Wink Pings

Agent有眼睛了:Teamily AI视频Agent实测

Teamily AI发布视频通话Agent,Agent有了一张“脸”,还能通过摄像头和AI眼镜看到用户的世界。实测:对着镜头说需求,4分钟拿到52个项目清单,20分钟后扩展到237个。飞书、钉钉们,要睡不着了。

Teamily AI上线了视频通话Agent。官方说得直接:所有Agent有了一张“脸”,也能通过你的摄像头和AI眼镜,看到你看到的世界。

这是什么体验?看一个真实案例。

有网友@叫我阿杭 最近在带团队做联盟营销(affiliate),一直想找更多好的Affiliate项目。他直接给Agent打了个视频电话,把笔记本举到镜头前,边说边让Agent看。Agent把通话内容整理成纪要,按纪要开干。

官方发布视频:

4分钟,第一版联盟营销信息库交付:52个项目,佣金比例、结算周期、cookie天数、收款方式、适不适合国内创作者,逐项列好。

他让Agent再加信息源,做成每天自动整理。20分钟后第二版交付:4个信息源、237个项目,新增185个,68个精选推荐,连自动化循环(loop)怎么搭,都写成了说明。

用户实测视频:

视频通话只是表面。真正的变化是,Agent从“听指令”变成了“看得到”。文字描述不清楚的场景,直接给它看。

评论区反应不一。@叫我阿杭 觉得飞书、钉钉、WorkBuddy的产研团队今晚要睡不着了,也有网友说这是范式的改变;有网友提到,豆包团队也在关注,语音和视频能力都是现成且成熟的,应该很快就能跟上;还有人不太买账,觉得除了浪费token和流量,看不出有什么作用。

不管哪种判断,一个趋势是明确的:Agent开始拥有视觉能力,而且不限于视频通话。

@OmAI_lab 开源的视觉模型 VLX-Seek,走的是另一个方向。做视觉识别,以往每来一个新需求,可能要重新标注数据、训练模型。VLX-Seek试图改变这件事:同一个画面,换一句话,就能指定不同的定位目标。

“找出被白色快递袋围着的黑色包裹”
“找出左边穿蓝色工作服的工人”
“找出白帽工人脚下的蓝桶”

演示视频:

以前是让人适应模型的检测类别,现在是让模型理解人的需求。工业质检、仓储物流、机器人、智能硬件,很多过去难实现的视觉识别场景,有了新的思路。模型代码和权重已在GitHub开源。

有制造业的网友在相关讨论中表示,这类技术之前研究过,但忙不过来,视觉监控能看设备进度、及时反馈到电脑,是实际需求。

Agent会“看”了。接下来该看飞书、钉钉们怎么接招。

发布时间: 2026-11-20 18:14