想象這樣一個場景：睡前用手機發個語音給AI，“明天我要採訪Flowith，幫我準備一份詳細的背景研究報告”，然後安心入睡。第二天早上起來開啟電腦，一份萬字研報已經靜靜躺在桌面。
或者，貿易政策天天變，告訴AI你需要即時追蹤特朗普的動態，7×24小時監控推特、新聞，每小時傳送最火熱點。
在Agent遍地開花的當下，這些聽起來很美好的設想，在實際體驗中卻往往伴隨著任務失敗、結果粗糙、成本高昂的“翻車”瞬間。
但 Flowith，正在穩定地實現它。釋出 2 天后超 10 萬線上使用者，50w+ 次 Agent 呼叫量，最近幾天，這款產品正在社交媒體上刷屏。
我們最近和他們聊了聊發現，根據Flowith團隊的介紹，他們並不想做所謂的通用Agent，而是更希望使用者和外界將他們看作一個AI時代的創作工具。
在對話中，Flowith還透露 Neo 只是一個開始，很快還將上線一個全新的 Agent 並且推出 iOS 端，滿足創作者各種日常需求。並且，在接下來的幾個月還會推出更多不一樣的 Agent 產品，就在這張小小又大大的畫布之中。
1
當“無限上下文”遇上“視覺化畫布”
Flowith給人的第一印象，是其標誌性的“畫布”介面和節點式的操作邏輯。對於習慣了線性對話互動的使用者而言，初上手可能需要一定的適應期，但一旦理解其核心邏輯，這種視覺化的工作流反而展現出直觀性。
我們圍繞Flowith宣稱的“無限上下文”能力和幾個典型應用場景，對Agent Neo進行了測評。
知識學習
Prompt：我想深入學習“Agent”這個領域，並最終能寫一篇綜述文章或做一個分享。
生成結果：https://flowith.net/view/e6ca4d3f-3114-4af2-a99b-0045eb5631f7
這是一個非常適合 Neo 的任務，思維樹本身就適合做知識整理。左側的工作流將任務分解為多個步驟，右側則是節點狀的結果拆解。
例如，在第一個步驟“線上研究”中，Neo分裂成了16個支線來搜尋資訊，包含了人工智慧和計算機科學中的代理定義、 智慧體的分類方法與型別、多智慧體系統、自主代理等 16 個搜尋關鍵詞，可謂是很全面了，最後才彙總成了一份正式的答案。
在這16個卡片（節點）中，你可以切換下方的滑動條塊，檢視搜尋關鍵詞和資訊來源。
在生成過程中，你還可以增加旁支來擴充你的畫布，不斷擴充套件相關子主題與關鍵詞，這也符合知識圖譜一直延伸的特性。
但是目前也存在一些不足之處。例如，不同分支間的內容不互通，特別是擴充新節點後，節點間的邏輯不清晰；且頁面中懸浮的AI Agent對話方塊，實際只是新對話入口，無法理解當前畫布內容。
我們緊接著又嘗試了一些熱門場景，大家可以點選生成結果，直接看到實際的輸出效果。
新聞監控
prompt：我需要你搜索今天的熱點AI新聞資訊，關注企業和人，併發送給我的郵箱，在傳送後，每隔一小時整理一次最新新聞資訊。
生成結果：https://flowith.net/view/68dcf74d-0233-4974-ac90-9f47021b5dca
我們同時在幾個主流 Agent 產品上測試了相似任務。結果顯示，只有 Flowith 的 Neo 能夠持續不斷地執行資訊蒐集，並且按照指令，定期將整理好的新聞摘要傳送到指定郵箱。
相比之下，一些 Agent 表示無法直接傳送郵件，或者在執行了一兩次後便中止了任務。反觀 Flowith，即使我們推出介面，開啟了新的任務，這個新聞監控任務依然在後臺穩定執行。
但是，生成結果的質量有待提升。且Neo沒有好好讀題，它並沒有整理當前 1 小時的最新訊息，而是連續 9 次傳送了差不多的“當日資訊”。
設計策劃
根據矽星人pro公眾號的內容定位及整體設計風格，製作一個矽星人pro線下AI社交活動的圖文策劃，要求：1、百分百符合矽星人風格 2、面向AI創業者、開發者、愛好者 3、設計包含活動主題、活動邀請函、活動海報、活動周邊。
生成結果：
https://flowith.net/conv/786621c5-ac15-4d7a-b384-9cb0cc4e0d61?U2FsdGVkX1/1lvDznW050Hd9yRWz6hGvbIodEcZjc6JqJPlnRnwSekLpu1D2/xcupih2WjxvXyuSuD5eJUw5wA==
還有一些不錯的使用者案例，例如最近Lovart 掀起的卡牌類設計。
做網頁版復古相機濾鏡小工具，可以上傳照片加濾鏡後，再載入下來（https://flo.host/grri9VX/）。
1
對話Flowith：做一個好產品，速度和創新才是創業公司的核心機會
矽星人：在AI Agent產品遍地的當下，你們的技術路線是怎樣的？是調了自己的模型，還是工程化整合？
Flowith：Flowith 短期對於智慧要求最高的場景不會做太多模型方面的工作，如規劃、工具呼叫等，因為目前各個模型廠商迭代、競爭速度非常快，自己訓練或者微調模型很快會被新發布的模型所替代。但對於智慧要求較低、已經穩定且成本敏感的場景，我們會用自己的模型來執行。除了模型外，我們做了很多工程化的工作，在去年開發 Oracle 時，我們就首創了自己的一套 Agent 框架、其成本、效率、可拓展性都有明顯的優勢，而 Neo 則更是如此。
矽星人：怎麼無限產出，怎麼不斷監督？
Flowith：Neo 實現了一套全新的演算法架構，包括對上下文的壓縮、疊加生成的演算法、以及更智慧的動態規劃，這些都超越了我們之前 Agent 的表現。比如無限生成這一塊兒，普通LLM一次最多輸出萬字左右的內容，因此當它開發網頁時候，網頁也很難突破長度的現實，而 Neo 在創作一個超長網頁時候，會像人一樣，採用逐步疊加的方式一直在一個專案裡增加內容，這個增加的步驟是無限的， 因此可以實現無限超長的內容輸出。
矽星人：這聽起來還是基於工作流的方式？
Flowith：Agent 的規劃出的路徑我們可以說是工作流，但和傳統工作流不同的是它更加動態，更加自適應，也有完全不同的組合和玩法。這些都是全面碾壓傳統人工編排式 Agent 的。
矽星人：無限上文，不會卡嗎？無限下文，為什麼不容易崩潰？
Flowith：我們在 neo 中，沒有用 RAG 等傳統的上下文長度最佳化的演算法，而是實現了自己一套新的機制，讓它可以更有效地達到無限記憶的功能。 因此neo 是在雲端執行的，因此它不受使用者本地瀏覽器、電腦和網路的限制，使用者把電腦關掉都可以讓它持續執行，穩定性也做了非常多的最佳化，因為LLM隨機性很大，因此這方面要做比較多的工作。
矽星人：你們自己做的工具，可以舉幾個例子嗎？
Flowith：一些簡單的就不提了，像是聯網搜尋、生成圖片這些的。我們開放上對一些核心工具花了非常大的功夫，比如生成網頁、和迭代網頁的工具。 迭代網頁，這個看起來需求很簡單，但實際上有很多工程性的問題，因為需要最佳化的網頁可能有上萬行程式碼，你不可能把全部程式碼餵給 LLM，也不可能讓 LLM 全面生成一遍，因此這部分我們做了很多工作，讓它可以達到目前這樣，可以無限迭代網頁專案、無限增加內容的狀態，雖然偶爾可能還會失誤，但整體的效能、成本、成功率已經非常高了。已經可以達到人類全程無監管的，讓 Agent 超多步驟的迭代一個網頁。
矽星人：我看到你們有個使用者案例，prompt是觀看影片、製作PPT，所以你們沒有采用browser use，而是選擇更傳統的抓取方式。為什麼不採用現在更受歡迎的讓Agent模仿人的視覺理解方式？
Flowith：我們其實在 Neo 的工具箱裡，也加入了 Browser use 的工具，讓它去執行一些特別的工作，比如深入一個網頁、或者觀看圖片、甚至影片等等。但我們不強調和推崇讓 Agent 使用這個工具，因為價效比和成功率太低，我們會給它提供多種資訊獲取的工具，讓它根據情況自我篩選，比如看影片，讓 Agent 去一幀一幀觀看影片的成本很高，速度也很慢，而我們可以透過獲取字幕和部分畫面的方式讓它更高效的完成。
矽星人：現在Agent產品太多了，像Manus、Lovart 等等，你們的差異在哪？
Flowith：Manus真的打開了這一波關注，我們首先是很開心看到這一點。其次是，我們不走太通用的路線，那就是AGI了。通用 Agent 要滿足比如幫你手機上點外賣、買機票、下單等現實互動，而我們的產品定位是一個 AI 時代的終極創作工作臺。
矽星人：既然是創作產品，那我們來聊下實測後的產品“問題”吧。Flowith的畫布形態很特別，但我們測試中，發現修改已經生成的節點內容，或者手動修改工作流的步驟，都不夠靈活，你們希望創作是AI全自動的嗎？
Flowith： 這個問題我們注意到了。目前版本的Neo在任務規劃（Planning）完成後，確實更側重於 Agent 的自主迭代和最佳化，因為 Neo 的執行週期更長、我們無法期待使用者一直和 Agent 保持即時協同，在這種場景下使用者更期待 Agent 把所有工作自動執行完。
但我們也理解使用者希望有更高自由度DIY的需求。之前的Oracle版本其實支援更靈活的Plan修改，我們也會持續收集使用者反饋，評估如何在未來的產品迭代中更好地平衡 AI 的自主性與使用者的控制權。目前，使用者可以透過“常規模式”對每個節點進行追問和派生新任務。
現在的Neo肯定還是一個早期的版本，我們也在一直最佳化迭代，很快會推新的 agent 以及最佳化來解決一些問題。
矽星人：還有哪些更新，能透露一下嗎？
Flowith： 可以稍微透露一些。我們這周（或很快）會上線一個iOS客戶端。它更偏向於手機端便捷使用，支援語音輸入。你可以想象睡前用語音給它佈置十個任務，第二天早上在電腦或手機上就能看到結果。這會讓Agent的可用性大大增強。
其次，我們還上線了一個影片工作流。使用者將能透過Flowith，用類似於現在生成圖文的方式，去創作和剪輯影片內容。我們甚至用Neo自己剪輯了一個嵌在3D互動網頁中的宣傳片，效果很有意思。
未來，我們還在規劃一個新的Agent更像一個總指揮，解決更長期複雜的目標。
矽星人：你們自己會用Flowith來提升工作效率的，比如你的賬號就在社交平臺上特別活躍，有科技與狠活嗎？
Flowith： 確實有<笑>。小紅書賬號的運營，就是我和早期版本的 Neo 做的，過去兩三個月，三個號漲了好幾萬個粉絲。
小紅書是一個完全基於內容演算法推薦的平臺，製作圖文也相對更快捷簡單，我也是一個 Vibe Marketing 的提倡者。我自己用Flowith搭建了一套輔助社交媒體運營的工作流。
另外，使用者的評論也有 Neo 幫忙，因為我的評論區和私信比較多，把連結一整個剪下給 Neo，批次生成回覆，我看一眼，沒問題，就傳送，還是解決了很多時間的。
當然，因為模型水平在那兒，很多句子還是不能用的，算是半自動吧。
矽星人：現在累計 10 萬線上使用者，成本方面會是困擾嗎？
Flowith：我們在成本上做了特別多最佳化。大家如果使用多了會發現，我們做相同任務的token消耗量其實比其他所有Agent都要少很多，在相同定價下，也可以獲得更多credits。因為我們在成本上有優勢，在模型選擇上的動態調整，以及工具大部分都是靠自己的，讓我們現在完全扛得住。
矽星人：從去年上半年上線產品，到現在一年多，團隊現在多少人？有什麼擴張計劃？
Flowith：現在十多個人，也希望有更多願意一起去創作的冒險家加入我們。我們在上海和矽谷兩邊都有team。我們自己覺得我們就是一群特別真誠的人，雖然還是很早期的創業團隊，但我們有很多新的資訊可以分享，像今年3月份，Flowith已經達到130萬ARR了，使用者數20萬，沒有花過一分錢做投放，這是一個產品驅動的增長。當然，我們也希望有更多人可以關注到 flowith。