Town

我是Tony，Town的联合创始人兼CPO。这是我第三次（！）尝试同一个想法：一个能与你并肩工作的AI。第一个是Navigator，2019年我们在Product Hunt上发布的。第二个是在Google，我的团队构建了一个AI队友，在I/O '23舞台上演示过。每一次我们都更接近目标，但技术或时机总不到位。现在，时机到了！

多年来，AI竞赛一直围绕谁最强大。但对大多数人来说，AI仍是一种特权：它奖励那些愿意学习prompt、workflows、connectors、MCPs、API keys的人。其他人则得到一个聊天框和一句“祝你好运”。我们构建Town的方式正好相反：它从你已完成的工作中学习，然后开始以你的方式做事。

以下是人们实际用他们的Townie做的一些事：

- 一位CFO在一个下午起草了120封个性化的投资者邮件。
- 一位CPA兼职场妈妈将她的旺季工作时间从80小时减少到60小时——Town处理客户调研、邮件以及她孩子的学校日程。
- 一位非营利组织负责人处理以外国语言手写、用手机拍照发来的资助申请。Town在他喝第一杯咖啡前就完成了翻译、转录、总结和归档。“就像是多了一个半员工。”
- 一位遵守安息日的创始人，某次随口提到他周五会离线。Town主动为他生成了一个周六晚上的简报，无需他开口要求。

没有两个Townie是一样的，因为没有两个人是一样的。它为你工作，只为你——私密、默认需要批准、每个操作可控，并完整记录它代你执行的一切。

Jean-Denis Greze（我的联合创始人）和我一整天都会在评论区。欢迎提出刁钻问题或你的愿望清单！

恭喜发布！！！我爱我的Townie

我是Town的早期用户，从未如此狂热地喜欢一个工具。它包含了我所有的文档、十年间的邮件和短信，还有我所有的当前信息。它会主动建议需求。团队响应超快。

这就是我的“一统天下”应用。不服来辩。

Superhuman已经在帮我做基本的收件箱分类了，所以我首先会比较自动收件箱这部分。Town能映射到我已有的Gmail标签，还是它使用自己的一套默认标签？

安息日的故事完美诠释了这里的核心设计挑战——捕捉用户随口提及的事情，无需询问，并在恰当时机采取行动。这种隐式偏好学习真的很难构建，既要避免让人感觉creepy或冒昧。

我也在餐食规划中思考过这个模式——我构建了DishRoll（dishroll.netlify.app），一个AI驱动的每周餐食规划器，它会逐渐学习饮食偏好和习惯。矛盾是一样的：泛泛的建议没用，但学习阶段需要足够信号才能变得有用。Town通常需要多久才能从“有用的助手”进化到“真正预判我的需求”？

花了18年搭建交易系统，整个工作就是消除每个循环中的人为延迟。大多数助手产品的失败方式和初级交易员一样——等着被指令。通过观察来学习才是正确的方向——真正的赢点是那些重复的、二十分钟的任务，人们已经注意不到自己在做了。从我们的SMB客户那里学到一课：他们只有看到自动化展示一次推理过程后才会信任它。尽早展示这一点，用户粘性就有了。