Refly AI

首个 Vibe Workflow 平台,让小白也能一句话生成 AI 工作流。...

Refly AI 是首个面向 0 基础小白用户的 Vibe Workflow 平台、小白版 “扣子/N8N”。

Refly AI 通过结合 Agent 的智能与 Workflow 的可控,让不会编程的普通用户通过自然语言就能轻松创建 AI 自动化工作流,解决 80% 的重复性工作。

在这里,你不需要懂代码、不需要复杂配置,就能轻松把想法变成结果可控、过程可复用、可分享的自动化流程。

Refly AI V1.0 版本现已正式上线,进入邀请码公测阶段(邀请码可通过传递或瓜棚领取)。

【❤️? 为什么要做 Refly AI】

我们团队源自国内最早的一批 “workflow” 领域从业者。

我们发现,无论是传统的低代码平台,还是后来加了 AI 的扣子/n8n ,本质上依然是“程序员的工具”——需要写代码、写逻辑,这直接把小白用户拒之门外了。

我们相信,AI 自动化不应是少数技术专家的特权。

Refly 的诞生,就是为了打破代码的壁垒,让每一个普通人都能轻松拥有属于自己的 AI 生产力。

【? Refly AI 能帮你做什么】

我们每个人的日常工作里,都有大量的重复性工作:每天查资讯、整理信息、制作图文/视频/播客、发布内容、生成报告......

  • 在 Refly AI 里,你只需要搭建一次工作流,之后 AI 会帮你自动完成。

  • 自媒体内容创作:抓取热门社交媒体内容,复制其风格,并快速创建一批相似的帖子用于发布;

  • 市场营销与销售:抓取潜在客户列表,复制其公司详情以实现个性化推销,并创建定向邮件营销活动;

  • 创业者/管理者:丢入团队成员工作报表,自动生成团队工作报告;

  • 金融/咨询从业者:搭建市场研报分析和撰写工作流,并自动化完成生成 PPT、发送邮件等全链路工作。

【? Refly AI 有哪些特点】

扣子/n8n 需要十多个节点搭建的工作流,用 Refly AI 也许只要 2 个节点、几分钟的时间......

  • 一句话生成自动化工作流:描述需求,自动生成可复用的完整自动化工作流;

  • 强大的 Agent 节点:告别繁琐的配置。在 Refly AI 中,每一个节点都是一个强大的、开箱即用 Agent,用户只需分配任务并连接 Agent 即可,仅需两个节点就能完成 n8n 需要 10+ 节点才能完成的工作;

  • 像乐高一样可视化编辑:像搭乐高一样拖拽、调整、优化,无上手门槛;

  • 实时干预:允许用户随时暂停、审查 Agent,不满意可以修改、重来;

  • 多模态内容输出:支持文档、网页、图片、音视频等多模态内容生成;

  • 一键发布:允许用户将自己的工作流模板一键分享,第三方用户只需提供输入即可运行。

30 个评论

小槐花

1. 这几天用 Refly 来做数据(非敏感)分析的工作流很爽:

①ai 交互,告诉对方我要处理的数据种类和数据示例,会根据我的需求进行工作流编写,完成后,点击采纳即可(可以多次交互来迭代你的工作流),然后上传数据很方便,可以直接上传你的数据集。‘

②数据可视化图和分析表都可以做,前几天用黄金历年价格的数据做了一张图。

③发布模板有折扣(但要注意公开出去的说明部分,可能会涉及交互的内容)

④官方有写用户使用教程

2. 目前卡点:

①采纳到第三次,它就不显示采纳的按钮,而是告诉我已修改

②模板发布出来,无法选择说明部分。它会直接把跟它交互的首轮提示词发到模板那里,且无法编辑(但是有时候就不太方便,因为可能会涉及一些隐私内容,所以我没有选择同步到模板市场,而是自己的模板空间里)

③目前似乎无法保存历史记录产出,那么每次我需要先全部把输出部分都保存再继续用

④建议优化在线版商用说明,以及如果能缩短discord回复速度就更好了(比如24小时内)

查理一世

能够让AI搭建工作流,这个对小白来讲真的很友好,而且看了一下,生成的效果也不错。

最近正好在做图书审读,在任务描述中明确了输入、输出,并且给了示例,而且还把我们开发过程中碰到的问题告诉了AI,最后测评了几个数据集,效果还不错,而且它还能在线下载PDF报告、导出excel,还是蛮惊喜的

唯一的缺陷就是生成速度好像有一丢丢慢,这个产品我先关注一波~

liz

刚拿到激活码就来试了试。 对vibe workflow 还是有点期待的。

实际体验下来真的很不错也!

老实说coze,dify这类平台本来就是低代码的拖拉拽,但是依旧有一定上手难度,你没有一定的编程思维其实很难弄明白这些。

但是Refly省略了这些过程,全靠自然语言,AI负责帮你设计流程。将dify中的节点简化为一个个agent,省去了那些循环判断批处理意图识别等等。

但是我在设计流程的时候就发现了这个问题,我在dify中设计节点会尽量注意可以工程解决的就不使用LLM节点(因为会浪费大量时间),但是我现在一个简单任务,5-6个节点全部用的LLM,不敢相信耗时要多少(实际跑一次需要10分钟左右,耗时是coze搭建的同类流程的10倍)。但是执行的效果还是很不错的,至少说明每个agent的设计是非常准确和成功的。

我试验了一个搜索特定网站找相关的文章,然后综合改成小红书风格发到我的小红书上。 除了自动发布不对(可以理解,因为本来就要做鉴权什么的),其他流程都是完美运行的。

但是!!!!

Refly 这个产品的定位真的很尴尬,完美诠释了什么叫为了这个醋包了顿饺子。
我选 Workflow 是为了要 100% 的掌控力,我选 AI 是为了要 100% 的省力。Refly 既没有 Manus那种黑盒交付结果的爽快,又没有 N8N/dify 那种精密编排的严谨。
让用户去 Review AI 瞎猜出来的业务逻辑,这本身就是一种伪需求。 我都要花精力去修你的流程了,我为什么不自己搓一个或者直接写代码?我认为这是在增加认知负荷,而不是减负。

盘了一下 Refly 的受众, Refly面向的人群是哪些呢?,在我看来基本上是全线踏空
小白用户,根本描述不清需求,只会得到一个 AI 瞎编的玩具,玩两次就腻了。
进阶用户,既然我有能力判断 AI 生成的 Workflow 哪里不对,我为什么不去 Dify/Coze 上手搓一个更稳定的?(甚至更便宜,coze每月9.9)
专业开发更是直接无视,代码才是坠吊的。
结论: 这是一个高手嫌弃,小白玩不转的产品。在这个 Agent 定制费都不超过四位数的年代,为了一个抽卡看命的工具付费,我不好说是好是坏。

志云

开启 12 月惊喜的作品,又见 “第一性原理”

祖传上手体验流程:

0、不再是传统工作流平台的 “拖拉拽”,搬出来了 AI 聊天窗口,我查~

1、第一个 case 是特工同款(copy 的),话题生成播客;对齐需求提问细节到位,很精准没废话,是个好员工?

2、就是不按常理回答问题,我先抛出疑问:5 条信息和 10 条信息有什么区别 and 成本~ 这个 agent 不至会干活,成本问题也能解答,哇

3、进正题,给了明确指令 AI 就咔咔干活,最后以为只是给了一个方案 plan,一点【采纳】,原来已经生成好了工作流,这里设计有细节:不是直接写入到画布里,而是让用户确认,不满意可以继续改,如果同意马上就上菜,而不是又等一轮输出,好评

4、运行节点很慢很慢,仔细看全都是智能体节点,黑盒执行着任务,只能等等咯

5、最后一个发邮件报错了,重试了 3 次才成功~猜测是 auto 模型问题?有点担心正式运行时稳定性如何

6、邮件发出来了,有主菜有介绍,html 写的邮件还行不丑,这个 case 跑下来花费 61 积分,第一关能给 90 分

7、有个更大胆的想法,能否一句话实现 n8n / 扣子流程? 来一个找 wx 对标账号的 case…… 然而卡在数据查询环节,agent 努力了很多遍(不是你的问题哈),小绿比较封闭,需要一点开源手段,不展开

8、最后尝试发布模板到市场,要审核~ 貌似现在市场里的都是机器人模板,官网赶紧开放呗

漏了吐槽,补上:

1. 只有聊天记录没有运行记录

2. 智能体节点运行太慢,只有卡片有点流光,交互太不明显了

3. 工具入口太深,且不支持自定义

总结:延续了前字节的基因,交互细节是可以放心的。主创的发心就是因为 coze / dify 上手有难度,就用 ai 原生了一款 vibe workflow,核心思路就是用 AI 拆解需求、执行任务、交付结果,这里的第一性原理是:能用 AI 就用 AI,能用 agent 节点就不需要其他节点。

至于生态位,大概就是扣子想做但又很拧巴的 toC 市场;有啥壁垒吗?得把社区生态做好了再回头来看;能否干翻 LangChain、dify、coze、n8n?有潜力的,未来可以伸伸手

当然还有一种可能,被大模型原厂直接压扁,技术降维打击真的很无力:https://watcha.cn/discuss/1114?ts=1765434066862&source=feed-share&from_platform=web&user=zhiyun

闪电查

首先我是对这种类型产品很是赞同的,能够让用户使用到目前的主流技术,让更多人能够感受科技的魅力。

vibe coding工作流,可能会因为各种使用者的表达方式,不一定很好的适配到每个情况,但能持续下去,不断优化用户体验,定会撑出自己的一片天。

建了一个收集全网需求的报告,建立工作流是挺快的,但是执行起来会出现不断出错的情况,还没有进行调优,以及出现各种超时或者登录等问题,导致数据获取的很少或者没有数据,看还是带着不够好的结果又继续往下执行,一环接着一环,最后出来的报告,就像用了几条数据做了一份欠拟合报告,没有什么参考性,消耗的积分加上不断失败重新运行,差不多花了2000积分才运行了一次完整。

另一方面也可能是因为我的要求过高,但是作为用户的感觉来说,这个平台有点属于自己一个流派,如果说要跟make工作流比起来,make会更加兼容链接其他平台,而这里总是会出现一种伪造登录而且数据总是自动筛选,还是说其他平台的反爬虫过于强大。

另外给个建议,个人主观的建议,一个vibe coding工作流应该从能操控我们日常使用的工具开始,而作为首批用户的我们,当然希望能从上面盈利,作为首要目的,现在秒哒就是比较成型,为数不多能够通过一个平台构建出付款交付全栈闭环的应用,希望refly也可以做到,想起第一看响指的时候,也是不那么起眼,隔了半年不到,各种后端能力不断完善,强大了许多,refly刚出,当然会更强。

持续优化,可以从成为咱们降临派的日常使用的工具之一发展,咱们观察员能够通过这个工具盈利了,那相信大多数的用户也可以。

Terry

已经是 Refly 大半年的老用户了,第一批早鸟会员。到最近正式发布 1.0 版本,

软件形态发生了很大的变化,从一个编排式的探索工具,变成了纯 Vibe Workflow 工具。

原先的定位是接入多模型的画布式的自助式的探索工具,将传统的线性 chat 变为支持工具的多线程发散探索型工具。当我有一个方向,可以不断的重复探索,对同一个继承的上下文,用各种身份,各种角度进行 AI 沟通,整个过程是可以进行裁剪可控的。没有固定的工作流,每一个环节是问题,需要基于之前编排的节点,人为思索过后在进行下一步的行动。

当 Refly 的 Workflow 被提出来后,这些流程就被固化了,如果一个固化的 AI 工作流,其实也有很多别的优秀工具,所以又发展成为了现在的 Vibe Workflow,我只能说我已经被排除在目标客户之外了。 而且现在的版本还不是特别稳定,为了降低使用门槛,Refly把其他节点类型全部取消,只保留了Agent节点,但是Agent还不是那么可控,同样上下文的输入,也无法精确的输出网页,文档,都是Agent调用工具Gen_Doc/Gen_code_artifacts完成,每次输出都不大一样。我现在基本上就拿来生图耗积分。

当然如果是为了挣积分,是可以自己定义几个workflow给别人用。但对于我这种自我定位的纯AI消费者,对挣钱这个事情的认知是我要是有那个本事挣钱,我干嘛不自己开发app去。

也许这是市场或者投资人驱动的产品转型,也许 Refly 团队在项目之初也是处于探索阶段,走了弯路,只是当年走弯路的时候,刚好捎上了我。

jody

工作流我还是蛮感兴趣的,很早以前就开始用 Coze 做工作流。

这一次我试验了一个工作流需求:每天总结股市 A 股日报,提供一些相应的指标,并发送到指定的邮箱,要求定时发送。

整体来说满意:

1. 速度非常快。因为本身这个任务工作流也不是太复杂,就是抓取一些信息、汇总、发邮件。

2. 扣除的积分也可以接受。大概扣了 55 分。

3. 数据准确率还蛮高。我在提示词里要求发送的内容极简,所以给出的结果相对来说没有什么视觉效果,但我浏览了一下,数据是准确的。
4. 我在给指令的时候,其实邮箱输入错误的,也自动帮我纠正了。

另外,它跑一遍工作流并发送邮件的时间很快,没有等太长时间。虽然工作流可能暂时不支持定时,需要手动触发,但整体来说我觉得还比较满意。比自己搭建确实简单很多,会再探索一些玩法。

Evan

这种纯黑盒的产品,在当前agent作为人类辅助的场景下是无法获得用户信任的,且无法调优。

降临派 2648

体验了一把Refly,不得不说它的“自然语言即代码”理念落地得不错。相比Coze和Dify的拖拉拽,Refly把复杂的循环、判断封装成了Agent,确实降低了构建门槛。

但实际落地中存在两个致命的工程问题: 第一是执行延迟。 由于过度依赖LLM Agent堆叠,一个本该用逻辑判断解决的简单任务,被拆解成了5-6个LLM节点。这导致我的小红书文案生成流程耗时长达10分钟,是Coze搭建同类流程耗时的10倍以上,这在生产环境中几乎不可接受。

第二是产品PMF(市场匹配)的缺失。 Refly处于一个极其尴尬的中间地带:对于小白,无法精准描述需求,生成的就是玩具;对于进阶用户(比如我),既然具备了Review和修正AI逻辑的能力,我完全倾向于使用更稳定、更便宜的Coze(9.9元/月真香)来从头构建,而不是在一个半成品上修修补补。


目前看来,它既没有做到极致的省力(黑盒化),也没有做到极致的掌控(编排化)。除非底层逻辑重构,否则很难找到付费人群。

官查员

当前产品状态确实很难平衡稳定性和Agentic自主灵活能力。但是换个角度想,如果模型效果迭代足够好,推理速度足够快,那当前方式是不是workflow的演进方式?