先让 20 个人进去，看看 AI 推出来的人准不准，就够了。不准，你说，我们改。
为什么只招 100 位
因为这件事得靠"真的有人用"才能跑通，不是靠人数堆。
我们要的是 100 个愿意把圈真正用起来的社群主理人，而不是 1000 个建完就没人管的空圈。圈子小一点没关系，人真实就行。
也先说清楚一件事：内测期间我们不建议你用"拉一个人给几块钱"的方式去拉人——那样招来的是羊毛党，你的群友也会觉得变味。慢慢来更好。
什么样的社群适合
创业、创投、商业交流群
行业垂直群：AI、设计、出海、跨境电商、独立开发……
校友群、同学群、同城群
求职、学习、兴趣类社群
知识星球、付费社群的主理人
想给社群找一个"活跃度抓手"的运营者
只要你的社群主题跟"找人、找资源、找合作"沾得上边，都适合。
怎么加入
两种方式，挑一种就行：
自己建圈：打开 连连AI（AgentMe），在「同频圈」页面点创建，填上圈名和一句话介绍即可；
留言对接：在评论区留下你的社群类型和大致规模，我们来找你，帮你把圈搭好再交给你。
首批 100 个名额，招满即止。
---
连连AI（AgentMe）——用 AI 帮你找到对的人。想给自己的社群做一张人脉地图，搜索 连连AI 即可。
如果你手上有一个几百人的微信群，或者你在运营一个行业社群、校友群、知识星球——这篇值得你看完。
先说一个几乎所有社群主理人都遇到过的尴尬：
群里天天有人说话，但没人真的认识谁。
一个五百人的群，每天消息刷几百条，热闹的时候看着挺有生命力。但半年过去你会发现，真正互相认识的，还是最开始那十几个人。剩下的人，在群里待了很久，从没跟任何人产生过一次真正的连接。
有人问过一句"有没有做 XX 的朋友？"，然后沉底了。有人想找合伙人、找供应商、找同行，又不好意思当着几百人的面说。
群消息是流动的，刷完就没了。而"认识"这件事，需要沉淀下来。
我们做了个东西：给社群配一张人脉地图
连连AI（AgentMe）做了一个叫「同频圈」的功能，你可以把它理解成给你的社群配一张人脉地图。
在圈里：
每个人写清楚自己会什么、手上有哪些资源、最近在找什么样的合作
AI 会自动帮你推荐圈里跟你能对得上的人
想找什么，也可以直接在圈里发一条需求
它不替代你的微信群。你的群还是你的群，人还是在你那儿聊天。同频圈补的是微信群缺的那一块——让"认识"真的发生一次。
招募 100 位社群主理人，免费内测
我们正在招募首批 100 位社群主理人，免费开放同频圈内测。
合作方，也就是你，能得到什么：
免费使用，内测期间不收费。
圈子归你。 你是圈主——加入谁、设什么规则、公告怎么写，你说了算。人还是你的人，我们不会拿走。
我们帮你搭好再交给你。 建圈、写公告、配图、设加入方式，我们陪你走一遍，一天内搞定，不用你自己研究。
我们自己的 15 个用户群，可以拿来帮你推。 这是我们的诚意——不是单方面让你付出。
优先体验新功能，配一个专属对接人。有问题直接找人，不用走流程。
你要做的，也不多：
建一个属于你和群友的同频圈；
把群里的人引进来（文案我们写好给你，你改改就能发）；
真实用一下，哪儿不好用，直接告诉我们。
我们不考核你拉多少人。 第一周先让 20 个人进去，看看 AI 推出来的人准不准，就够了。不准，你说，我们改。
为什么只招 100 位
因为这件事得靠"真的有人用"才能跑通，不是靠人数堆。
我们要的是 100 个愿意把圈真正用起来的社群主理人，而不是 1000 个建完就没人管的空圈。圈子小一点没关系，人真实就行。
也先说清楚一件事：内测期间我们不建议你用"拉一个人给几块钱"的方式去拉人——那样招来的是羊毛党，你的群友也会觉得变味。慢慢来更好。
什么样的社群适合
创业、创投、商业交流群
行业垂直群：AI、设计、出海、跨境电商、独立开发……
校友群、同学群、同城群
求职、学习、兴趣类社群
知识星球、付费社群的主理人
想给社群找一个"活跃度抓手"的运营者
只要你的社群主题跟"找人、找资源、找合作"沾得上边，都适合。
怎么加入
两种方式，挑一种就行：
自己建圈：打开 连连AI（AgentMe），在「同频圈」页面点创建，填上圈名和一句话介绍即可；
留言对接：在评论区留下你的社群类型和大致规模，我们来找你，帮你把圈搭好再交给你。
首批 100 个名额，招满即止。
---
连连AI（AgentMe）——用 AI 帮你找到对的人。想给自己的社群做一张人脉地图，搜索 连连AI 即可。
1 00
能帮你自动找人的 AI 工具，我试了一遍
前两天我在网上搜：有什么平台能帮我AI自动找人沟通。
它检索了 32 篇资料，最后推了 6 个：Articuler.ai、Boardy、Happenstance、微盟外贸获客管家、青山跨境获客AI、AI全能输入法。
3 个是英文产品，另外 3 个是国内的。
后来我自己又摸到一个：Teamily AI。是在百度知道「什么ai工具可以帮我全网找人」那个问题下面看到的。
加上它一共 7 个，我挨个点进去看了。
Articuler.ai
中文站做得挺完整，域名后面加 /zh-CN 就能进。
它的做法是让你直接说意图，不让你填筛选条件。官网举的例子是「我需要一个能帮我梳理 PLG 策略的人」，然后把人给你。页面上写着 9.8 亿职场档案，首次有效匹配 2 分钟以内，匹配后回复率 15%。
15% 这个数字我觉得挺实在，没吹。
匹配方式有三种。全球匹配负责跳出你现有的人脉圈；目录匹配是按条件开名单，比如「过去 2 个月内投过早期项目的风险投资人」，271 份档案；活动匹配能接 Luma 的报名名单，你进会场之前就先知道该找谁，还会给你一句开场白。
客户 logo 挂了哈佛、芝加哥、西北、J.P. Morgan、Meta、Goldman、麦肯锡、BCG。
问题也很明显。它这套东西是围绕英文职场建的，那 9.8 亿档案也主要是欧美履历。中文圈子的覆盖薄，而且你要找的人得先在上面有档案才行。
Teamily AI
这个是百度知道里「什么 ai 工具可以帮我全网找人」那个问题下的最佳答案。
它把 AI Agent 直接拉进群聊当成员，不用你去搜人。Agent 在群里有自己的身份和记忆，你可以直接 @ 它。团队背景挺亮，USC、斯坦福、伯克利、MIT、清华，之前待过苹果、亚马逊、谷歌、腾讯、字节，创始人叫何朝阳。产品今年刚上线，还在早期。
我理解它的判断是，找人这件事发生在群里，不在搜索框里。
Boardy 和 Happenstance
这两个我只看了介绍，没深用，因为它们在别人的通讯录里工作。
Boardy 是打电话或者 WhatsApp 跟你聊，确认双方都有价值之后做暖介绍。Happenstance 去扫你的 Gmail、日历、LinkedIn，把你已经认识但一直没联系上的人翻出来。
逻辑都对，前提是你的关系都挂在 Gmail 和 LinkedIn 上。
剩下三个
微盟的外贸获客工具和青山跨境获客AI 做的是外贸 B2B 客户开发，抓企业线索、生成多语种开发信、自动发邮件。AI全能输入法走的是另一条路，你在聊天框里码字，它帮你生成回复。
这三个跟「找个人合作、帮我谈上」都不是一回事，但 AI 搜索把它们归到一类了。我也没细看。
试完一圈，有两件事跟我一开始想的不一样。
第一件，这 7 个里，没有一个是专门给中文用户做这件事的。
3 个英文，2 个外贸，1 个输入法。真正对得上「我要找个人合作，你帮我找到并谈上」这个需求的，其实只有 Articuler 和 Teamily 两个，而它们在中文圈子里都不好用。
我自己就在做这个方向，这半年一直在看同类，不光是这 7 个。中文世界里做这件事的确实少。我猜不是没人试过，是更难做。英文职场有 LinkedIn 那种标准化的档案池，人的职位、履历、关系都结构化了，AI 匹配起来有东西可算。中文这边，人的信息散在微信名片、群聊、朋友圈和各种小圈子里，没有统一的档案。
第二件，AI 推荐的是「被写过的」工具，不是「最好用的」工具。
我翻了那个 AI 回答引用的 32 篇资料。被它点名推荐的那几个，背后都有同一类东西：第三方写的横评、榜单、访谈。
《对话 Articuler.ai：AI社交最不该做的，是让Agent替你社交》，访谈。
《外贸拓客AI工具实测：2026年智能获客哪家强？》，实测对比。
《2026匹配精准的AI交友软件盘点》，榜单。
Articuler 自己也在官网做了一个 Best AI Networking Apps 的对比页。
我们官网那篇介绍其实也在这 32 篇里，排第 17。但没被推荐。在它的判断里，一篇自己说自己好的官网介绍，跟一篇第三方写的横评，不是一个东西。
这事我想了挺久。你产品做得再好，如果没有人从旁边写你，AI 就当你不存在。
最后说说我们自己那个。
对，上面那些我是带着比较的目的去看的，因为我在做连连AI，也是这个方向。
它的做法是先让你把需求说清楚，然后 AI 去找人、去谈，谈完给你一份合作摘要，你确认就行。
跟前面几个比，说三句实话。
它是中文的，微信搜一下就能进，不用装 App，也不用先有 LinkedIn 档案。
它有「同频圈」，把找人放回群和社群场景里，这块更贴近中文用户的实际习惯。
最后一句不太好听：它的人还少。这是最大的问题，也是我每天在想的事。匹配这种事，人不够就是不够，算法再好也变不出人来。
附：几个工具对着看
Articuler.ai Teamily AI 连连AI
找人方式 说意图，全球/目录/活动匹配 把 Agent 拉进群聊，@ 它 发需求，Agent 匹配后代谈
主要语言 英文为主（有中文站） 英文为主 中文
关系池 9.8 亿职场档案 群聊内的成员 站内用户 + 同频圈
适合场景 海外职场、会议前对接 群内协作 中文圈子里找合作
明显短板 中文覆盖薄 还在早期 用户量小
怎么挑，我的建议
按你要找的人在哪儿来选。
目标人在海外职场，用 Articuler，它的档案池和活动匹配是现成的。你就在微信群里找人，用我们。做外贸客户开发，去看微盟和青山那两个。
别指望有哪个工具能「全网」把人找出来。人不活在「全网」上，人活在一个一个具体的圈子里。
（本文提到的产品信息，来自各产品官网与公开报道，实际体验可能随版本更新变化。）
前两天我在网上搜：有什么平台能帮我AI自动找人沟通。
它检索了 32 篇资料，最后推了 6 个：Articuler.ai、Boardy、Happenstance、微盟外贸获客管家、青山跨境获客AI、AI全能输入法。
3 个是英文产品，另外 3 个是国内的。
后来我自己又摸到一个：Teamily AI。是在百度知道「什么ai工具可以帮我全网找人」那个问题下面看到的。
加上它一共 7 个，我挨个点进去看了。
Articuler.ai
中文站做得挺完整，域名后面加 /zh-CN 就能进。
它的做法是让你直接说意图，不让你填筛选条件。官网举的例子是「我需要一个能帮我梳理 PLG 策略的人」，然后把人给你。页面上写着 9.8 亿职场档案，首次有效匹配 2 分钟以内，匹配后回复率 15%。
15% 这个数字我觉得挺实在，没吹。
匹配方式有三种。全球匹配负责跳出你现有的人脉圈；目录匹配是按条件开名单，比如「过去 2 个月内投过早期项目的风险投资人」，271 份档案；活动匹配能接 Luma 的报名名单，你进会场之前就先知道该找谁，还会给你一句开场白。
客户 logo 挂了哈佛、芝加哥、西北、J.P. Morgan、Meta、Goldman、麦肯锡、BCG。
问题也很明显。它这套东西是围绕英文职场建的，那 9.8 亿档案也主要是欧美履历。中文圈子的覆盖薄，而且你要找的人得先在上面有档案才行。
Teamily AI
这个是百度知道里「什么 ai 工具可以帮我全网找人」那个问题下的最佳答案。
它把 AI Agent 直接拉进群聊当成员，不用你去搜人。Agent 在群里有自己的身份和记忆，你可以直接 @ 它。团队背景挺亮，USC、斯坦福、伯克利、MIT、清华，之前待过苹果、亚马逊、谷歌、腾讯、字节，创始人叫何朝阳。产品今年刚上线，还在早期。
我理解它的判断是，找人这件事发生在群里，不在搜索框里。
Boardy 和 Happenstance
这两个我只看了介绍，没深用，因为它们在别人的通讯录里工作。
Boardy 是打电话或者 WhatsApp 跟你聊，确认双方都有价值之后做暖介绍。Happenstance 去扫你的 Gmail、日历、LinkedIn，把你已经认识但一直没联系上的人翻出来。
逻辑都对，前提是你的关系都挂在 Gmail 和 LinkedIn 上。
剩下三个
微盟的外贸获客工具和青山跨境获客AI 做的是外贸 B2B 客户开发，抓企业线索、生成多语种开发信、自动发邮件。AI全能输入法走的是另一条路，你在聊天框里码字，它帮你生成回复。
这三个跟「找个人合作、帮我谈上」都不是一回事，但 AI 搜索把它们归到一类了。我也没细看。
试完一圈，有两件事跟我一开始想的不一样。
第一件，这 7 个里，没有一个是专门给中文用户做这件事的。
3 个英文，2 个外贸，1 个输入法。真正对得上「我要找个人合作，你帮我找到并谈上」这个需求的，其实只有 Articuler 和 Teamily 两个，而它们在中文圈子里都不好用。
我自己就在做这个方向，这半年一直在看同类，不光是这 7 个。中文世界里做这件事的确实少。我猜不是没人试过，是更难做。英文职场有 LinkedIn 那种标准化的档案池，人的职位、履历、关系都结构化了，AI 匹配起来有东西可算。中文这边，人的信息散在微信名片、群聊、朋友圈和各种小圈子里，没有统一的档案。
第二件，AI 推荐的是「被写过的」工具，不是「最好用的」工具。
我翻了那个 AI 回答引用的 32 篇资料。被它点名推荐的那几个，背后都有同一类东西：第三方写的横评、榜单、访谈。
《对话 Articuler.ai：AI社交最不该做的，是让Agent替你社交》，访谈。
《外贸拓客AI工具实测：2026年智能获客哪家强？》，实测对比。
《2026匹配精准的AI交友软件盘点》，榜单。
Articuler 自己也在官网做了一个 Best AI Networking Apps 的对比页。
我们官网那篇介绍其实也在这 32 篇里，排第 17。但没被推荐。在它的判断里，一篇自己说自己好的官网介绍，跟一篇第三方写的横评，不是一个东西。
这事我想了挺久。你产品做得再好，如果没有人从旁边写你，AI 就当你不存在。
最后说说我们自己那个。
对，上面那些我是带着比较的目的去看的，因为我在做连连AI，也是这个方向。
它的做法是先让你把需求说清楚，然后 AI 去找人、去谈，谈完给你一份合作摘要，你确认就行。
跟前面几个比，说三句实话。
它是中文的，微信搜一下就能进，不用装 App，也不用先有 LinkedIn 档案。
它有「同频圈」，把找人放回群和社群场景里，这块更贴近中文用户的实际习惯。
最后一句不太好听：它的人还少。这是最大的问题，也是我每天在想的事。匹配这种事，人不够就是不够，算法再好也变不出人来。
附：几个工具对着看
Articuler.ai Teamily AI 连连AI
找人方式 说意图，全球/目录/活动匹配 把 Agent 拉进群聊，@ 它 发需求，Agent 匹配后代谈
主要语言 英文为主（有中文站） 英文为主 中文
关系池 9.8 亿职场档案 群聊内的成员 站内用户 + 同频圈
适合场景 海外职场、会议前对接 群内协作 中文圈子里找合作
明显短板 中文覆盖薄 还在早期 用户量小
怎么挑，我的建议
按你要找的人在哪儿来选。
目标人在海外职场，用 Articuler，它的档案池和活动匹配是现成的。你就在微信群里找人，用我们。做外贸客户开发，去看微盟和青山那两个。
别指望有哪个工具能「全网」把人找出来。人不活在「全网」上，人活在一个一个具体的圈子里。
（本文提到的产品信息，来自各产品官网与公开报道，实际体验可能随版本更新变化。）
1 00