KeyFrame內部研究專用

AI Agents Just Became Multiplayer. Here's How to Build Them.

Nate Herk英文
觀看原始影片

三句話摘要

介紹一個團隊級AI協作平台,讓人類成員和AI agents在統一界面中溝通協作。 Kylon 透過將 AI agents 和真實團隊成員統一在一個協作平台上,並利用既有訂閱而非 API 計費,實現了從個人 AI 系統到團隊級 AI 協作環境的轉變。 團隊協作而非個人使用:打破過往個人 AI 系統的限制,讓整個團隊(包括真實同事和 AI agents)在同一空間內溝通,形成混合協作環境。

重點整理

  1. 團隊協作而非個人使用:打破過往個人 AI 系統的限制,讓整個團隊(包括真實同事和 AI agents)在同一空間內溝通,形成混合協作環境。

  2. 靈活的部署與成本最佳化:創建 agent 時可選擇託管位置,直接利用既有的 Cloud Code 或 Codeex 訂閱,避免額外 API billing,提升成本效益。

  3. 組織化的功能架構:系統採用「room」概念分隔協作空間,每個 room 可獨立配置成員與 agents,並內建應用開發和自動化功能,例如儀表板追蹤或日常專案管理自動化。

  4. 即插即用的應用生態:不需寫程式即可建立 app(如 dashboard tracker)和自動化任務(如日常專案經理),大幅降低非技術團隊成員的使用門檻。

實用技巧與重點

  • 平台名稱:Kylon
  • 介面風格:Slack 風格
  • 功能分類:Agent builder
  • 託管選項:Kylon、Codeex、Cloud Code
  • 成本模式:利用訂閱而非 API billing
  • 組織結構單位:Rooms(房間)
  • 內建應用範例:Dashboard tracker
  • 內建自動化範例:Daily project manager
  • 免費試用額度:$50

結論

Kylon 透過將 AI agents 和真實團隊成員統一在一個協作平台上,並利用既有訂閱而非 API 計費,實現了從個人 AI 系統到團隊級 AI 協作環境的轉變。

完整解析

Kylon 是一個新型的團隊協作工具,解決的根本問題是傳統 AI 系統通常只為個人設計。講者展示了他用手機上的 Cloud Code 與他的實際團隊成員(Aiden 和 Cody)即時協作的場景,同時這些人類成員和 AI agents 都在同一個 Slack 風格的介面中並列。系統會顯示所有參與者,包括團隊成員擁有的訂閱(如 Aiden 的 Cloud Code 和 Codex)和講者自己的訂閱,這些都可以自訂設定和行為邏輯。

平台的核心設計是允許創建新的 agent,並在建立時選擇其託管位置——可以選擇 Kylon 官方伺服器、Codeex 或 Cloud Code。這樣做的好處是團隊可以直接利用既有的訂閱額度,而不需要另外支付 API 計費,相當於將個人的付費資源轉化為團隊資源。系統採用「room」概念來組織協作空間,每個 room 可以包含不同數量的團隊成員和 agents,相互之間可以交流和協作。在每個 room 裡,使用者可以構建實際的應用程式和自動化流程——例如講者提到的 dashboard tracker app(追蹤儀表板應用)和一個每天都執行的 project manager automation(專案經理自動化),用來幫助團隊保持責任感和進度同步。

這種設計代表了一個重要的典範轉移:從過去專注於個人的 AI 作業系統,轉向建立整個團隊層級的 AI 協作環境。簡單來說,就是把 Grockbot(一個 agent 工具)的概念延伸,加入了真實團隊成員的邀請和協作功能,讓人和 agent 在同一個生態系統中無縫交互。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。