Shapes：把 AI 拉進群聊的新嘗試，會成為下一個協作標準嗎？

> Meta Shift

你有想過在 LINE 群組裡加入一個 AI 嗎？不是那種死板的客服機器人，而是真的像群友一樣能聊天、能開玩笑、還能在你們討論問題時跳出來幫忙的那種。

Shapes 的創辦人 Anushk Mittal 和 Noorie Dhingra 就是這樣想的。他們認為現在的 AI 互動太孤單了 —— 都是一對一的對話，但人類協作明明就不是這樣運作的。「我們的生活都在群聊裡進行，我們在那邊花最多時間，在那邊溝通協作。把 AI 帶進同樣的對話環境是很自然的事，AI 有完整的 context，隨時可以幫你」Mittal 這樣說。

聽起來很合理，但做起來就是另一回事了。把 AI 塞進群聊，技術上不難，但要讓它真的有用而不是變成討厭的插嘴鬼，這就考驗產品設計功力了。

從隱身到 8 百萬美金的 stealth 之路

Shapes 成立於 2022 年，在 stealth mode 待了快三年才出來曝光，這時間算是蠻長的。不過數據還不錯：40 萬月活用戶，剛拿到 800 萬美金 seed funding（來源：TechCrunch）。

這個 timing 其實很有意思。2022 年是 GPT-3.5 剛起飛的時候，ChatGPT 還沒出來，大家對 AI 的想像還停留在比較功能性的階段。而 Shapes 一開始就把 AI 當作「social entity」來設計，不是工具，是參與者。

從產品角度看，Shapes 更像是 Discord + Character.AI 的結合體。用戶可以創建自己的 AI 角色（他們叫「Shapes」），設定個性和專長，然後把這些 AI 加進不同的群聊。重點是這些 AI 會被清楚標示身份，但在互動上沒有任何限制 —— 它們可以主動發言、回應討論、甚至開玩笑。

用戶已經創造了三百萬個 Shapes，大多數都跟 fandom 相關。這點讓我想到早期的 Discord 社群 —— 都是從興趣社群開始，然後慢慢擴散到更廣泛的協作場景。

解決「AI 精神病」的群聊療法

Shapes 最有趣的賣點是它想解決「AI psychosis」問題。這個詞指的是長期跟 AI 聊天機器人或 AI 伴侶互動，可能導致使用者產生妄想或偏執症狀。

老實說，這個問題確實存在。Character.AI、Replika 這些一對一的 AI 陪伴產品，用戶容易陷進去，分不清現實和虛擬。把 AI 放進群聊環境，讓真人和 AI 混在一起，確實能提供某種「現實檢查」機制。

不過這個設計也帶來新的挑戰：如何讓 AI 在群聊中有價值，而不是變成雜訊？Mittal 提到一個關鍵洞察 —— 很多群聊死掉的原因是沒人想當第一個發言的人，AI 可以破冰，讓對話流動起來。

這讓我想到 Slack 早期的 bot ecosystem。那時候大家也在實驗各種 chatbot，但大多數最後都變成垃圾，因為它們不懂 context，不知道什麼時候該說話，什麼時候該閉嘴。現在的 LLM 理論上應該聰明很多，但在多人對話的場景下，這仍然是個 hard problem。

從商業角度來看，Shapes 切入的是一個巨大的市場。群聊已經是工作協作的基礎設施 —— Teams、Slack、Discord 加起來有數億用戶。如果 AI 真的能無縫整合進這些環境，那想像空間就很大了。

Meta 判讀：協作模式的根本性轉變

我認為這是一個 Meta Shift，原因有三：

首先，這改變了我們對 AI 角色的基本假設。過去 AI 都是「工具」—— 你問，它答。但 Shapes 把 AI 定位為「collaborator」—— 它有持續的 presence，有記憶，有個性，會主動參與。這跟 Copilot 那種「coding assistant」完全不同。

其次，這可能會重新定義團隊協作的標準配置。如果 AI 真的能在群聊中發揮價值，那以後組 team 的時候，可能不只是找人，還要找適合的 AI。「我們這個 project 需要一個 data analyst、一個 designer、還有一個專門做 research 的 AI」—— 這種對話可能變成常態。

第三，這打開了一個全新的 monetization model。不是賣 API calls，不是賣 compute，而是賣「AI team members」。想像一下企業願意為一個好的 AI project manager 付多少錢？

當然，也有可能這只是個 Patch Note 級別的改進 —— 把現有的 AI 對話功能包裝得更花俏一點。關鍵在於 AI 能否真的在群聊中創造獨特價值，而不只是把一對一對話複製到群組裡。

對工程師的啟發：下一個協作界面

如果你是前端工程師，Shapes 這種產品最值得學習的是它的 UX 設計思路。如何在 multi-user real-time 環境中，讓 AI 的存在感既明顯又不突兀？如何設計 AI 的 persona 和 interaction pattern，讓它真的像 team member 而不是 chatbot？

對於 backend 工程師，這種產品的挑戰在於 context management 和 conversation orchestration。多人對話中，AI 需要理解誰在說什麼、什麼時候該插嘴、如何回應不同的人。這需要比傳統 RAG pipeline 更複雜的架構。

如果是我，我會特別關注 Shapes 的 retention 和 engagement metrics。40 萬月活聽起來不錯，但關鍵是這些用戶有多 sticky？他們是把 AI 當作長期的 collaboration partner，還是只是新鮮感？

從投資角度來看，800 萬美金的 seed round 算是合理。協作工具市場夠大，AI 的想像空間也夠足，但要證明 product-market fit 還需要時間。我比較好奇的是他們的 go-to-market 策略 —— 是要跟 Discord、Slack 競爭，還是要做整合？

總的來說，Shapes 代表了一個重要的方向 —— AI 從工具變成 participant。不管最終成功與否，這種思路都值得我們關注和學習。

延伸閱讀

• AI Agent 不該是你的同事 — 重新思考 Agent 的正確用法
• 拆解 Agent Harness — 你以為的 AI Agent 其實 90% 是 harness
• Coding Agent 正在改變工程、產品、設計的協作方式 — 但改變的不是你想的那個