Flowith

Flowith 是一个基于无限 2D 画布而非线性聊天线程构建的代理式 AI 工作空间。该平台由 Yichen Wu 和 Derek Nee 于 2023 年在旧金山创立，允许用户同时在多个 AI 线程中工作，每一个提示词和回复都作为可移动、可编辑的节点存在于空间画布上。它解决的核心问题是上下文丢失：当你在 ChatGPT 等传统的单线程工具中管理复杂的研究、策略或内容工作时，想法会被掩盖，线程在多个标签页中激增，任何超出简单问题的内容都会变成繁琐的复制粘贴。Flowith 将一切都放在一个持久的画布上。

该平台的核心是 2025 年 5 月推出的 Agent NEO，Flowith 将其定位为“世界上首个具备无限步骤、无限上下文和无限工具的 AI 智能体”。NEO 在云端自主运行，每次会话可执行 1000 多步推理，并拥有 1000 万 Token 的上下文窗口，使其即使在你离线时也能处理长达数小时的研究和创作任务。支持 NEO 的是 Knowledge Garden（知识花园），这是一个个人检索增强生成（RAG）系统，上传的文档会被分解为“种子”，并在相关会话中自动检索。用户可以在同一个工作空间内访问来自 OpenAI、Anthropic 和 Google 的 40 多种前沿模型，输出内容涵盖文本、图像、视频、幻灯片和完整的网站，所有这些都在一个画布上完成。

2026 年 6 月的 Flowith 究竟是什么

该产品有两个协同工作的不同层级。第一层是画布工作空间本身：一个空间化的非线性面板，让你以可视化的方式构建项目。与 Google Gemini 或任何标准的 AI 聊天界面不同，这里没有单一的对话线程。相反，你可以创建分支：一个节点用于原始研究，另一个用于反方观点，还有一个用于最终草稿。你可以在平行的分支上运行不同的 AI 模型，并在同一个面板上并排比较输出结果。

第二层是自主执行引擎 Agent NEO。基础画布需要用户主导的提示，而 NEO 则在“动态配方（Dynamic Recipe）”循环中运行：它设定目标、规划子步骤、执行工具（网络搜索、代码执行、文件生成）、评估结果，如果某一步失败则自我纠正，并持续运行直到任务完成。NEO 在 GAIA 基准测试（一项衡量通用 AI 智能体处理现实世界多步任务能力的标准化测试）中处于领先地位，在 2025 年 5 月发布时，在最难的 Level 3 类别中达到了 90% 的准确率，在当时的该基准测试中超越了 Claude 3.7 Sonnet 和 GPT-4o。

Knowledge Garden 是第三大支柱。用户上传文档（PDF、Excel 文件、研究笔记），系统将它们索引为可检索的“种子”。未来任何的画布会话都可以自动从该索引中提取信息，因此 AI 始终能够访问你的机构知识。随着时间的推移，Knowledge Garden 会产生复利效应：你添加的内容越多，NEO 就越能精确地将输出建立在你的特定上下文之上，而不是通用的网络信息。

在 Google、NVIDIA、Microsoft 和 AWS 合作伙伴关系的支持下，Flowith 到 2025 年夏天达到了 100 万用户，并报告处理了超过 2000 万次智能体请求。

Flowith 与 Manus 和 ChatGPT 的定位对比

Manus 和 Flowith 都致力于长周期的自主任务，但它们采用了截然不同的架构方法。Manus 在虚拟机环境中运行，采用异步、放手式的委托：你给它一个目标，它进入云端进程，然后你回来查看结果。它的上下文是按任务划分的，并且没有持久的空间工作空间来连接不同时期的项目。相比之下，Flowith 在设计上是“用户在环（user-in-loop）”的。画布让每一步都清晰可见；你可以在任何时候干预、编辑、分支或重定向。Manus 更适合纯粹的委托，即你希望走开并回来看到完成的作品。而 Flowith 更适合你希望与智能体一起思考、跨会话构建组织结构并积累不断增长的知识库的工作。

ChatGPT 是最鲜明的对比。ChatGPT 的聊天界面是单线程且基于会话的：即使启用了记忆功能，你也只能一次浏览一个对话，而且历史记录是线性的。Flowith 的画布在设计上是空间组织的，并且跨会话持久存在。ChatGPT 通过其操作员/智能体功能执行简短的任务链；Flowith 的 NEO 则自主运行 1000 多步推理。对于快速的事实性问题或一次性的起草任务，ChatGPT 在简单性和速度上胜出。但对于需要分支结构、多模型比较和不断增长的文档知识库的长达数周的研究项目，Flowith 能够处理 ChatGPT 在结构上无法提供的内容。

第三个有用的参考点是 Genspark，它使用“混合智能体（Mixture-of-Agents）”架构，在多个语言模型之间动态路由任务，以快速、协调地生成输出。Genspark 是同步的，并针对快速的多模态输出（演示文稿、文档）进行了优化；Flowith 是异步的，并针对长时间运行的迭代和知识积累进行了优化。它们服务于不同的工作节奏。

“这太疯狂了。Flowith Agent Neo 彻底改变了 AI 智能体的游戏规则。现在任何人都可以解锁云端无限的 AI 智能体，1000 多步推理加上 1000 万 Token 上下文，平行的 AI 智能体团队在你睡觉时为你工作。” - @minchoi (Min Choi), X/Twitter, 2025 年 5 月 19 日

AI 在 Flowith 内部是如何实际运作的

画布不仅仅是聊天界面上的视觉外壳。画布上的每个节点都带有自己的上下文，你可以连接节点来创建上下文链：节点 A 的输出成为节点 B 的输入上下文。这意味着你可以构建明确的推理路径，让后续步骤建立在早期步骤的基础上，而无需手动复制粘贴。当你在任务上运行 Agent NEO 时，它会在画布上创建自己的节点子图，因此你可以实时跟踪其推理过程，而不是接收一个黑盒输出。

Oracle 系统充当 NEO 的智能调度器。当你设定一个复杂目标时，Oracle 会将其分解为子任务的依赖图，为每个步骤分配正确的工具，并管理执行顺序。工具访问权限包括实时网络搜索、Python 代码执行、图像生成、视频生成、文件 I/O 和外部 API 调用。动态配方（Dynamic Recipe）机制意味着 Oracle 不会预先锁定计划：如果网络搜索返回的数据不足，NEO 会重新路由到不同的来源，而不是直接失败。

模型选择由用户在每个节点上控制。你可以在一个分支上固定 GPT-4o，在平行的分支上固定 Claude Sonnet，并同时运行两者，在画布上直观地比较输出。这种多模型比较工作流是高级用户特别指出真正有用的功能之一，而不仅仅是一个营销噱头。

Knowledge Garden 作为后台 RAG 层运行。当你在会话中激活它时，系统会从你上传的文档中检索相关的种子，并自动将它们注入到模型的上下文中。对于拥有固定客户或主题的机构或研究人员来说，这意味着 AI 始终在你建立的上下文中工作，而无需在每次会话中重新提示。

“只需一个简单的提示，你也可以使用 Flowith Neo AI Agent 做到这一点。Flowith 在 GAIA 基准测试中已经超越了现有的通用 AI 智能体框架。” - @Saboo_Shubham_ (Shubham Saboo), X/Twitter, 2025 年 5 月

用户不断提出的摩擦和成本问题

积分系统是最持续的摩擦来源。Flowith 按操作收取积分，成本因模型和输出类型而异：文本生成每百万 Token 消耗 100 到 15,000 积分（取决于你使用的模型），图像每张消耗 20 到 190 积分，视频则需要 475 到 6,000 积分（取决于长度和分辨率）。这种可变性使得用户很难预测 Pro 计划每月 22,000 积分会多快消耗殆尽。一位 Trustpilot 评论者报告说，在一次定价更新后，图像生成从每张大约 1-10 积分跃升至每张约 160 积分，而这一变化在续订时并未明确披露。他们的退款请求被拒绝了。

学习曲线是真实存在的。多位独立评论者指出，在画布界面开始让人感觉高效之前，需要 30 到 60 分钟的适应期。习惯了线性聊天的用户起初会觉得这种空间范式令人迷失方向：这里没有像聊天回复框那样明显的“下一步”。对于简单的任务，这种开销是不值得的。对于复杂的多会话项目，它是值得的，但你必须忍受达到这一目标之前的摩擦。

移动端实际上是不受支持的。画布需要大屏幕才能高效使用。如果你的工作流分布在多个设备上，Flowith 不是适合你的工具。

长时间的 NEO 会话带有连接风险。由于 NEO 在云端运行，任务中途的网络中断可能会破坏长达数小时的自主运行。该平台目前不提供强大的会话恢复机制来防止这种情况。AIbase 在 NEO 发布时指出“高并发任务成本需要进一步优化”，这一担忧对于重度用户来说仍然存在。

最后，Flowith 在技术开发任务方面并不强大。它在表面层面上处理代码生成和网站构建，但对于深度脚本编写、CI/CD 集成或需要迭代本地测试的代码，像 GitHub Copilot 或 Cursor 这样的专用编码工具会更好。

Flowith 适合谁

Flowith 最适合管理复杂、多会话项目的知识工作者：综合大量文档集的研究人员、构建编辑管道的内容策略师、维护客户知识库的机构，以及任何工作涉及需要随着时间推移保持连接的平行思维线程的人。如果你经常发现自己在多个标签页中丢失上下文、在工具之间复制输出，或者在每次会话中向 AI 重新解释相同的背景，Flowith 的画布和 Knowledge Garden 直接解决了这些痛点。

它在亚洲以及希望用单一工作空间取代对 Notion、Perplexity、聊天 AI 和图像生成器的分散订阅的西方 AI 高级用户中具有特别强的吸引力。在一个画布中实现多模型访问和多模态输出（文本、图像、视频、网站），使得这种整合真正成为可能。

如果你主要需要快速的一次性答案（ChatGPT 的速度优势对于简单查询是决定性的），如果你主要在移动端工作，如果你需要可预测的统一费率定价，或者如果你的核心任务是需要真实代码执行环境和版本控制集成的软件开发，请跳过 Flowith。免费层（300 积分，一次性）为你提供了足够的额度来测试画布并运行轻量级的 NEO 会话，然后再决定是否购买付费计划。