Flowith

Flowith刚出的时候就在用了，一开始很不习惯画布式操作，而且当时的模型也不怎么会操作，所以很快就放弃使用了。

转机是在今年neo发布，推出无限上下文，再次入坑体验就好很多了，因为多了个智能体模式，很多节点不需要自己从头去设计了。

随后就是加上了拐子兄，看到产品方不断地去更新最新的模型，添加很多新功能，包括前一阵刚推出的自由画布，节点之间的操作也更加自由了，所以又继续去给其他人推荐了。

总体上来说是很不错的产品，模型及功能更新都很快。但缺点也有，不习惯画布操作的，还是需要一定时间去适应。

降临派了一圈，现在所有的agent产品创业公司的核心技术-大模型（LLM）都不是掌握在自己手里。所有产品做的都是上下文工程（Context Engineering）以及交互（UX/UI）方面的工作。未来产品的竞争也主要在这两方面展开。为LLM搭建高质量的上下文系统就相当于为LLM提供了一个工具齐全的工作台，使LLM知道可以调用哪些工具，这些工具都有什么用。而一个高效的交互系统则为LLM与用户高效沟通提供了可能，让双方都能清晰的知道对方想要如何完成任务？完成什么样的任务？提供各种关于任务的背景信息等。执行任务最重要的推理过程则又LLM来承担。一个大模型公司提供的API。任务完成质量的提升也严重依赖LLM能力的提升。就好像给一个**再好的工具他能做的工作也就那样了。而给一个天才一些简单的工具，他能创造出许多别人想不到的东西。
而Flowith的context playground是我使用过的产品中最有创意的。真的越用越上头。他通过Canvas的交互模式，完美的将context的玩法展现到极致（可能说的有些夸张了，但真的很喜欢）。在更新了2.0后，可以实现上下文的组合，剪切，分支（虽然在聊天框式的交互模式中，这些功能早已见怪不怪，但是我觉得Canvas模式下才能将这些功能的实用性发挥到最大）等功能。非常适合在创意阶段零碎的信息中挖取灵感。如果说聊天框式的线**互是与LLM面对面交流。Canvas就是与LLM在一张白板上共创。

关于Flowith交互模式的几点建议：
可以增加多样化的获取上下文的方式
可以在选择模型列表中增加“默认模型”的功能
可以增加“笔记”功能，以方便的快速查看阶段性成果

可以为上下文框增加“保存到笔记”功能按钮，以方便的记录与LLM交流的阶段性成果

无语?大大的无语?为了写这条差评不冤枉它花了2个多小时

一开始用默认模式遇到小插曲，让它处理一个标题文档重试9次没反应，不知道是不是BUG，很有耐心的失败9次，扣了0.9积分，问题不大，它可能默认模式不支持我要求的文档处理任务

​

为了更好的处理文档​我去agent代理模式选择了30积分那个专门处理文档的功能，心想这次应该可以把我的文档处理好了

又碰壁，明明上传了文件，提示词也发送了，它的回复说没看到文件，我重新上传文件和提示词后，终于干活了

​

等了一会，​出了6个方案和一个集大成的提炼最终方案，都是从各种网站里整理出来的，没有那种很垃圾的来源网站，心里还很放心的觉得经过这么多道程序下来，提炼的内容看起来很不错

​

​直到我滑动屏幕向上看去，那个执行记录里写着一行大字“由于用户未能提供原始文档，我将直接开始执行……”

血压顿时飙升?????

​

​好家伙，我上传了2遍，你还是认不出来我传的文档，为了不冤枉你，我还特意去WPS打开了这个文档，确认可以打开

​

​气死我了?等于这一小时啥也没干被耍猴了?

​

​积分扣了，事情没办好，唉，这个AI工具真是跟我八字不合

还有这个积分消耗看起来挺多的，1000-696=304，一共生成了10条内容，一个文件算30点也差不多，我主动输入指令算一开始的2条，也就是它自动生成了8条，差不多240积分，这个算法不一定对，因为它还有个每百万文字的积分消耗算法，在这种疯狂扩展的无限画布下，难说

买会员，最便宜的19.9美元一个月，2万积分，够不够用就是仁者见仁智者见智了，因为每个人用法不一样，对我来说就是坑?️

补充：特意去默认模式测试了连续的4次对话，为了知道它上下文对话的积分消耗大致情况

一个对话算上提示词的输入和输出大概2600字左右的中文，扣了27积分左右

再深入聊下去一个对话呢，不算上前文3900多中文字，这次扣了42.37积分

第三条指令加上输出1040字左右，消耗24.93积分

​

​第四条指令加内容大概180字左右，消耗积分17.5

用的模型是Claude sonnet 4.5

​

这样的结果​我认为它是带上部分下文输入和输出的，2点了，现在又过去一个小时，就这样吧不搞了太坑了，它是有优点的，无限画布功能很不错

因为积分消耗问题和我遇到的这个处理文档没弄好这事心结解不开，还是继续差评吧，俺也不是用这个产品一次两次了，从年初就开始断断续续用它，真不是黑，每次用都会被恶心一次，这产品和我八字对冲呢，无语?

​

​

这种类似 comfyui 的工作流模式初次上手还是需要不短的时间去适应，自由度很高同时使用过程也变得麻烦了不少，除了其他人说到的容易爆内存、积分消耗高，也包括上下文容易丢失，知识库在进行文本拆分的时候容易丢失细节以及暴力拆分导致的上下文信息丢失。还有模型在调用的时候失败率还是挺高的。但是考虑到这种形态的未来发展性我暂且还是愿意给他一个good

分析：

整体而言我觉得 Flowtih 的用更强的透明度和结构性换取了一定量的效果质量，但是一方面来看这个 “新体验” 并不足够强，Switching Cost 还很大，所以整体的产品价值并没有上去。

第一次试用 Neo 的时候 还是 Flowith 传统的全景式的脑图结构，这种结构我理解是高度可视化，且线性展开的信息流，对于有技术背景或任务导向强的用户而言可能是一种透明度加持；但对于追求轻量上手、流畅交互的普通用户来说，这种设计反而制造了巨大的 UI friction，因为这给了用户一种错觉，即你必须 “看懂” 其流程，理解任务之间的逻辑图谱，才能真正开始用它完成任何事，这种结构性本质上要求用户先认知再操作，完全反转了我们所谓先做再懂的用户的直觉路径

换句话说，Flowith 正在做的是一个能跑马拉松的赛道，但给用户穿了个老北京布鞋，如果是给 tech savvy 用户用，细节设计是 OK 的，但如果是 general end users，其实感觉有一定的他提高空间

在我用完一周后，我的脑海里还是在持续的询问，Flowith 到底在解决谁的什么问题？目前来看，它既不像是为知识工作者构建的 AI 助理，也不像是为大众打造的 Agent 入口，而更像是一个还在原型阶段的知识库实验室，但是加上了一些任务地图和结构化提示流

这种试图通过结构化信息的全景保留来实现所谓智能的累积与可追溯，但这其实是将智能简化为了记忆总量，也许，真正的智能不是记录一切，而是知道何时忘记、如何抽象、为何保留

建议：

用户面对无限画布的焦虑，本质上其实是对失控的恐惧，如果未来 Flowtih 能够将控制权以一种智能的方式交还给用户，比如说做一个动态层的 LoD，画布上的卡片会根据用户的视线距离（即缩放级别）自动改变其信息呈现的粒度，用户 Zoom Out，的时候卡片可能只显示为不同颜色的热力点或一个简单的标题，让用户一目了然地看到整体结构和信息簇，Mid-Zoom 的时候卡片显示标题和 AI 自动生成的 TL;DR，最后 Zoom In / Click， 完全展开，显示所有细节

这更像是这游戏地图的设计，就是所谓的渐进式信息披露的原则，不是上来直接粗暴地隐藏，而是优雅地去浓缩，既保持了全局感，又避免了细节的淹没，而且还可以通过埋点分析用户在各个层级的停留时间，如果用户大量时间停留在中观层，说明 AI 摘要是成功的，且用户更关心 What 而非 How，但如果用户频繁地在宏观和微观层切换，更能够证明设计符合预期，并且也能够观察用户到底是使用 Flowith 真的有那么关系这些画布和工作流吗，还是其实只是购买的结果，购买了智能本身

flowith 是我第一个体验到AI Agent能力的应用，自主思考执行能力很强，节点分支能力也很好用，输出的结果可用性也还可以，就是有些还是过于AI输出的内容了，就是自动执行积分消耗的太快了?

这个平台的设计理念在很早之前就看到过相关的介绍，没怎么试用过，最近试用之后，感觉这个理念还是不太好理解和接受。

基本上提出一个要求之后，会自动的将任务拆分，最不一致的就是会将每一步拆成单独的卡片，并且可以将卡片的详情展开，看更多的信息。这个在一些开源的产品中使用过类似的，但感觉这个对于我个人来说比较鸡肋。

之前看字节发布会的时候，他们提出过一个自由画布的概念，就是每天在画布里可以随意起很多任务，然后在每天结束时便可快速给出每一天的主要事项及总结，这个感觉后续AI介入很多的情况下，有很多的作用。

想法很好，就是实际体验不太行，我是老用户了，这个AI倒是挺多挺全的，就是那个画布好小，占用了这么大的空间，但是显示的内容却不多，暂时给个bad吧，等后续什么时候体验有改进了再来评价。

创意和想法很好 实际使用不太满意 可能做一些创意工作可以 但我的工作流是一些稳定的流程的 也使用教学模式教过了 但是学习效果并不好 也不能复现 可能用rpa加智能的方式更好 欢迎大家有对应好工具推荐

别的不说，做的网页是真好看。就是偶尔会卡任务。没办法继续。