仅旧金山每个月就有超过 100 场科技创业活动，人被聚到一起之后，谁该认识谁仍然靠碰运气。Articuler.ai 想把匹配提前：活动开始前先问清来意，再把可能彼此需要的人配好，目前公司 ARR 已超过 100 万美元。

把时间拨回两万年前，不同部落之间已经有交换和合作的需要。有人需要黑曜石打磨矛尖，有人发现了新的猎场，需要更多人一起围猎。不同部落在篝火旁交换物资和消息，需要经过一次次交流，才能找到合适的交易和合作对象。

两万年后的今天，这种低效依然存在，只是篝火变成了行业大会。一个正在融资的创业者带着 BP 进场，可能和正在看这个方向的投资人只隔着几排座位；一家准备进入美国市场的公司，潜在客户也许就在隔壁桌。仅旧金山每个月就有超过 100 场类似的科技创业活动，会场把原本分散的人聚到了一起，但谁应该认识谁、谁手里恰好有对方需要的资源，很多时候仍然靠熟人介绍、翻阅参会名单和现场碰运气。

Articuler.ai 选择处理的，是人被聚到一起之后的关系匹配：在活动开始前先了解每个人此行的目的，再把更可能彼此需要的人提前匹配起来，让一次相遇更有机会继续走向交流和合作。

9 月 9 日，公司宣布今年早些时候完成数千万元种子轮融资，由麟阁创投领投，拙朴投资、小米联合创始人王川家族办公室跟投，云岫资本担任独家财务顾问。目前，公司 ARR 已超过 100 万美元，累计服务超过 5 万名用户。

找到对的人，只是第一步

过去一年，这套匹配机制已经进入 OpenAI Codex Community Build Night、AASF、AGI Summit、YC Startup School Afterparty、Plug and Play Demo Day、奇绩创坛相关活动。这些活动提供了一个边界清晰的场景：参与者已经因为共同主题完成第一轮筛选，匹配结果也能在现场很快得到反馈。

OpenAI 携手 Articuler.ai 打造 Codex Community Build Night

试想一下如果 Articuler.ai 出现在那些历史节点，它会怎么工作？瓦特寻找把蒸汽机推向规模制造的伙伴时，Agent 会先根据目标筛出更相关的人，再解释为什么值得认识；刘备寻找下一步的战略伙伴时，人选也会随着需求变化。找到人之后，产品还会继续提供沟通切入点和联系建议，把“发现谁”往“怎么建立联系”再推进一步。

视线拉回到现在，一场活动中，创业者、工程师、投资人和企业买家带着不同目的进场。有人在融资，有人在招关键岗位，也有人在找客户或合作伙伴。Articuler.ai 会把这些目标和参与者的职业经历、公开信息放在一起，再从几百个人里筛出更相关的对象：正在融资的 AI 创业者，优先看到的可能是仍在看相关方向的早期投资人；准备进入美国市场的公司，则更可能匹配到潜在客户和渠道伙伴。

过去，这些判断大多要等参会者拿到名单以后自己完成。看到一位投资人的名字，还要继续查对方投什么阶段、最近关注哪些方向、双方有没有共同经历，再决定值不值得去聊。

Articuler.ai 把这部分准备提前到见面之前：除了告诉用户“这个人为什么与你相关”，还会继续整理双方的职业背景、需求和业务交集，解释两个人为什么值得认识，再由用户决定是否建立联系。

找到人之后，关系有没有真正发生，也会继续留下信息。被推荐的人就在几十米外，两个人有没有见面、推荐有没有得到回应，很快就能看到结果。在 AGI Summit 等活动里，团队已经开始积累这类互动。相比公司、职位、学校这些相对稳定的职业资料，谁需要谁、谁选择了谁、什么需求最后得到了回应，更接近一个人当下真实的状态。

Articuler.ai 在 AGI Summit 中

对主办方来说，这套系统还可以更早介入。活动开始前，Outbound Invitation 可以帮助寻找和触达目标观众、嘉宾或者赞助方；进入现场以后，再根据参与者的需求完成匹配。

报名人数、到场率和内容曝光之外，主办方还可以继续看到赞助方有没有接触到目标客户、哪些人真正建立了联系，以及哪些关系在活动结束以后继续推进。一场活动因此不只负责把人带进会场，还开始关心这些人有没有遇到真正想见的人，一次见面能不能继续变成新的关系和机会。

从会场匹配，走进企业工作流

这种找人、判断和联系的需求并不会随着散场结束。到了企业端，同样的动作会围绕新的项目、岗位和客户反复发生，人群也从一份参会名单扩大到了更大的职业网络，团队面临的是一个更为具体的任务：为了完成当前的招聘、研究、合作或投资目标，我们该认识谁？

为此，Articuler.ai 面向企业级场景提供了一整套 CLI 工具，企业可以轻松地将其纳入现有的 Agentic 生产环境，为业务增长提供 “判断关系” 的能力。企业输入当前正在推进的目标，系统结合候选人的职业经历、所在公司、行业背景和公开信息，判断哪些人和相关工作存在更具体的关联，并解释为什么值得进一步联系。当别人还在 “搜索人” 的时候，Articuler.ai 帮你 “计算人”，并 “一键触达”。

某公司曾调用 Articuler.ai 的 CLI，对 RSI 领域的华人专家进行 Mapping。但是，目标人群分散在不同公司和研究机构的人群中，传统的方式效率和准确性都十分低下。但借助 Articuler.ai 的 CLI，Agent 可以判断谁与 RSI 方向存在较强关联、谁值得进一步交流，以及这种关联具体来自哪里。系统返回的结果除了职位和机构，还包括候选人的关联程度、推荐理由和联系方式。原本需要人工完成的搜索、背景调查和相关性判断，被解构为了一个可以被反复调用的工作流节点，再浓缩成一份可以直接使用的结果。

类似的关系判断也适用于其他专业场景。投资机构研究新技术方向时，需要理解研究者、创业者与产业方之间的关系；具身智能企业寻找海外研发与产业合作对象时，也需要筛选合适的人。Articuler.ai 的 CLI 同样可以结合目标方向、候选人的研究经历、所在机构、过往项目和产业连接，给出相关性与优先级判断，比传统的关键词匹配更为精准和高效。

这些场景的共同点，是找到一批候选对象只是开始，后面还要继续判断对方做过什么、现在关注什么、和眼前业务有没有关系，以及是否值得团队继续投入沟通成本。目前，公司已与多家国际知名投资机构，以及国内领先的人力资源服务和具身智能企业建立合作。

Articuler.ai 创始人 Jason Shen 对这个问题并不陌生。他毕业于南加州大学数学专业，曾在 Hedosophia 与 SOSV 从事投资，拥有 5 年欧美 VC / PE 经历。做投资时，项目、融资、招聘和合作都离不开关系网络；自己创业以后，过去随着机构和职位积累起来的人脉，也不会自动变成下一阶段正好需要的人。

创始人 Jason Shen

Jason 早期开发过一款利用 AI 帮助用户快速撰写 cold email 的插件。但在用户使用过程中，他发现真正耗费时间的往往不是怎么写，而是“应该发给谁”。Articuler.ai 后来把问题继续往前推：从解决表达，转向先找到真正值得建立联系的人。

Jason Shen 展示的产品截图

联合创始人兼 CTO Bob Zhang 则长期处理 Matching。他曾任探探技术总监，也是积目联合创始人兼 CTO，经历过从标签、NLP、机器学习到大模型的多轮技术变化。消费社交里的 Matching 更多围绕兴趣、画像和互动展开；到了职业场景，进入判断的信息扩展到了职业经历、能力和实时需求。

从 Profile 到真实关系

一个人的职业身份相对稳定，但需要建立的关系会不断变化。公司、学校、职位、技能、工作经历和共同联系人，可以较完整地描述他的 Profile，却很难持续反映他当下正在解决什么问题。融资阶段最需要认识的可能是投资人；融资完成、开始拓展北美市场后，更相关的人可能已经变成销售负责人、渠道伙伴和潜在客户。Profile 没有发生明显变化，Goal 已经换了一轮。

Articuler.ai 因此把 Goal 纳入 Matching，让当下的需求和职业信息一起参与匹配。公司自研的 Embedding 模型会把职业经历、能力、背景和当下意图转化成超过 8000 个维度的向量，再据此判断两个人各自在做什么、需要什么，以及彼此之间是否存在具体关联。

“人是内容，匹配是分发。”团队用这句话概括自己的产品逻辑。这条路线和目前常见的部分 AI 社交产品有所不同。有些产品让用户直接和 AI 聊天、陪伴或者建立虚拟关系，也有产品帮助用户生成帖子、回复消息和准备破冰内容。Articuler.ai 把 AI 放在对话发生以前，先处理人与人之间的筛选和关系判断，真正的沟通和信任仍然发生在人与人之间。

这些互动也会沉淀为 Profile 之外的动态信号，并成为后续匹配的参考。相比静态履历，它们让系统能够看到一次推荐之后实际发生了什么，从而补充对用户当前需求和关系状态的判断。

活动之外，公司还做了 Directory、Circle 和 Global Search。Directory 和 Circle 围绕特定人群组织搜索，例如寻找“2026 年第二季度仍然在硅谷活跃出手的早期投资人”，或者近期完成一定规模融资的创业公司；Global Search 则把范围进一步扩大，目前借助公开信息已经覆盖全球超过 9.8 亿份职业档案。

Event 面对的是一场活动中的几百个人，Directory / Circle 把范围扩大到特定职业人群，Global Search 则进一步覆盖全球职业档案。候选范围不断扩大，但产品处理的仍然是同一个问题：理解一个人当前的目标，再从不同范围的人群中找到更相关的对象。

公司给自己规划的路径，也是从这些具体需求开始：先通过找客户、找人才、找机会等场景建立使用，再通过一场场活动形成可以运行的“原子化社交网络”，最终把分散在全球不同地区和行业里的约 18 亿白领连接起来。

两万年前，人们围着同一堆篝火寻找机会；如今 Articuler.ai 想做的，是把那堆面向所有人的篝火变成一支支火把，递给带着具体需求的人，让他们更快找到真正彼此需要的对象。