一句话结论
你连上邮箱和日历后,Town 让 AI 给你写一份 5 到 20 页的个人 wiki。它每晚自己重写一遍。AI 每次干活,先读 wiki 里相关的部分,再去 Gmail、日历等现场搜原始内容。你能看,也能改。[1][2][6]
说明:Townie 是 Town 给每个用户配的 AI 助手的名字。下文英文引文是原话,下面附中文译文。
1. wiki 里有什么
官网展示的 wiki 有这几栏:[1]
- 概览 Overview
- 最近更新 Recent updates
- 目标 Goals
- 项目 Projects
- 个人资料 Profile
- 人物 People
文档说,里面是你的资料、偏好、沟通风格、工作习惯,还有你工作和生活里正在推进的目标和项目。[2]
按内容分,是三类
- 你是谁:职位、公司、做什么;你怎么写信,包括语气、开头和落款;最常出现的人、项目和话题。[3]
- 你的偏好:你交代过的做事方式,你给过的反馈,值得记住的零散事实。[3]
- 联系人和人物笔记:这个人是谁,和你什么关系,你们一起做过什么,聊过什么。[3]
人物页的样子,Greze 举过一个例子:
“this is Alice, you've known Alice for seven years, you mostly have a professional relationship, and these are the things you're working on right now”
译文这是 Alice。你认识 Alice 七年了。你们主要是工作关系。这些是你们现在在做的事。
他还说,人物页会记住你和这个人的写信习惯。比如你写给 Alice 用“Hi”开头,她回你“What's up?”。[6]
规模和写法
“And the wiki is five to 20 pages about you, and it's abstracted away — it tries not to have too much of the private information in it.”
译文wiki 是关于你的 5 到 20 页内容。它是提炼过的,尽量不放太多隐私信息。
记忆还分两层
全局记忆:所有任务都用,比如“我喜欢用要点,不喜欢大段文字”。任务专属记忆:只给某个定时任务用,比如“早报里加上旧金山天气”。任务运行时,会收到全部全局记忆,加上这个任务自己的记忆。[3]
2. 怎么生成
前提:必须连邮箱和日历。不连,就不能用 Town。[6]
“After you connect your account, it does a little bit of sampling of recent emails and some online searching about you to generate the first pass of the dossier — the one you see within about 30 seconds to a minute.”
译文连上账号后,它会抽样看一点你最近的邮件,再在网上搜一些关于你的信息,生成档案的第一版。就是你在大约 30 秒到 1 分钟里看到的那份。
“And then in the background, for the first week, we build a much more complex version, which is the one that starts to cost double, maybe triple digit dollars.”
译文然后在后台,第一周里,我们会建一个复杂得多的版本。这个版本的成本开始到两位数、甚至三位数美元。
为什么要这么快?
“The reason we try to do it really quickly, even if it's not as accurate, is because it's the first thing that makes you feel different”
译文我们尽量做得很快,哪怕没那么准,是因为这是第一件让你感觉不一样的东西。
Greze 说,这份档案是用户的第一个“a-ha”时刻。用户的反应是:“什么?你认识我?”[6]
学你的写法,看的是“已发送”
“To learn who you are, your Townie reads sent emails across your connected accounts and builds one shared profile of your style and preferences.”
译文为了了解你是谁,你的 Townie 会读你所有已连接账号里发出的邮件,建一份统一的画像,记录你的风格和偏好。
多个邮箱只建一份画像。但每个账号会打上标签,回信时不会用错邮箱。[3] 新连一个 Gmail 或 Outlook 账号,画像会马上更新。[5]
wiki 之前是什么样
7 月 29 日 wiki 上线前,这些信息就已经有了,只是放在后台,用户看不到。[5][8]
“A profile your Townie updated each week, and a set of memories it gathered along the way.”
译文一份你的 Townie 每周更新的画像,加上一路上收集的一些记忆。
3. 用的时候怎么调用
“Appropriate parts of the synthesized wiki are fed into every session your Townie runs.”
译文合成好的 wiki 里,合适的部分会被放进你的 Townie 运行的每一个会话。
“when you ask the system to do something, it looks in the wiki, which refers to emails or calendar events, and pulls those into the session.”
译文你让系统做事时,它先看 wiki。wiki 里会指向相关的邮件或日程,系统再把它们拉进这次会话。
“When you ask a question, we use the search engines of Gmail, Calendar, Notion, all the other services — just for that question — to pull in the right data live.”
译文你问问题时,我们只针对这个问题,用 Gmail、日历、Notion 等服务自己的搜索,把需要的数据现场拉进来。
不重新索引你的数据。Greze 说,全量索引很贵,而且你也不想让邮件多一份副本。[6] 官方安全页也这么写:
“Town doesn't copy or index your inbox or message history.”
译文Town 不复制、也不索引你的收件箱或消息记录。
数据留多久
“All the sessions on Town are flushed after 15 days, except for a special kind of session that is kept around forever, because in it you might have had memories or asked us to remember something.”
译文Town 上所有会话 15 天后清空。只有一种特殊会话会一直保留,因为你可能在里面留下了记忆,或者让我们记住了什么。
安全页另有一句:会话记录和记忆加密存储;删除账号后 30 天内永久删除。[11]
哪些地方会用到
分拣收件箱、回 Slack 和 WhatsApp 消息、早上 6 点跑定时任务,都用同一份理解。[1][2] 推荐任务、建议自动化,也靠它。[7][8]
公开资料没说“相关的部分”具体怎么挑出来,用什么检索方式,wiki 里怎么记录指向邮件的线索。
4. 怎么更新,用户能不能看、能不能改
每晚自动重写
“Instead of simply appending the day's notes, your Townie re-reads everything it has accumulated, promotes the durable facts up into your Profile, retires what's gone stale, merges duplicates, and cross-checks the whole thing against your recent activity to catch what's changed.”
译文它不是简单地把当天的笔记加到后面。你的 Townie 会重读积累的全部内容,把长期有效的事实提升到你的个人资料里,淘汰过时的,合并重复的,再对照你最近的活动,找出变化。
不用你维护。[5]
能看
在 town.com/wiki,网页左侧栏和 iOS App 里都有。[1][2] 7 月 29 日上线。[5][8] 官方博客写的是“今天对所有人开放”。[1]
能改
选中一行就能改。可以留评论,也可以重写一整节。[1][2] 改了什么,在“最近更新”里能看到。[2]
“But the idea isn't to make you the editor.”
译文但我们的想法不是让你来当编辑。
零散记忆也能管:直接说“记住……”或“忘掉……”。也可以在“设置 → 个人资料”里查看和删除。[3]
为什么要开放给用户看
“it turns out people love reading about themselves, so at some point it just became natural to expose it.”
译文结果发现,人们很爱读关于自己的内容,所以后来把它开放出来就很自然了。
“Once we exposed it, people started correcting things and adding things, and our metrics for those recommendations went up.”
译文开放之后,大家开始纠正内容、补充内容,我们这些推荐的指标就上去了。
Greze 还说,wiki 上线后用户增长明显上了一个台阶。两周后也没有回落。[7]
Greze 自己提到的风险
在演讲里,他说共享的 wiki 很容易出错:一条错误信息进去,会一直留着。他举了自己的例子:[9]
“I have a personal wiki that thinks my agent's name is Apex right now, but I renamed my agent a month ago to Ivy.”
译文我有个个人 wiki,到现在还以为我的 agent 叫 Apex。但我一个月前就把它改名叫 Ivy 了。
注:这句来自视频自动字幕。他没说这个 wiki 是不是 Town 的。
公开资料没说你手动改过的内容,和每晚自动重写冲突时,以谁为准。
5. 团队版和隐私
起因:有用户提出,把每个人的人物页合起来,做成公司的客户关系表。Greze 说这有问题:[6]
“you can't take the union of every user's files, because there's private information.”
译文你不能把每个用户的文件直接合在一起,因为里面有私人信息。
2026 年 8 月,他说团队版的自动 wiki “很快会推出”。[6]
他说的两种做法
“whatever data you connect at the team level will be used to create the team wiki, and you don't pull data out of individuals' emails.”
译文你在团队层面连接的数据,会用来生成团队 wiki;不从个人的邮件里取数据。
“I think the five-years-from-now answer is that we will trust LLMs that will have company policies about what to let through.”
译文我认为五年后的答案是:我们会信任按公司规则决定放行什么的大模型。
每个数据仓里放一个 AI
在 AI Engineer 大会的演讲里,他说这是整场最好的一个想法:[9]
“you have an AI inside each private silo. An AI has a policy about what has to stay in the silo. And then it also has a description of all the shared spaces that you have.”
译文每个私有数据仓里有一个 AI。这个 AI 有一份规则,规定哪些必须留在仓里。它还知道公司有哪些共享空间。
每天结束时,它看仓里的新信息,把能公开的放进公司内部的共享空间。他说,这就是个人 wiki 的公司版。[9]
谁来决定能不能放?他说有两种:一种是 AI 列出清单,先问人;一种是让 AI 直接按规则执行。他认为第二种会很快普及,先在 10 到 50 人、互相信任的小公司里出现。大公司要晚很多。[9]
关系分的例子
你想找某个客户 CFO 的引荐。AI 看了所有同事的邮件,但不透露任何对话内容,只告诉你:有三个同事和这个 CFO 的关系分大约是 0.9。你就知道该找谁。关系分这种推导出来的信号,放进公司共享库,没人会反对。[9][10]
已经上线的相关功能
群聊里,每个 Townie 按你给这个群设的规则分享信息。默认先严格限制。[13]
2026-10-19 融资博客:
“We believe that this context is a critical asset and should belong to the company that built it.”
译文我们认为这些上下文是关键资产,应该属于建立它的公司。
他们还说,如果离开 Town,这些上下文可以带走。[12]
公开资料没说团队版 wiki 现在是否已正式上线,长什么样。公开的团队功能文档里没看到“团队 wiki”这一项。关系分怎么算,也没说。
6. 成本
主持人问:听说每个用户要花你们大约 100 美元?[6]
“Total over the first two weeks of the user, yeah, it can be about that.”
译文用户前两周加起来,对,大概能到这个数。
他补了一句:不会让每个人都这么贵。[6] 另一处他说,第一周的完整版成本是“两位数到三位数美元”。[6]
对用户:看 wiki、改 wiki、每晚整理,都不扣积分。
“The nightly upkeep pass is free too: it's one of the background routines Town subsidizes, so it never draws down your balance.”
译文每晚的维护也免费:这是 Town 补贴的后台任务之一,不会扣你的余额。
但积分用完时,每晚整理会暂停,wiki 保持原样。[2]
价格参考:大多数人每月付 49 到 59 美元。[6]
公开资料没说每晚整理一次花多少钱;两周之后每个用户每月的 wiki 成本是多少。
7. 和 Karpathy 的“让大模型建知识库”有什么关系
“We cannot claim that the wiki is our original idea — Karpathy and others have talked about how you can use AI to take a set of documents and build a knowledge base out of them.”
译文我们不能说 wiki 是我们原创的。Karpathy 和其他人讲过怎么用 AI 把一堆文档整理成知识库。
Karpathy 的做法:保留原始资料;让大模型写一套互相链接的 wiki 页;新资料来了就整合进去;定期“体检”,找矛盾、过时内容和缺口。[14]
“The knowledge is compiled once and then kept current, not re-derived on every query.”
译文知识只整理一次,然后持续更新,而不是每次提问都重新推一遍。
推断Town 每晚的整理,做的事和 Karpathy 说的“体检”很接近:合并重复、淘汰过时、对照新信息。一个明显的不同:Karpathy 保留全部原始资料;Town 不存邮件副本,用的时候再去 Gmail 现场搜。
8. 对做 Zentor 的启发
以下全是我的推断依据是上面的公开资料。
- 第一屏先快后准。连接后 1 分钟内给一份粗的“我认识你”,完整版放后台慢慢做。Town 把这一步当作第一个 a-ha。
- 把记忆做成用户能看、能改的页面。用户的修改就是免费的纠错数据。Town 说开放后推荐指标上升。
- 只存提炼,不存原文。wiki 记结论和线索,原始邮件用时现场搜。成本低,隐私上也好解释。代价是搜索质量依赖 Gmail 自带搜索。
- 定期重写,而不是一直追加。要有淘汰旧事实、合并重复的步骤。否则错误会一直留着,Greze 自己就踩过。
- 团队功能先从推导信号开始。比如关系分、谁在跟哪个客户。不碰邮件原文,用户更容易接受。
9. 公开资料没回答的问题
- wiki 页面的内部格式,页与页之间怎么链接。
- 第一周的“完整版”具体做了哪些步骤,和初版差在哪。
- 每次会话怎么挑“相关部分”,用什么检索。
- 用户手动修改和每晚自动重写冲突时怎么处理。
- 人物页和关系分的计算方法。
- 团队版 wiki 是否已上线、如何隔离隐私的具体实现。
- 两周之后,每个用户 wiki 的持续成本。
- 用了哪家模型来做 wiki。
也查过、但没讲 wiki 的材料:YouTube 访谈 uWc0cV8sTNg(主要讲创业经历);a16z 播客的中文编译稿(讲上下文归企业所有,没讲 wiki 机制)。
来源
- [1]Town 官方博客《How a Townie gets to know you》,Tony Vincent,2026-07-27
- [2]Town 帮助文档 · Wiki(2026-10-21 更新)
- [3]Town 帮助文档 · Context & Memory
- [4]Town 帮助文档 · Profiles
- [5]Town 更新日志(7/29 Wiki 上线;7/1 新账号即时刷新画像)
- [6]Platformer 播客访谈 Greze,Casey Newton,2026-08-13
- [7]Greze 的 LinkedIn 帖子,2026-08-27
- [8]Greze 在 X 上发布 Wiki,2026-07-29
- [9]Greze 在 AI Engineer 大会的演讲《Agents' next frontier: agent-to-agent and network effects》(视频自动字幕)
- [10]WorkOS 访谈文章,AI Engineer World's Fair 2026,2026-08-07
- [11]Town 信任与安全页(Trust)
- [12]Town 博客《Operate at the speed of AI》,2026-10-19
- [13]Town 博客《Introduce your Townie to your people》,2026-09-03
- [14]Andrej Karpathy《LLM Wiki》(GitHub Gist)
所有英文引文都已对照原文逐字核对。[9] 来自视频自动字幕,可能有个别字词误差。