即刻App年轻人的同好社区
下载
置顶不同产品形态营造的氛围，还是对用户行为影响很大的。
我和所有 Chatbot 产品的沟通形式全是布置任务，只有用 Youmind 的时候，才会用 AI 学习；
只有用 flowith 的时候，才会去和 AI 聊战略问题。
我和所有 Chatbot 产品的沟通形式全是布置任务，只有用 Youmind 的时候，才会用 AI 学习；
只有用 flowith 的时候，才会去和 AI 聊战略问题。
21 22
想一年不如实实在在干两天 | 52小时创业森林开启报名🔥
安利一个朋友发起的活动，在杭州。
这个活动的特色是结合黑客马拉松的活动形式和精益创业的方法论，在52小时内启动一个创业项目。
通过IdeaPitch、现场组队、导师辅导、商业模式画布、制作产品原型、路演等环节，让一个想法从零到一。
活动方给参与者提供的福利包括但不限于免费餐饮茶歇、免费住宿支持、明星创业导师 1v1 预约辅导、投资/孵化对接支持等。
感兴趣的朋友可以看看👇文章，超热血的。
安利一个朋友发起的活动，在杭州。
这个活动的特色是结合黑客马拉松的活动形式和精益创业的方法论，在52小时内启动一个创业项目。
通过IdeaPitch、现场组队、导师辅导、商业模式画布、制作产品原型、路演等环节，让一个想法从零到一。
活动方给参与者提供的福利包括但不限于免费餐饮茶歇、免费住宿支持、明星创业导师 1v1 预约辅导、投资/孵化对接支持等。
感兴趣的朋友可以看看👇文章，超热血的。
想一年不如实实在在干两天 | 52小时创业森林开启报名
21 04
应该是以前的首月优惠，现在看价格好像有调整。 //@MysticWanderer: 每个月 50 是哪个 plan？现在最低好像都是 19.9 了 @Bruce-拐子 @FlowithOfficialCN
泛函: 刚刚转发了条动态说“flowith 是我今年充钱充得最值得的产品”，来详细地补充说明一下原因： 1️⃣ 充钱很方便，性价比很高。 flowith 支持用支付宝支付，不需要给海外信用卡交中介费，支付流程很丝滑。 我现在还在用 flowith 最便宜的那个月会员，惊讶地发现， 一个月交 49 元，就能得到充分够用的 OpenAI o3、Gemini 2.5 pro 和 Claude 4 Opus 的额度。 对于一个不怎么需要 memory 的人来说，这玩意已经让我不用充值其它大模型产品了。 2️⃣ 解决了我不敢和 Agent 说话的头疼问题。 作为 Manus 的第一批用户，我其实很早地找到了通用 Agent 的一些 use case。 但是吧，通用 Agent 这玩意虽然好用，我总不敢轻易给它下任务。 经常担心自己指令不够完备，或者思路不清晰，没有给它把意思传递清楚，让它白白忙活。 然后花掉我本就少得可怜的额度。 flowith 就很好地解决了这个问题，因为它是画布节点式的交互，而且节点可以多模式切换。 在一开始，你可以先用【常规模式】来开头，和 DeepSeek V3 这种便宜的模型聊聊找找思路，来搞清楚自己的「真需求」是什么。 聊清楚之后，再在后面的节点用【Agent Neo】或【Oracle 模式】上杀手锏。 相比一开始就用【Neo】，这样的心理压力会小很多，Agent 最后的产出物质量也会高不少。 3️⃣ 方便做提示工程的对比测试。 很多外行会以为，所谓的「提示词工程」，就是能在 chatbot 里和 AI 顺畅地聊天，其实不然。 这顶多算是「提示词手艺」，还远远称不上“工程”。 真正的提示词工程，要解决的是这些问题： 1. 使用一个复杂详细地长提示词在一个 LLM 节点里完成任务，还是分段用短提示词、通过多个节点接力输出的方式完成任务？ 2. 是直接用 o3 这种强大但贵的顶级模型来输出，还是用性价比高的国产模型，让他们互相反思、检查、优化来输出？ 3. 是传统的构建知识库后调用，还是直接把知识库里的内容写进长文本模型的 system prompt 里进行调用？ 这些都没法拍脑袋，都需要做实验来测试。 而 flowith 的画布式节点交互，就能很好地进行对比实验。 你可以在一个画布上对比： 1. 联网搜索和用内部知识库，哪个效果更好？ 很多知识星球卖的知识库，甚至没有 AI 直接上网找到的资料质量高。 2. 用知识库和不用知识库，哪个效果更好？ 人类写的东西，对于顶级 AI 来说过于肤浅，甚至会降低它的输出质量。 3. 提示词写多长，效果最佳？ 写得太短说不清楚业务背景，写得太长限制了模型的发挥。 4. 不同模型的不同适用场景。 作为一个营销咨询公司的 AI solution engineer，我自己的体感是，貌似并不存在“绝对意义上的最强模型”。 因为有的场景就不需要那么多智能，只需要听话照做，智能太高反倒容易自作主张。 就跟一个公司里，并不总是智商最聪明的人绩效最高一样。 5. 人写的提示词，和 AI 写的提示词哪个效果更好？ 提示词本质上是自然语言编程，那既然 AI 擅长编程，自然也擅长写提示词。 还有不少时候，AI 写的提示词输出效果远超人类。 flowith 同时在一个画布中可以用【常规模式】、【联网搜索模式】、【知识库调用】、【多模型对比】、【提示词对比】、【Agent Neo】，测试起来就特别方便。 以上是来自一个真实的付费用户的反馈，希望对你们迭代产品有所帮助 🩷 @dereknee @Bruce-拐子 @FlowithOfficialCN
7 10
刚刚转发了条动态说“flowith 是我今年充钱充得最值得的产品”，来详细地补充说明一下原因：
1️⃣ 充钱很方便，性价比很高。
flowith 支持用支付宝支付，不需要给海外信用卡交中介费，支付流程很丝滑。
我现在还在用 flowith 最便宜的那个月会员，惊讶地发现，
一个月交 49 元，就能得到充分够用的 OpenAI o3、Gemini 2.5 pro 和 Claude 4 Opus 的额度。
对于一个不怎么需要 memory 的人来说，这玩意已经让我不用充值其它大模型产品了。
2️⃣ 解决了我不敢和 Agent 说话的头疼问题。
作为 Manus 的第一批用户，我其实很早地找到了通用 Agent 的一些 use case。
但是吧，通用 Agent 这玩意虽然好用，我总不敢轻易给它下任务。
经常担心自己指令不够完备，或者思路不清晰，没有给它把意思传递清楚，让它白白忙活。
然后花掉我本就少得可怜的额度。
flowith 就很好地解决了这个问题，因为它是画布节点式的交互，而且节点可以多模式切换。
在一开始，你可以先用【常规模式】来开头，和 DeepSeek V3 这种便宜的模型聊聊找找思路，来搞清楚自己的「真需求」是什么。
聊清楚之后，再在后面的节点用【Agent Neo】或【Oracle 模式】上杀手锏。
相比一开始就用【Neo】，这样的心理压力会小很多，Agent 最后的产出物质量也会高不少。
3️⃣ 方便做提示工程的对比测试。
很多外行会以为，所谓的「提示词工程」，就是能在 chatbot 里和 AI 顺畅地聊天，其实不然。
这顶多算是「提示词手艺」，还远远称不上“工程”。
真正的提示词工程，要解决的是这些问题：
1. 使用一个复杂详细地长提示词在一个 LLM 节点里完成任务，还是分段用短提示词、通过多个节点接力输出的方式完成任务？
2. 是直接用 o3 这种强大但贵的顶级模型来输出，还是用性价比高的国产模型，让他们互相反思、检查、优化来输出？
3. 是传统的构建知识库后调用，还是直接把知识库里的内容写进长文本模型的 system prompt 里进行调用？
这些都没法拍脑袋，都需要做实验来测试。
而 flowith 的画布式节点交互，就能很好地进行对比实验。
你可以在一个画布上对比：
1. 联网搜索和用内部知识库，哪个效果更好？
很多知识星球卖的知识库，甚至没有 AI 直接上网找到的资料质量高。
2. 用知识库和不用知识库，哪个效果更好？
人类写的东西，对于顶级 AI 来说过于肤浅，甚至会降低它的输出质量。
3. 提示词写多长，效果最佳？
写得太短说不清楚业务背景，写得太长限制了模型的发挥。
4. 不同模型的不同适用场景。
作为一个营销咨询公司的 AI solution engineer，我自己的体感是，貌似并不存在“绝对意义上的最强模型”。
因为有的场景就不需要那么多智能，只需要听话照做，智能太高反倒容易自作主张。
就跟一个公司里，并不总是智商最聪明的人绩效最高一样。
5. 人写的提示词，和 AI 写的提示词哪个效果更好？
提示词本质上是自然语言编程，那既然 AI 擅长编程，自然也擅长写提示词。
还有不少时候，AI 写的提示词输出效果远超人类。
flowith 同时在一个画布中可以用【常规模式】、【联网搜索模式】、【知识库调用】、【多模型对比】、【提示词对比】、【Agent Neo】，测试起来就特别方便。
以上是来自一个真实的付费用户的反馈，希望对你们迭代产品有所帮助 🩷
@dereknee @Bruce-拐子 @FlowithOfficialCN
1️⃣ 充钱很方便，性价比很高。
flowith 支持用支付宝支付，不需要给海外信用卡交中介费，支付流程很丝滑。
我现在还在用 flowith 最便宜的那个月会员，惊讶地发现，
一个月交 49 元，就能得到充分够用的 OpenAI o3、Gemini 2.5 pro 和 Claude 4 Opus 的额度。
对于一个不怎么需要 memory 的人来说，这玩意已经让我不用充值其它大模型产品了。
2️⃣ 解决了我不敢和 Agent 说话的头疼问题。
作为 Manus 的第一批用户，我其实很早地找到了通用 Agent 的一些 use case。
但是吧，通用 Agent 这玩意虽然好用，我总不敢轻易给它下任务。
经常担心自己指令不够完备，或者思路不清晰，没有给它把意思传递清楚，让它白白忙活。
然后花掉我本就少得可怜的额度。
flowith 就很好地解决了这个问题，因为它是画布节点式的交互，而且节点可以多模式切换。
在一开始，你可以先用【常规模式】来开头，和 DeepSeek V3 这种便宜的模型聊聊找找思路，来搞清楚自己的「真需求」是什么。
聊清楚之后，再在后面的节点用【Agent Neo】或【Oracle 模式】上杀手锏。
相比一开始就用【Neo】，这样的心理压力会小很多，Agent 最后的产出物质量也会高不少。
3️⃣ 方便做提示工程的对比测试。
很多外行会以为，所谓的「提示词工程」，就是能在 chatbot 里和 AI 顺畅地聊天，其实不然。
这顶多算是「提示词手艺」，还远远称不上“工程”。
真正的提示词工程，要解决的是这些问题：
1. 使用一个复杂详细地长提示词在一个 LLM 节点里完成任务，还是分段用短提示词、通过多个节点接力输出的方式完成任务？
2. 是直接用 o3 这种强大但贵的顶级模型来输出，还是用性价比高的国产模型，让他们互相反思、检查、优化来输出？
3. 是传统的构建知识库后调用，还是直接把知识库里的内容写进长文本模型的 system prompt 里进行调用？
这些都没法拍脑袋，都需要做实验来测试。
而 flowith 的画布式节点交互，就能很好地进行对比实验。
你可以在一个画布上对比：
1. 联网搜索和用内部知识库，哪个效果更好？
很多知识星球卖的知识库，甚至没有 AI 直接上网找到的资料质量高。
2. 用知识库和不用知识库，哪个效果更好？
人类写的东西，对于顶级 AI 来说过于肤浅，甚至会降低它的输出质量。
3. 提示词写多长，效果最佳？
写得太短说不清楚业务背景，写得太长限制了模型的发挥。
4. 不同模型的不同适用场景。
作为一个营销咨询公司的 AI solution engineer，我自己的体感是，貌似并不存在“绝对意义上的最强模型”。
因为有的场景就不需要那么多智能，只需要听话照做，智能太高反倒容易自作主张。
就跟一个公司里，并不总是智商最聪明的人绩效最高一样。
5. 人写的提示词，和 AI 写的提示词哪个效果更好？
提示词本质上是自然语言编程，那既然 AI 擅长编程，自然也擅长写提示词。
还有不少时候，AI 写的提示词输出效果远超人类。
flowith 同时在一个画布中可以用【常规模式】、【联网搜索模式】、【知识库调用】、【多模型对比】、【提示词对比】、【Agent Neo】，测试起来就特别方便。
以上是来自一个真实的付费用户的反馈，希望对你们迭代产品有所帮助 🩷
@dereknee @Bruce-拐子 @FlowithOfficialCN
49 1019
