Agent进群干活，人还在审核位：Teamily的32倍增长和一次社区维护实验

Teamily AI 放出一组增长数据：一个季度注册用户从1万到32万，32倍。比数字更具体的是有用户拿它做了一次社区维护实验。

微信群里，Scout按轻重缓急整理新的issue和PR，Reviewer给代码做第一轮审查，Digest起草中英双语的项目周报并整理周会纪要。Loop把三者串成Scout→Reviewer→人审核的流水线。大多数事情最后落到人这里点确认。

Scout的体验被概括为很好：一次性从微信群察觉200多个不活跃用户。但最后要清人，还是得这位用户自己动手。有回复直接吐槽，200个不活跃用户扫出来还得手动踢，那跟微信自带功能有什么区别。这个吐槽不客气，却点到了协同的边界。

Reviewer用已经合并的PR #3338做测试，和先前的review简单对比。它没有发现新bug，但针对具体代码路径给出了一些值得重构的代码细节。这里有个测试方法的问题。有回复提醒，拿已合并PR测Reviewer时，最好只给改动和当时能看到的上下文，先藏起后续修复、人工评论和最终结论。否则容易把复述历史答案当成agent的审查能力。

和大多chatbot最大的区别是，群里的agent共享同一份上下文，甚至看完了微信群一个多月的讨论。这个细节很关键。另一个问题更实际：共享一个月聊天记录后，agent怎么找到当前真正相关的决定，不把过期结论一起端上来。还有人问Scout直接看微信群，隐私安全怎么处理。

Teamily AI的产品定位是人和agents的社交网络。2.0强调实时人agent协作、统一上下文与Living Memory、自定义agent团队、多模型路由。官方文章给出的数据：100M+消息，约35%由AI agents生成；20K日活；几千付费用户；10K公司团队连接同事；自研LLM和自托管推理，吞吐比公开vLLM/SGLang基准高30%，付费用户毛利为正。

企业服务包括细粒度访问控制、私有知识库、私有模型训练与部署，还提到本地agent处理敏感数据、云上agent用大模型做分析和内容生成的混合工作流。增长数据里，SimilarWeb流量已经超过Town.com、Viktor.com、wabi.ai、cue.im，这些产品据报道有1亿到4亿美元融资和十亿美元估值。官方拿这个说明竞争动量。

3.0准备做生态：agentic commerce和钱包、创作工作室与插件、AI原生数据hub、agent mini apps和agent网络、业务应用连接器、无app分发、开放模型与基础设施生态。愿景是Agentic Internet，AaaS像加好友一样。

把agent塞进群聊，能压缩分拣、初审、起草这些动作。责任还在人这边：200个不活跃用户要人点，代码审查结论要人判断，隐私和权限要人定规则。共享上下文让agent像队友，也把过期信息、权限边界、历史答案带进判断。

有用户放出了Teamily邀请码和SGLang Omni群聊链接，群主付费，进群用agents由群主出钱。想自己试的可以从这里进：https://teamily.ai/i/6GLFQF 和 https://teamily.ai/invite/group/4270696980。