Manus的“上帝之手”稱號近日被一個新的AI智能體——Flowith旗下的Neo奪走了。這款智能體背后的團隊不僅異常年輕，還在社交媒體上宣稱在0營銷投入的情況下，實現了130萬美元的ARR收入。

在GAIA智能體評測標準的三個等級中，Neo不僅超越了Manus，還創下了新的評分記錄。其中Level1和Level3更是突破了“整數級”評分。

目前的智能體市場可謂是“大風起兮云飛揚”，新玩家不斷涌入這一賽道。從傳統互聯網巨頭到專注產品研發的初創團隊皆有涉足。

各類產品紛紛打著“AI智能體”的旗號，但正如一些網友所說：許多所謂的智能體，不過是在Manus的框架上又疊加了一層LLM而已，萬物皆可套殼。

今天，讓我們深入分析下這款標榜自己是“下一代AI生成力”的產品，看看它是否是“穿新鞋，走老路”。

01

Flowith Neo：無限步驟、無限上下文、無限工具

在Flowith產品官網中，如果點開輸入框右上角的Agent Mode，則自動啟用 Agent Neo，在此模式下，Neo可以智能調控各種大模型，完成長序列的復雜任務。

在非智能體模式下，Flowith則提供了諸如常規模式、聯網搜索、圖片/視頻生成等“垂類功能模式”。每一個模式里，都集成了數量非常多的市場主流LLM。

Flowith將它們能夠提供的所有存貨幾乎都擺了出來，并分成T1/T2兩個陣營，我稍微數了下，一共近30個模型。

它們集成了市場上幾乎所有主流的大模型，涵蓋了幾乎所有模態，例如Claude 3.7 Sonnet、Grok3、GPT Image1、Gemini 2.5 Pro preview、o3、o4 mini、DALL?E 3、Flux、Recraft和Kling等。

相對于Flowith的上一代智能體Oracle，Neo最大的提升在于它將任務搬到了云端執行，智能體嵌套、上下文、工作步驟都得到了大幅的性能和穩定性提升。

這款新晉智能體產品主要有三個亮點：無限步驟、無限上下文和無限工具。

我們通過一系列測試來逐一展示這些特點。

（1）無限步驟

Neo由于將任務的執行搬到了云端，現在的它幾乎可以在任務中一直工作，即便用戶關閉了網頁，它對于用戶本身網絡環境的依賴已經不再是必需的了。

一個最明顯的樣本是：它可以幫你訂閱幾乎大量平臺的關鍵KOL或者是新聞媒體，并調用推理和相關模型撰寫報告，發送到你的郵箱。并且用戶可以規定發送的頻率，Neo幾乎會無限制地在云端跑流程，不斷地重復工作步驟。

如果想要Neo完成此類任務，可以直接輸入一段非常簡單的Prompt：

請你幫我找到10家最主流AI新聞媒體，并將它們最新更新的消息做成簡報，每兩小時更新一次，發送到我的郵箱。

Neo 會以非常快的速度處理用戶的Prompt，它此時的第一步就是在工作流程中與用戶交互，確認我的電子郵件地址。

Neo制定了一個非常詳細的流程圖，明確每個步驟的任務，為自己做出了一個清晰的整體視圖。

Neo按步驟執行工作，收集所需知識和信息。信息來源十分廣泛，并且會不斷地檢查信息內容是否與用戶需求相一致。

以下就是Neo所找到的10家AI新聞信息源：

Neo會從先前確定的10家AI新聞媒體的官方網站分別獲取各自最新的3-5篇AI相關新聞報道的詳細內容，并使用browser從每個網站上獨立抓取信息。

Neo會多線程同時處理10家媒體的信息抓取任務，并將所有信息整合做出一份簡報：

第一份結構化的AI行業最新簡報順利地發到了我的郵箱，內容幾乎占用了12頁的Word文檔。

后續，我的郵箱中陸續收到了幾份來自Flowith在云端執行定時任務的稿件。

（2）無限上下文

從實際體驗來看，Neo 的上下文非常之長，常常能達到數萬甚至數十萬字的地步。

這種超長的上下文能力使得Neo能夠記住之前的對話內容，保持上下文連貫性，避免了頻繁重復之前的敘述或信息，從而提升了交互的效率和質量。

在實際應用中，這意味著我們可以與Neo進行長時間、多輪次的深入對話，而無需擔心它會“忘記”之前的討論內容。

比如，我試著讓它做了一個全球文科倒閉潮的可視化報道切片，提示詞比較簡略：

收集2024年至今中國大陸、新加坡、英國、美國、韓國、日本所有大學裁撤文科的情況，并在一張世界地圖上進行可視化呈現。

拿到提示詞后，Neo 會先在左側的 workflow 面板里自行規劃出一整套清晰的工作流程，然后按步驟一項項執行任務。

考慮到最終生成的內容可能過多導致混亂，它貼心地設置了一個 Files 面板，將所有生成的文件整理歸類，便于隨時查閱。

不到十分鐘，它就收集好了九個地區的數據，并自動整合成了一篇結構完整的報道。內容不僅詳實、分析有理，而且自帶思辨性，與用戶的意圖進行了對齊。

Neo設計的交互界面幾乎是一步到位，呈現效果也非常流暢自然。

“無限上下文”的Neo究竟能產生多少個文檔？這是一個無法給出確切數字的問題。

在這一項任務中，它就累計了如此多的信息內容：

（3）無限工具

Neo的操作流程兼容多種外部工具，并整合了Flowith自推出以來就廣受好評的知識花園功能。知識花園其實就是我們一般所說的“知識庫”，但Flowith會在你上傳知識內容后，以“Seed”作為最小單元識別其中的知識。

為了增強Neo的檢索能力，我會外掛知識花園中與AI相關的知識庫，以增強Neo的檢索能力，其中包含與人工智能相關的豐富信息。

然后輸入Prompt：

幫我找到 20 個非常專業的 AI 科技 X（原 Twitter）博主，做成網頁。

然后，我又讓AI模型自動豐富這些提示詞，規定好了顏色顯示等等條件。

Neo開始調用外掛工具，進行大量的相關信息搜索：

在Neo實際的工作步驟中，Flowith將所有工作流搬到了“無限畫布”中，很直觀地顯示出了一個“紡錘形”的思考樣態。

在進行HTML網頁任務的前期，Neo會先進行知識積攢，這也是為何思維流程中體現出“兩邊細，中間寬”的形態。

經過三個版本的迭代，Neo成功制作了一個HTML網頁項目。

在這個網頁中，它將奧特曼、楊立坤、吳恩達等一眾X上的AI科學家和博主匯集在一起，為每個人貼上了標簽，并實現了交互功能。每個名字下方還附有該博主在X上的鏈接，用戶可以一鍵直接訪問。

可以看得出來，Neo非常適合這類“需要調用多種工具并且高度復雜的任務”，它對于大模型的調控和整體流程的把控都非常的嚴謹。

比如，Neo與其他AI智能體最大的一個區別就是：它會在工作流程中大量地嵌入審查機制，比如在每一個結果產出之前和之后都會進行自我反思。即便在所有項目結束后，也會給出好幾份審查報告、項目總結報告等等。

在每一個節點之中，Flowith都允許使用者進行單一節點的微調工具。

在文檔文件中，Flowith則允許用戶使用文本編輯器，實時手動更改文件內容甚至是代碼。無論是在編寫程序代碼還是修改文檔內容方面，Flowith都提供了一個直觀且友好的操作界面。

這樣將用戶也視作參與者的操作，雖然有放權嫌疑，但也能夠讓后續的效果更好。

Neo能將整個創作流程以可視化流程圖的方式展示出來，我可以對其中任意節點“點選修改”“局部重啟”，真正實現模塊化調用“無限工具”創作的自由調度。

這可能是 Neo 區別于傳統 Agent 的關鍵能力：不是“從頭再來”，而是“就地優化”。

02

Flowith，一家在OpenAI o1發布之前就早已深耕Agent賽道的選手

Flowith最初在全網嶄露頭角的名稱還只是“畫布式AI創作平臺”，但卻一直在探索智能體方向，第一代產品Oracle于2024年8月就已發布，甚至早于OpenAI的推理模型o1的發布。這款產品在各個社區都有一定的熱度。當時的Flowith憑借Oracle甚至被譽為“讓Chatbot式AI成為歷史的下一代工具”。

這家初創企業背后的團隊也異常年輕，Flowith由倪正民（Derek Nee）團隊于2024年正式推出。這位96后CEO在20歲前就曾創立X Academy、項目超過千萬人民幣ARR的Realm項目，都曾風動一時。據“觀察者網”心智觀察，Flowith的全體團隊都是95后，市場負責人郭梓溢本人則是00后。這家團隊在架構體系中幾乎將任務導向做到了新高度：每周團隊可能會有100個任務，而每個人只需摘取自己最適合的任務。他們在團隊構建中拋棄了傳統的任務分配機制，轉而采用鼓勵極致創新的開放式思路。

在這樣的團隊中孕育出來的Oracle顯然也帶有創新基因，這款產品最大的特色在于交互范式的創新。它沒有沿用傳統聊天框+黑箱執行的模式，而是開創性地引入了畫布多線程交互理念。Flowith 沒有自己訓練大模型，而是專注于上層架構和交互創新：通過可視化工作流編排，把LLM的推理能力、搜索工具、插件能力組合起來。

這一理念的背后，其實代表了兩種AI使用觀念的差異：Manus 等追求的是AI完全自主行動，用戶給出指令后AI自主完成一切；而 Flowith 則強調“用戶”角色，等同于坦誠了一個事實：現在還不存在通用AI智能體，但是有了用戶的參與，Flowith能夠表現地更好。

比如，在上面的操作演示中，我們可以清楚地看到Flowith為用戶提供了微調和干預流程的能力，確保 AI 輸出更精準地滿足特定需求。例如，用戶可以在 Flowith 畫布的特定節點添加自定義數據源，使最終報告的關鍵信息往往能超越 Manus。

03

與大廠截然不同的思路

百度Q1財報的公眾號文章中就把AI智能體放在了很重要的位置，不斷地強化自家平臺已經接入“幾千+MCP組件”，在未來更是會將通用AI智能體的任務類型擴展數十萬的水平。然而，Flowith 卻走了條不同的路：研發了個“模擬人類大腦思維流程”的AI智能體工作流。

這或許僅是一種噱頭，實際上更多地取決于使用者的個人偏好，這也反映了當前智能體市場所呈現的世界參差感：熱愛者視之為真愛，可能是通向AGI的必由之路，而不喜歡者則覺得這玩意就是個噱頭。

不過，不得不說的是Flowith仍然使用行業主流的LLM，在智能能力上沒有顯著突破。它的優勢在于速度更快、操作更流暢以及更強的反思能力。盡管如此，Flowith還是成功地將智能體產品投入市場，因此建立了獨特的競爭優勢。

Flowith 所塑造的競爭壁壘主要在于用戶社區和創新速度。前一代Oracle自發布以來，到今年Neo推出之前，一直在小眾社區中保持了一定的熱度，但也受到不少批評，比如多線程工作容易卡死、非云端導致用戶過于依賴網絡環境。

不過，Neo的上線很大程度上解決了這些問題。

Flowith的另一個潛在壁壘是團隊一直想要構造的“社區”。各網絡平臺上其實一直都有這么一句笑言：少玩產品，多搞社區。像是Flowith很早就搞了個“知識花園”功能模塊，每個人跑完自己的工作流程還可以繼續分享Recipe到社區里。這就會形成獨特的知識共享網絡，這會吸引新用戶的加入。

總的來說，Manus、Lovart、字節的扣子空間、百度的心響，以及一些將AI智能體應用于自家搜索產品的公司，構成了整個智能體賽道。

但目前來看，與行業熱度一起到來的還有些許亂象。

從Manus 在 GAIA 上的綜合成功率顯著超過了 OpenAI 的 DeepResearch 等系統，刷新了該基準的SOTA性能記錄開始，幾乎所有大廠全部下場搞智能體。然而，沒過多久，這些產品的宣傳重點從智能體的能力轉向了產品本身的能力，接著又開始宣傳MCP工具的接入。

整個行業好像已經從AI能力優先，轉化為生態優先。先將產品做出來，搶奪完用戶，再煮酒論英雄。像Flowith這樣的智能體在整體工作流程中幾乎將自己的“腸子”都挖出來，向各位看官證明一下自己吃了幾碗粉，仿佛成了一股清流。

前OpenAI 副總裁 Lilian Weng 曾在博文中將智能體的標配總結為:Agent = LLM + Memory + Planning + Tool Use。

而在預訓練大模型幻覺率仍居高不下的當今，我們將會看到這樣一個局面：再靠純LLM能力突圍已經不再現實，從基礎模型上挖掘不到更多的寶藏。各家廠商都在產品側，以產品經理的思維尋找突破口。