Ogment AI Ogment AI 是一款嵌入 Slack 的 AI 同事，可像同事一样@提问或委派任务，连接千款工具自动执行，提升团队效率。 热门评论 PH 用户Hey Product Hunt 👋 我是 Teo，Ogment 的 CEO 兼联合创始人。大多数公司都被要求“拥抱 AI”，但实际操作中，这意味着让非技术人员学习新应用、prompt 工程和 workflow 搭建工具。过去两年我们给企业提供 AI 服务，学到了一件事：任何一点点摩擦都会扼杀采用率。少数重度用户能坚持用，但其他人都会被甩在后面。你可能已经看到最近 Slack 原生智能体陆续上线，包括 Claude Tag。它们适合那些想自己掌控设置的技术团队。我们走了另一条路：每个员工都能拥有自己的 AI 同事，可以选择任何模型（包括你自己的本地 LLM），零设置。我们构建 @O 就是为了直击这个摩擦点。我们给自己定的标准是：使用 AI 智能体应该像 @ 同事一样简单。所以它就是这样工作的——你在 Slack 里用自然语言 @O，它就把活儿干了。不用新应用，不用琢磨 prompt，不用搭 workflow。当摩擦降到零，采用率最大化，整个团队从第一天起就能极其自然地用上 AI。PH 用户大家好，我是 Flo，Ogment 的开发者之一 :)非常兴奋能分享我们过去几个月努力打造的东西。关于让智能体在 Slack 中平稳运行生产环境的一些技术细节。我们给这个产品定的标准极高：设置必须极其简单，所有集成基本开箱即用；在 Slack 这样的聊天应用中所有场景下都要尽可能流畅；最难的是——它要在各种可能的故障模式、各种错误和部署中可靠存活并正常工作，让人感觉“它就是能行”。第一个意外：Slack 的 API，即使是他们最新为智能体应用设计的版本，也有大量边缘情况、错误代码和不完善之处。稍微犯点错，智能体正在写的整个消息流或消息就直接不显示了。要把这件事做对、做到丝滑流畅，简直是一场渲染器、细致测试和 alpha 测试员 bug 报告的拉锯战。第二个意外：让智能体在生产环境中存活仍然感觉像是个未解难题。大家都在自己手写 runtime，让智能体在进程崩溃、你的 LLM 供应商挂掉、或者你部署新版本智能体及/或其 runtime 时能够恢复。这里有很多空间可以让事情变简单，或者过度设计，但有一点是肯定的：这绝非易事（就算有最聪明的 coding agent 也一样）。很期待看到大家会委托我们亲爱的智能体 O 做些什么 🚀PH 用户Hey Product Hunt 👋 我是 Amaury，Ogment 的联合创始人，超级自豪能分享我们一直在做的东西。我们不断看到同样的模式：大家对 AI 革命很兴奋，想要那种完整的“智能体”体验，但现实给了当头一棒。安装和维护像 OpenClaw 或 Hermes 这样的智能体，摩擦其实相当大，尤其是对技术不太熟练的人来说。更别提安全和团队协作方面的问题了……所以我们从零开始为 Slack 原生团队构建了 O，Slack 里已经存了大量的上下文。你的对话、你的决策、你的文件、你的工作流——全都在那儿。最棒的是什么？上手零摩擦，直接在 Slack 里 @O 就行。最让人惊讶的是：我们其实没有 dashboard。所有操作都能在 Slack 里完成。连接你的系统（Gmail、Linear、Stripe），创建自定义 skill 或分享给团队，设置定期任务……直接问你的智能体就行，就像问同事一样。而且它是主动的。Ogment 不只是等着指令。它会持续发现自动化机会并主动展示给你，甚至不需要你主动问。我个人最喜欢用 O 做什么？它全流程处理我的会后任务。它会拉 Granola 的会议记录，读取 Linear 里的待办清单，检查 Notion 里的策略文档，从邮件中抓取上下文，然后输出一份清晰的需求清单、bug、市场洞察和 backlog 更新建议。以前我认真做这些要花 45 分钟，现在 1 分钟搞定。我们超级兴奋能把它交到你们手里。等不及看你们用它做出什么了！PH 用户好喜欢你们把 AI 直接嵌入 Slack，而不是让团队再去适应另一个 dashboard。👏🏻能像 @ 队友一样使用它，对日常工作来说感觉自然多了。好奇问一下，目前用户用 @O 自动化最多的 workflow 是什么？PH 用户Hey Product Hunt 👋我一直觉得 AI 的主要挑战是如何让非技术用户用上。基本上就那么几种选择：1. 像 Claude Code 或 Codex 这样能力强的智能体，但用户需要知道什么是终端，会设置 API key、MCP 和 CLI 配置。2. 一个基本的聊天界面，你得手动把所有工作上下文带进去。3. 专用智能体（比如 Figma 里的那种），但不能从其他来源拉数据。我们想解决这个问题：给非技术用户一个通用智能体，能访问所有正确的上下文，且无需任何复杂设置。我觉得我们做到了 🫡PH 用户嘿，PH 的伙伴们 👋今天超级兴奋把 Ogment AI 带给全球科技和创业社区！我一直在 AI 生态里看到一个规律：几乎每个 AI 工具都是为单个人设计的。一个聊天窗口。一个上下文。一个用户。但真正的工作是团队协作。它发生在话题串、频道和共享项目里。大多数 AI 工具就像给每个员工一本私人的笔记本。有用，没错。但没有积累效应。@O 是团队的共享白板。它原生运行在 Slack 里，能在你现有的频道和话题串中工作，并且跨整个团队共享记忆和技能。当一个人教会它某样东西，所有人都受益。这就是关键。我对竞争格局的真实看法：没错，巨头们也在推出 Slack 智能体。Claude Tag 是个很强的产品。但模型公司同时跑着多条赛道：前沿模型、API、消费者应用、编码工具。一个 Slack 同事只是众多赌注中的一个。对 Ogment 来说，这是唯一的赌注。每一次冲刺、每一次路线图会议、每一个工单，都在服务这一个产品。历史会奖励这种疯狂的专注。Figma 超越了 Adobe，Superhuman 精雕细琢击败了 Gmail。而且巧妙之处在于：Ogment 可以运行在你选择的任何模型上，包括 Claude。所以无论哪个实验室赢得模型竞赛，它都会赢。这是聪明的定位，不仅仅是勇敢的定位。让我印象深刻的是：→ 连接 1,000 多个工具（Gmail、Salesforce、Notion、Linear、Stripe），并且真正执行工作，而不仅仅是回答问题→ 可以在你选择的任何模型上运行，包括你自己的本地 LLM→ 一个工作区方案，不限 Slack 用户数，每月 50 美元起。按席位定价会惩罚采用率，而这种模式奖励采用率。特别感谢 Teo 和 Ogment 团队，他们今天都在这里，期待听到你的声音 🙌有个问题想听听社区的看法：AI 同事最终会住在哪里？在我们每天都在使用的工具里，比如 Slack？还是大家都会迁移到专门构建的智能体平台？在下面留下你的看法 👇 热门产品Teo Borschberg2026-07-07原文 打开互动版
大多数公司都被要求“拥抱 AI”，但实际操作中，这意味着让非技术人员学习新应用、prompt 工程和 workflow 搭建工具。过去两年我们给企业提供 AI 服务，学到了一件事：任何一点点摩擦都会扼杀采用率。少数重度用户能坚持用，但其他人都会被甩在后面。
你可能已经看到最近 Slack 原生智能体陆续上线，包括 Claude Tag。它们适合那些想自己掌控设置的技术团队。我们走了另一条路：每个员工都能拥有自己的 AI 同事，可以选择任何模型（包括你自己的本地 LLM），零设置。
我们构建 @O 就是为了直击这个摩擦点。我们给自己定的标准是：使用 AI 智能体应该像 @ 同事一样简单。所以它就是这样工作的——你在 Slack 里用自然语言 @O，它就把活儿干了。不用新应用，不用琢磨 prompt，不用搭 workflow。当摩擦降到零，采用率最大化，整个团队从第一天起就能极其自然地用上 AI。
非常兴奋能分享我们过去几个月努力打造的东西。关于让智能体在 Slack 中平稳运行生产环境的一些技术细节。
我们给这个产品定的标准极高：设置必须极其简单，所有集成基本开箱即用；在 Slack 这样的聊天应用中所有场景下都要尽可能流畅；最难的是——它要在各种可能的故障模式、各种错误和部署中可靠存活并正常工作，让人感觉“它就是能行”。
第一个意外：Slack 的 API，即使是他们最新为智能体应用设计的版本，也有大量边缘情况、错误代码和不完善之处。稍微犯点错，智能体正在写的整个消息流或消息就直接不显示了。要把这件事做对、做到丝滑流畅，简直是一场渲染器、细致测试和 alpha 测试员 bug 报告的拉锯战。
第二个意外：让智能体在生产环境中存活仍然感觉像是个未解难题。大家都在自己手写 runtime，让智能体在进程崩溃、你的 LLM 供应商挂掉、或者你部署新版本智能体及/或其 runtime 时能够恢复。这里有很多空间可以让事情变简单，或者过度设计，但有一点是肯定的：这绝非易事（就算有最聪明的 coding agent 也一样）。
很期待看到大家会委托我们亲爱的智能体 O 做些什么 🚀
我们不断看到同样的模式：大家对 AI 革命很兴奋，想要那种完整的“智能体”体验，但现实给了当头一棒。安装和维护像 OpenClaw 或 Hermes 这样的智能体，摩擦其实相当大，尤其是对技术不太熟练的人来说。更别提安全和团队协作方面的问题了……
所以我们从零开始为 Slack 原生团队构建了 O，Slack 里已经存了大量的上下文。你的对话、你的决策、你的文件、你的工作流——全都在那儿。最棒的是什么？上手零摩擦，直接在 Slack 里 @O 就行。
最让人惊讶的是：我们其实没有 dashboard。所有操作都能在 Slack 里完成。连接你的系统（Gmail、Linear、Stripe），创建自定义 skill 或分享给团队，设置定期任务……直接问你的智能体就行，就像问同事一样。
而且它是主动的。Ogment 不只是等着指令。它会持续发现自动化机会并主动展示给你，甚至不需要你主动问。
我个人最喜欢用 O 做什么？它全流程处理我的会后任务。它会拉 Granola 的会议记录，读取 Linear 里的待办清单，检查 Notion 里的策略文档，从邮件中抓取上下文，然后输出一份清晰的需求清单、bug、市场洞察和 backlog 更新建议。以前我认真做这些要花 45 分钟，现在 1 分钟搞定。
我们超级兴奋能把它交到你们手里。等不及看你们用它做出什么了！
能像 @ 队友一样使用它，对日常工作来说感觉自然多了。好奇问一下，目前用户用 @O 自动化最多的 workflow 是什么？
我一直觉得 AI 的主要挑战是如何让非技术用户用上。基本上就那么几种选择：
1. 像 Claude Code 或 Codex 这样能力强的智能体，但用户需要知道什么是终端，会设置 API key、MCP 和 CLI 配置。
2. 一个基本的聊天界面，你得手动把所有工作上下文带进去。
3. 专用智能体（比如 Figma 里的那种），但不能从其他来源拉数据。
我们想解决这个问题：给非技术用户一个通用智能体，能访问所有正确的上下文，且无需任何复杂设置。我觉得我们做到了 🫡
今天超级兴奋把 Ogment AI 带给全球科技和创业社区！
我一直在 AI 生态里看到一个规律：几乎每个 AI 工具都是为单个人设计的。一个聊天窗口。一个上下文。一个用户。但真正的工作是团队协作。它发生在话题串、频道和共享项目里。
大多数 AI 工具就像给每个员工一本私人的笔记本。有用，没错。但没有积累效应。@O 是团队的共享白板。
它原生运行在 Slack 里，能在你现有的频道和话题串中工作，并且跨整个团队共享记忆和技能。当一个人教会它某样东西，所有人都受益。这就是关键。
我对竞争格局的真实看法：没错，巨头们也在推出 Slack 智能体。Claude Tag 是个很强的产品。但模型公司同时跑着多条赛道：前沿模型、API、消费者应用、编码工具。一个 Slack 同事只是众多赌注中的一个。
对 Ogment 来说，这是唯一的赌注。每一次冲刺、每一次路线图会议、每一个工单，都在服务这一个产品。历史会奖励这种疯狂的专注。Figma 超越了 Adobe，Superhuman 精雕细琢击败了 Gmail。
而且巧妙之处在于：Ogment 可以运行在你选择的任何模型上，包括 Claude。所以无论哪个实验室赢得模型竞赛，它都会赢。这是聪明的定位，不仅仅是勇敢的定位。
让我印象深刻的是：
→ 连接 1,000 多个工具（Gmail、Salesforce、Notion、Linear、Stripe），并且真正执行工作，而不仅仅是回答问题
→ 可以在你选择的任何模型上运行，包括你自己的本地 LLM
→ 一个工作区方案，不限 Slack 用户数，每月 50 美元起。按席位定价会惩罚采用率，而这种模式奖励采用率。
特别感谢 Teo 和 Ogment 团队，他们今天都在这里，期待听到你的声音 🙌
有个问题想听听社区的看法：AI 同事最终会住在哪里？在我们每天都在使用的工具里，比如 Slack？还是大家都会迁移到专门构建的智能体平台？在下面留下你的看法 👇