想象这样一个场景：睡前用手机发个语音给AI，“明天我要采访Flowith，帮我准备一份详细的背景研究报告”，然后安心入睡。第二天早上起来打开电脑，一份万字研报已经静静躺在桌面。

或者，贸易政策天天变，告诉AI你需要实时追踪特朗普的动态，7×24小时监控推特、新闻，每小时发送最火热点。

在Agent遍地开花的当下，这些听起来很美好的设想，在实际体验中却往往伴随着任务失败、结果粗糙、成本高昂的“翻车”瞬间。

但 Flowith，正在稳定地实现它。发布 2 天后超 10 万在线用户，50w+ 次 Agent 调用量，最近几天，这款产品正在社交媒体上刷屏。

我们最近和他们聊了聊发现，根据Flowith团队的介绍，他们并不想做所谓的通用Agent，而是更希望用户和外界将他们看作一个AI时代的创作工具。

在对话中，Flowith还透露 Neo 只是一个开始，很快还将上线一个全新的 Agent 并且推出 iOS 端，满足创作者各种日常需求。并且，在接下来的几个月还会推出更多不一样的 Agent 产品，就在这张小小又大大的画布之中。

当“无限上下文”遇上“可视化画布”

Flowith给人的第一印象，是其标志性的“画布”界面和节点式的操作逻辑。对于习惯了线性对话交互的用户而言，初上手可能需要一定的适应期，但一旦理解其核心逻辑，这种可视化的工作流反而展现出直观性。

我们围绕Flowith宣称的“无限上下文”能力和几个典型应用场景，对Agent Neo进行了测评。

1、知识学习

Prompt：我想深入学习“Agent”这个领域，并最终能写一篇综述文章或做一个分享。

生成结果：https://flowith.net/view/e6ca4d3f-3114-4af2-a99b-0045eb5631f7(需PC端打开)

这是一个非常适合 Neo 的任务，思维树本身就适合做知识整理。左侧的工作流将任务分解为多个步骤，右侧则是节点状的结果拆解。

例如，在第一个步骤“在线研究”中，Neo分裂成了16个支线来搜索信息，包含了人工智能和计算机科学中的代理定义、 智能体的分类方法与类型、多智能体系统、自主代理等 16 个搜索关键词，可谓是很全面了，最后才汇总成了一份正式的答案。

在这16个卡片（节点）中，你可以切换下方的滑动条块，查看搜索关键词和信息来源。

在生成过程中，你还可以增加旁支来扩充你的画布，不断扩展相关子主题与关键词，这也符合知识图谱一直延伸的特性。

但是目前也存在一些不足之处。例如，不同分支间的内容不互通，特别是扩充新节点后，节点间的逻辑不清晰；且页面中悬浮的AI Agent对话框，实际只是新对话入口，无法理解当前画布内容。

我们紧接着又尝试了一些热门场景，大家可以点击生成结果，直接看到实际的输出效果。

2、新闻监控

prompt：我需要你搜索今天的热点AI新闻信息，关注企业和人，并发送给我的邮箱，在发送后，每隔一小时整理一次最新新闻信息。

生成结果：https://flowith.net/view/68dcf74d-0233-4974-ac90-9f47021b5dca(需PC端打开)

我们同时在几个主流 Agent 产品上测试了相似任务。结果显示，只有 Flowith 的 Neo 能够持续不断地执行信息搜集，并且按照指令，定期将整理好的新闻摘要发送到指定邮箱。

相比之下，一些 Agent 表示无法直接发送邮件，或者在执行了一两次后便中止了任务。反观 Flowith，即使我们推出界面，开启了新的任务，这个新闻监控任务依然在后台稳定执行。

但是，生成结果的质量有待提升。且Neo没有好好读题，它并没有整理当前 1 小时的最新消息，而是连续 9 次发送了差不多的“当日资讯”。

3、设计策划

根据硅星人pro公众号的内容定位及整体设计风格，制作一个硅星人pro线下AI社交活动的图文策划，要求：1、百分百符合硅星人风格 2、面向AI创业者、开发者、爱好者 3、设计包含活动主题、活动邀请函、活动海报、活动周边。

生成结果：https://flowith.net/conv/786621c5-ac15-4d7a-b384-9cb0cc4e0d61?U2FsdGVkX1/1lvDznW050Hd9yRWz6hGvbIodEcZjc6JqJPlnRnwSekLpu1D2/xcupih2WjxvXyuSuD5eJUw5wA==(需PC端打开)

还有一些不错的用户案例，例如最近Lovart 掀起的卡牌类设计。

做网页版复古相机滤镜小工具，可以上传照片加滤镜后，再加载下来（https://flo.host/grri9VX/ PC 端打开）。

对话Flowith：做一个好产品，速度和创新才是创业公司的核心机会

硅星人：在AI Agent产品遍地的当下，你们的技术路线是怎样的？是调了自己的模型，还是工程化集成？

Flowith：Flowith 短期对于智能要求最高的场景不会做太多模型方面的工作，如规划、工具调用等，因为目前各个模型厂商迭代、竞争速度非常快，自己训练或者微调模型很快会被新发布的模型所替代。但对于智能要求较低、已经稳定且成本敏感的场景，我们会用自己的模型来执行。除了模型外，我们做了很多工程化的工作，在去年开发 Oracle 时，我们就首创了自己的一套 Agent 框架、其成本、效率、可拓展性都有明显的优势，而 Neo 则更是如此。

硅星人：怎么无限产出，怎么不断监督？

Flowith：Neo 实现了一套全新的算法架构，包括对上下文的压缩、叠加生成的算法、以及更智能的动态规划，这些都超越了我们之前 Agent 的表现。比如无限生成这一块儿，普通LLM一次最多输出万字左右的内容，因此当它开发网页时候，网页也很难突破长度的现实，而 Neo 在创作一个超长网页时候，会像人一样，采用逐步叠加的方式一直在一个项目里增加内容，这个增加的步骤是无限的， 因此可以实现无限超长的内容输出。

硅星人：这听起来还是基于工作流的方式？

Flowith：Agent 的规划出的路径我们可以说是工作流，但和传统工作流不同的是它更加动态，更加自适应，也有完全不同的组合和玩法。这些都是全面碾压传统人工编排式 Agent 的。

硅星人：无限上文，不会卡吗？无限下文，为什么不容易崩溃？

Flowith：我们在 neo 中，没有用 RAG 等传统的上下文长度优化的算法，而是实现了自己一套新的机制，让它可以更有效地达到无限记忆的功能。 因此neo 是在云端执行的，因此它不受用户本地浏览器、电脑和网络的限制，用户把电脑关掉都可以让它持续执行，稳定性也做了非常多的优化，因为LLM随机性很大，因此这方面要做比较多的工作。

硅星人：你们自己做的工具，可以举几个例子吗？

Flowith：一些简单的就不提了，像是联网搜索、生成图片这些的。我们开放上对一些核心工具花了非常大的功夫，比如生成网页、和迭代网页的工具。 迭代网页，这个看起来需求很简单，但实际上有很多工程性的问题，因为需要优化的网页可能有上万行代码，你不可能把全部代码喂给 LLM，也不可能让 LLM 全面生成一遍，因此这部分我们做了很多工作，让它可以达到目前这样，可以无限迭代网页项目、无限增加内容的状态，虽然偶尔可能还会失误，但整体的性能、成本、成功率已经非常高了。已经可以达到人类全程无监管的，让 Agent 超多步骤的迭代一个网页。

硅星人：我看到你们有个用户案例，prompt是观看视频、制作PPT，所以你们没有采用browser use，而是选择更传统的抓取方式。为什么不采用现在更受欢迎的让Agent模仿人的视觉理解方式？

Flowith：我们其实在Neo的工具箱里，也加入了 Browser use 的工具，让它去执行一些特别的工作，比如深入一个网页、或者观看图片、甚至视频等等。但我们不强调和推崇让 Agent 使用这个工具，因为性价比和成功率太低，我们会给它提供多种信息获取的工具，让它根据情况自我筛选，比如看视频，让 Agent 去一帧一帧观看视频的成本很高，速度也很慢，而我们可以通过获取字幕和部分画面的方式让它更高效的完成。

硅星人：现在Agent产品太多了，像Manus、Lovart 等等，你们的差异在哪？

Flowith：Manus真的打开了这一波关注，我们首先是很开心看到这一点。其次是，我们不走太通用的路线，那就是AGI了。通用 Agent 要满足比如帮你手机上点外卖、买机票、下单等现实交互，而我们的产品定位是一个 AI 时代的终极创作工作台。

硅星人：既然是创作产品，那我们来聊下实测后的产品“问题”吧。Flowith的画布形态很特别，但我们测试中，发现修改已经生成的节点内容，或者手动修改工作流的步骤，都不够灵活，你们希望创作是AI全自动的吗？

Flowith： 这个问题我们注意到了。目前版本的Neo在任务规划（Planning）完成后，确实更侧重于 Agent 的自主迭代和优化，因为Neo的执行周期更长、我们无法期待用户一直和 Agent 保持实时协同，在这种场景下用户更期待 Agent 把所有工作自动执行完。

但我们也理解用户希望有更高自由度DIY的需求。之前的Oracle版本其实支持更灵活的Plan修改，我们也会持续收集用户反馈，评估如何在未来的产品迭代中更好地平衡 AI 的自主性与用户的控制权。目前，用户可以通过“常规模式”对每个节点进行追问和派生新任务。

现在的Neo肯定还是一个早期的版本，我们也在一直优化迭代，很快会推新的 agent 以及优化来解决一些问题。

硅星人：还有哪些更新，能透露一下吗？

Flowith： 可以稍微透露一些。我们这周（或很快）会上线一个iOS客户端。它更偏向于手机端便捷使用，支持语音输入。你可以想象睡前用语音给它布置十个任务，第二天早上在电脑或手机上就能看到结果。这会让Agent的可用性大大增强。

其次，我们还上线了一个视频工作流。用户将能通过Flowith，用类似于现在生成图文的方式，去创作和剪辑视频内容。我们甚至用Neo自己剪辑了一个嵌在3D交互网页中的宣传片，效果很有意思。

未来，我们还在规划一个新的Agent更像一个总指挥，解决更长期复杂的目标。

硅星人：你们自己会用Flowith来提升工作效率的，比如你的账号就在社交平台上特别活跃，有科技与狠活吗？

Flowith： 确实有<笑>。小红书账号的运营，就是我和早期版本的 Neo 做的，过去两三个月，三个号涨了好几万个粉丝。

小红书是一个完全基于内容算法推荐的平台，制作图文也相对更快捷简单，我也是一个 Vibe Marketing 的提倡者。我自己用Flowith搭建了一套辅助社交媒体运营的工作流。

另外，用户的评论也有Neo帮忙，因为我的评论区和私信比较多，把链接一整个剪切给 Neo，批量生成回复，我看一眼，没问题，就发送，还是解决了很多时间的。

当然，因为模型水平在那儿，很多句子还是不能用的，算是半自动吧。

硅星人：现在累计 10 万在线用户，成本方面会是困扰吗？

Flowith：我们在成本上做了特别多优化。大家如果使用多了会发现，我们做相同任务的token消耗量其实比其他所有Agent都要少很多，在相同定价下，也可以获得更多credits。因为我们在成本上有优势，在模型选择上的动态调整，以及工具大部分都是靠自己的，让我们现在完全扛得住。

硅星人：从去年上半年上线产品，到现在一年多，团队现在多少人？有什么扩张计划？

Flowith：现在十多个人，也希望有更多愿意一起去创作的冒险家加入我们。我们在上海和硅谷两边都有team。我们自己觉得我们就是一群特别真诚的人，虽然还是很早期的创业团队，但我们有很多新的信息可以分享，像今年3月份，Flowith已经达到130万ARR了，用户数20万，没有花过一分钱做投放，这是一个产品驱动的增长。当然，我们也希望有更多人可以关注到 flowith。