深度体验Town AI一周后，我终于明白为什么硅谷VC都在推荐它了

作者 | Kino

编辑 | 赖捷

最近，一款叫Town的AI助手，成了硅谷创投圈最火的AI产品之一。

上线不到两个月，Town的用户数相比6月初增长超过四倍，而且几乎全部依靠口碑传播。据海外商业媒体Inc.报道，Town在全球顶级风投机构a16z内部“像野火一样蔓延”。

a16z在今年6月领投了它的5500万美元A轮融资，负责这笔投资的a16z投资人Justine Moore表示，过去几年，她一直在寻找真正面向普通消费者的个人AI助理。她认为，此前很多AI助手，要么出自技术高手之手，却缺乏产品体验；要么擅长流量分发，却缺乏技术能力。

今天的大多数AI助手，都需要你先想到一个需求，再告诉AI完成，但其实很多普通用户根本不知道可以让AI帮自己做什么。

Town的思路正好相反。接入邮箱、日历、X、GitHub、Notion、Cursor等平台之后，它会自动分析、理解你工作和生活的全部上下文，并不断主动提议能帮你做些什么，把分散在各个平台的信息，像秘书一样给你提炼出来，预判你的需求。

Town目前集成的全部应用

Town的另一个特别之处，在于人格化设计。它看起来不像传统意义上的AI助手，更像一只电子宠物。

Town里的AI被统称为Townie，你也可以给它起名字、自定义外形、性格和说话方式。Town的联合创始人认为，一个能够访问你各种私人信息的AI助手，应该让人觉得有趣和有亲和力。

Town为什么会火、产品设计有哪些值得借鉴的地方，它代表了AIAgent哪些新趋势？

过去一年，我们看过太多AI Agent在复杂任务中的惊艳表现：写代码、做研究、操作电脑、调用工具、完成多步骤工作流……

Agent的能力边界不断被推高，以至于我越来越习惯用“能力上限”去衡量一款AI产品，因此低估了消费级AI助手的价值。

相比之下，那些帮你回复邮件、管理日程、整理会议、推送资讯的AI助手，反而显得有些“不够性感”。因为它们解决的都是琐碎的日常问题，看起来既没有技术突破，也缺乏令人眼前一亮的演示效果。

但在深度使用了几天TownAI后，我开始重新思考一个问题：一款真正面向普通人的消费级AI助手，到底应该是什么样的？

和通用AI助手相比，

Town到底特别在哪？

第一次打开Town，整个引导流程和大多数AI产品都不太一样。

首先你需要设置所在的时区，授权邮箱和日历。然后Town会推荐3个预设的Routine（自动化工作流），覆盖最常见的办公场景。

比如Auto-inbox可以自动整理收件箱，为新邮件打标签、协助安排日程、起草重要邮件回复；Morning Briefing会根据你的日程、邮件和感兴趣的话题生成每日早报；Meeting Briefing则会在会议开始前整理背景资料，帮助你快速进入状态。

接下来，Town会通过查看你的邮件往来，来推测和了解你的职业、沟通风格、工作模式等等。由于我的Gmail邮箱没有明确包含职业信息的邮件，所以Townie暂时没能得出结论。

不过，完成初始化后，你可以随时完善自己的Profile（个人档案），这些信息会成为Town理解上下文的重要依据。后续每一次生成邮件、会议总结和工作建议，都会建立在这同一套背景信息之上。整个过程就像是在培养一个越来越了解自己的AI同事。

完成基础授权后，就可以开始创建自己的Townie了。

你需要给AI助手选择或生成一种形象，系统预设了兔子、狐狸、水豚、猫头鹰、美西螈、袋熊等各种动物。你可以再给它起一个名字，进一步设定它的性格和说话方式。

Town联合创始人Tony Vincent在采访中提到，他们借鉴了Tamagotchi（拓麻歌子）电子宠物的设计，希望用户面对的不再是一个抽象的大模型，而是一个能够长期陪伴自己的工作伙伴。

总的来说，Town有三大核心能力：Routines（自动化流程）、 Skills（技能）和Integrations（应用集成）。

其中，Integrations可以把Gmail、X、Slack、Notion等各种应用接入Town；Routines则可以在后台持续运行各种自动化任务；另外你还可以把Prompt、工作流封装成可复用的Skill，或者直接安装别人的Skill。

连接Gmail后，Townie先快速浏览了一遍我的邮箱，很快得出了一个判断：我最近收到的邮件大部分都不是需要处理的个人邮件，而是各种自动发送的信息。

包括The Information、a16z、Substack、Medium、Last Week in AI等英文Newsletter；Instagram、Discord、Reddit等社交媒体平台的通知；以及HeyGen、Lovart、Poshmark等产品的营销邮件。

所以它向我主动提议：可以帮我批量给邮件添加标签，让收件箱更清爽；可以建立自动分类规则，把Newsletter和社交通知自动归档，让收件箱只保留真正需要处理的邮件；如果需要，也可以继续往前分析更早的历史邮件，做一次更完整的整理。

这些建议几乎正中我的痛点。

我的Gmail收件箱已经积累了4700多封邮件，各种广告、提醒、社交通知混杂在一起，真正值得阅读的Newsletter反而长期被淹没，很少点开。

于是，我让Townie接管了这项工作。

它自动完成了邮件分类、标签整理和垃圾邮件清理，收件箱很快变得清爽了许多，新邮件也会自动进行整理。

现在我的收件箱长这样：

邮箱整理完，Townie又主动提议：既然已经识别出了Newsletter，不如顺便建立一个“每日新闻简报（Daily Newsletter Digest）”的自动化日程。

于是我让它每天上午10点，自动汇总过去24小时收到的所有Newsletter，生成一份中文摘要，并附上每篇文章的原始链接发给我。

除此之外，Town每天还会自动生成一份Morning Briefing（每日早报）。

内容并不仅仅是日程提醒，而是把当天需要关注的信息全部整合到一起，包括当天的会议安排、重要邮件、AI行业资讯，最后Townie根据这些内容主动提出了行动建议。

一开始我惊讶于，它是怎么知道我对AI科技资讯感兴趣的。

但我很快意识到，这些内容可能综合了两个来源：一是我注册Town时填写的兴趣标签，二是邮箱中长期订阅的AI Newsletter。

几天下来，我已经养成了一个新的习惯：每天早上通勤时，一边浏览文字版Morning Briefing，一边播放它配套生成的播客，一定程度上缓解了我每天担心错过AI新动态的FOMO。

它生成的播客并不是把文字版逐字朗读一遍，而更像是经过重新组织的。它会串联当天的重要内容，适当加入总结和评论，整体节奏自然，听感就像是一个真正的私人助理，而不是AI在念稿，还带着一股台湾腔。

只要接入不同的软件，Town都会提供一系列已经设计好的Routine。

例如，我关联了自己的X账号后，Town就推荐了一个名为X Bookmark Sweep的Routine，提示词都是预设好的。

这套工作流会定期读取我新收藏的帖子，不只是阅读推文本身，还会继续打开帖子中的链接，把整篇文章一起读完。

随后，它会自动提炼值得保留的观点，把值得尝试的新工具、值得联系的人、值得继续深入研究的话题提取出来，并生成待办事项和后续阅读清单。

整个过程只需要点击下方的“Set up”就可以完成设置。

X一直是我获取AI行业信息最重要的渠道之一，收藏夹里积累了大量准备“以后再看”的帖子，但现实情况往往是收藏即吃灰。

设置好Routine后，我试运行了一次，效果非常完整：

接下来再试试Skill这项能力。

一直以来，我都很认同一句话：Follow builders，not influencers。关注AI产品的创造者，而非二手的自媒体信息。

于是，我直接让Town安装了Zara分享的Follow Builders Skill。

这个Skill会持续跟踪26位真正做产品和研究的AI Builder、6档头部AI播客，以及Anthropic、Claude等官方博客，每天自动生成一份信息摘要，并保留所有原始链接。

第一次运行的生成效果就已经相当成熟，详略得当、要点清晰、信息价值很高。除了按主题整理当天的重要动态，它还会提炼每条内容的核心观点，并自动附上原文链接，方便继续深入阅读。

Townie最后还会主动询问：这份摘要的长度是否合适？要不要改成中英双语？如果满意的话，要不要直接建立一个每天自动运行的Routine？

于是，我又让它新增了一项新的自动化任务。之后每天上午10点，Town都会按照这套Skill自动生成一份AI Builders Digest，它会同步发送到TownApp、网页端和我的Gmail。

比模型更重要的，是产品

这一番体验下来，我有点好奇：Town的底层到底接入了哪些模型？因为在对话和执行任务的过程中，并没有让我手动选择模型的环节。

根据官网披露的信息，目前Town已接入Anthropic、OpenAI、Google Gemini、Amazon Bedrock、OpenRouter等多个模型和推理平台。其中，Anthropic是默认的主要模型提供方，负责大部分助手能力和Routine的执行；OpenAI和Gemini则会根据不同功能或路由规则，在特定场景下参与推理。

除此之外，Town还使用Gemini Enterprise Agent Platform（原Vertex AI）处理部分图像生成任务，例如Townie头像的渲染；语音相关功能则接入了ElevenLabs。

对于用户来说，并不需要手动选择Claude、GPT还是Gemini，Town会根据任务类型和预设规则，在后台自动完成模型调度。

另一个很多用户都会有所顾虑的问题是数据安全。

毕竟，为了获得完整体验，你需要把自己的私人邮箱、X等账号都授权给Town。

对此，Town在官网解释了自己的数据处理方式：Town通过API调用各家模型服务，并在模型配置和路由层面进行了统一管理。默认情况下，用户输入和模型输出不会被第三方基础模型用于训练，除非用户主动开启或明确授权相关用途。

当然，这并不意味着用户可以完全忽略隐私风险。对于一款定位个人AI助手的产品来说，能力和用户的信任同等重要。

Town的走红，折射出AI产品的一种新趋势。

过去一年，大模型厂商都在强调Agent能完成越来越复杂的任务。但真正被用户接受的产品，并没有一味追求更强，而是在思考另一个问题：怎样让AI真正融入每天的工作流。

Town做的大部分事情，ChatGPT、Claude或Gemini都能完成。真正的区别在于，它把这些能力组织成了一个持续工作的AI助手。

Town联合创始人Tony Vincent在接受媒体采访时反复提到一个词：Taste（品味）。

他认为，现在很多AI产品都在制造噪音。越来越多的通知、越来越多主动提醒、越来越多Agent，看似帮用户工作，实际上只是增加新的信息负担。

Town希望做到的是：AI每完成一项工作，人需要关注的事情就少一件。

在Vincent看来，真正的AI产品竞争，不只是模型能力，而是产品有没有品味。因为模型越来越容易复制，而产品体验、交互方式，以及人与AI如何建立关系，才是真正难以复制的部分。

欢迎分享、点赞、推荐

一起研究AI