“Chatbot（聊天机器人）式AI将成为历史。”
在半年前，如果一个来自国内的团队敢这样宣传自己的产品，必然会招来嘲讽和质疑。
而在1月16日， flowith 2.0版本上线时，倪正民（DerekNee）赫然把这句话打在了flowith 2.0产品发布视频的标题中。
他等来的网友评论是：“我真的很难想象国人能开发这玩意。”
这“玩意”是什么？
“flowith是一款画布式的AI创作工具。”flowith联合创始人兼CEO倪正民告诉「甲子光年」。
设想这样的场景：你是一个初创公司的创始人，明天要见一位知名投资人，不同的投资人会有不同的风格和偏好，你如何更有策略地准备和他的见面？
可能你会打开一个AI chatbot，比如ChatGPT，在对话框里输入prompt“我是XX公司的创始人，我要和XX投资人见面，请帮我准备30秒的pitch，让XX感兴趣。”
接下来，AI chatbot会生成一段“貌似可用”文字，但ChatGPT并不知道你的这家公司的具体情况，也不知道这位投资人喜好。你不可能拿着这段文字去准备和投资人的面谈，最后还是得自己找资料准备。
类似的情况还有针对某个特定公司面试场景和某个学校的论文答辩场景。
你可能会想到检索增强生成（RAG），但是这对于普通C端用户来说，存在一定技术门槛。
flowith 2.0版本就可以解决这个问题，用户可以从flowith的知识库市场里导入这位投资人的知识库，知识库里有这位投资人过往的文章、视频等；而知识库里没有的内容，比如某家初创公司的介绍、个人简历，都支持用户自己导入。
倪正民把这个功能命名为知识花园（Knowledge Garden），在这个基础上，用户这样再去接入其他模型的API，就可以获得更准确、更个性化的内容，还可以进一步交互询问更多问题，甚至开始模拟交谈或面试。
而这些知识库来自flowith用户的整理，并可进行交易，这也给了用户通过flowith知识库市场变现的能力。
他说：“它将重新定义人类的创作方式以及知识的分享和变现模式。”
这种重新定义从flowith创办之初就开始了。2024年4月18日，flowith悄然开始公测，它不同于以往“线性”交互的方式，而选择通过画布式、多节点的交互方式进行呈现：通过创建多个节点、每个节点代表一个独立问题或主题的方式，用户可以围绕每个节点探索相关的信息和知识，在多个问题或主题之间自由切换的过程就像人类思维发散的过程。2024年8月，flowith正式上线后又推出了智能体功能Oracle，可以“让数百个AI Agents同时工作，无需手动搭建工作流”，这也让flowith夺得了科技产品发现平台Product Hunt产品榜的桂冠。Flowith 1.0 Oracle 功能演示
这次的flowith 2.0的则是带来了知识花园（Knowledge Garden） 、多线程画布（Canvas）、编辑器（Composer）等功能。1月23日，flowith又更新到了2.0.5版本，包括升级Oracle、新增跨项目拖拽以及接入国产当红模型DeepSeek R1。AI推理模型能力虽强，但flowith想让它们跳出传统chatbot式交互的囚笼，释放出更强的能力。“大模型本质是并发的信息处理器，却被塞进单线程的聊天框里。”倪正民告诉「甲子光年」。Flowith V2.0.5
flowith背后的团队十分年轻，CEO倪正民是一位坚定的技术乐观主义者和连续创业者。他全额奖学金毕业于美国著名文理学院 Lafayette College （拉斐特学院），先后参与创立了创新教育平台X ACADEMY未来学院、社交App Realm等项目，高中时还曾以最年轻的讲师身份参与清华XLP项目（“跨学科系统集成设计挑战”课程）的筹备和授课工作。「甲子光年」注意到，flowith 2.0新增的功能，正是在模仿人的思维从发散到收敛的过程，构建一个“输入-处理-输出”的认知闭环。在flowith 2.0发布后，「甲子光年」和倪正民聊了聊flowith的缘起、特点、版本迭代，以及他的AI产品观。1.谈缘起：画布式工具带来创作效率提升
甲子光年：最近不少人安利flowith 2.0，我想知道你对flowith的定义是？倪正民：flowith是一款画布式的AI创作工具。倪正民：最初flowith的设定更加垂直，是一个AI生成工具。生成和创作是有比较大区别的，生成只是创作的一个环节，更强调用完就走，而创作则包含了更多前置和后置过程。最开始做这样一个AI生成工具的契机，源自我自己使用ChatGPT等AI产品时的体验：当强度使用AI生成内容时，我们往往需要访问不同的平台、调用不同的模型，并打开多个窗口与AI在不同提示词（prompt）下进行交互。此外还得手动切换窗口对比效果，然后再将有用的内容反反复复粘贴，这个过程非常繁琐。我们曾将prompt和生成内容放在Figma上进行并列对比，以观察哪个prompt效果最佳，这个过程让我们想到：为什么不把这个流程做成一个产品，让用户能更高效地生成、对比和再生成内容呢？人的思维本身就是多线程、天生发散的，那为什么我们要被使用的工具限制在一个单线程的聊天里呢？因此我们就在思考：chatbot式的对话，对于创作者来说是使用LLM的最佳选择吗？基于第一性原理（First Principles），可从创作行为的本质需求拆解问题，于是我们得出了一个公式：甲子光年：这个公式挺有意思，画布式工具如何带来创作效率的提升？倪正民：在传统的对话模式下，Chat工具采用线性生成方式，这会让用户被时间维度限制住：对话必须按照时间顺序依次进行。但创作的本质是非线性探索，用户需要在不同节点间自由跳跃。非线性的创作过程，图片来源：《Jordan Moore - Operating systems without windows and menus》
传统对话有一个问题，就是每次都需要重新梳理上下文，增加了认知负担。相比之下，画布式交互利用空间记忆，降低了认知负担。艺术表达方式的非线性思维示意图，图片来源：《Arts Integration and Universal Design for Learning》
这里暂不展开讨论理论细节，但我们在搭建MVP（最小可行产品）后，测试了多线程和画布式交互，发现画布式交互可以极大降低用户操作成本、并提高信息密度和质量。换句话说，传统Chat工具的操作成本会随着复杂度的增加呈指数增长，而画布工具的增长只会是线性的。这种改变的核心在于用空间复杂度替代时间复杂度：当创作流程变得足够复杂，画布结构的信息熵优势将呈指数级显现。同时，我们自己在第一次体验了产品MVP出来，虽然当时UI很粗糙，但还是给了我们非常不一样的感受，有种进入心流的感觉，这也是我们给产品起名为flowith的原因，希望它可以帮助用户flowithAI、flowithLLMs、flowithLove.甲子光年：从创立之初到现在，你们的产品路线有什么变化吗？倪正民：我们第一次面向公众是在去年4月份，当时对flowith的定义是“更高效的AI内容生成工具”，或者说“画布式AI生成工具”。8月份发布的1.0版本，我们根据市场反馈和用户最多的使用场景，把它更聚焦到“AI for Deep Work ”，即深度工作提供的 AI 内容生成工具。我们的产品路线也在向这一方向发展，希望在围绕深度工作场景，专注于内容生成，通过多线程对话方式，帮助用户更高效地与AI协作，获取所需信息并生成内容。2.谈更新：“知识外挂”模式是一种颠覆
甲子光年：flowith 2.0新增了知识花园、多线程画布和编辑器这三个功能。为什么会选择新增这些功能？倪正民：flowith 1.0的核心基因是画布，它承载着用户对自由思考与视觉化表达的底层需求。而flowith 2.0新增的知识花园、多线程画布、编辑器，本质上是在重构数字时代的创作范式：将传统线性流程升级为知识循环系统。三个功能构成三栏架构，如同“厨房的冰箱（知识存储）→ 案板（思维加工）→ 炉灶（内容输出）”生态链。知识花园解决的是创作者最根本的“认知饥饿”：AI工具如果只关注最终产出，就会类似强迫厨师凭空烹饪。通过结构化知识沉淀与市场交换，flowith将创作从“空中楼阁”转化到根系扎实的认知生态。多线程画布则是应对现代创作的超文本性：人的思维本就不是单线推进，而是多维度并发的。我们通过画布式多线程生成，将人类与AI在创作过程中“思维发散-收敛”的过程具象化为可操作的视觉工作流，这也是flowith被评“创作加速器”背后的核心逻辑。flowith的多线程交互与多人协作
编辑器的突破在于终结“工具跳转损耗”。传统创作中内容打磨需要切换5～7个工具，我们通过内嵌智能编辑的Composer，在创作过程中兼顾流畅性和精度控制。就像米其林厨师不会离开自己的厨房去切配菜，真正的创作应该发生在统一的认知场域里。三个功能的协同，本质上是在构建“输入-处理-输出”的认知闭环。当知识能够被积累、思考可以被延展和内容能够不断迭代时，创作就从偶然的灵感变成一种可持续的认知进化过程——这也是flowith 2.0想要带来的变革。甲子光年：知识花园的功能很有意思，这和检索增强生成（RAG）有什么不同吗？倪正民：知识花园功能主要基于人类的认知管理+大语言模型的RAG技术特点，和RAG类似，但有所升级。和RAG不同的是，使用者能看到flowith的AI具体分块、引用的过程，并通过动态知识网络实现知识的有机生长。每个知识种子（Seed）不再是静态的文本块，而是具备上下文关联能力的智能单元。传统RAG是单向的知识调用，为了弥补这点，我们通过用户对生成结果的反馈（如修正、扩展或修改来源），反向优化了知识种子的结构和关联权重。双向互动也让系统越用越贴合用户思维模式，并形成可解释、可干预的知识协作系统。甲子光年：flowith 2.0增加了社区功能，邀请了大V和博主入驻，知识库也可以交易，这意味着你们切入知识付费赛道了？倪正民：我们的AI知识库和过去的知识付费并不是一个赛道的。传统知识付费是给人类学习使用的，而我们的知识库是为AI服务的；传统知识付费是单向输出，而AI知识库社区是动态演化的有机体：当用户分享财富管理知识库时，它不仅是静态数据包，还能是其他用户生成理财方案时的“思维脚手架”。社区功能更深层的价值在于解决AI时代的“数据冷启动”困境。大V们带来的垂直领域知识库，本质上是在帮普通用户突破专业壁垒。就像Steve Jobs' Mind、PG Essays这些AI知识库案例，普通人需要多年阅读才能掌握其认知，而用AI调用知识库即可快速获得精准决策支持。这种“知识外挂”模式，能让每个人都能低成本拥有领域专家的AI协作者，我认为是社区真正的颠覆性所在。甲子光年：你为什么认为用户会愿意付费使用AI知识库？倪正民：在回答为什么用户愿意付费之前，要先明确知识库（Context）对大模型（LLM）回复质量的影响。在我们测试中，不同的知识库能让GPT-3.5这类基础模型的输出效果提升数倍以上——当LLM拥有专属领域的结构化知识图谱和上下文时，它不再是从通用语料中拼凑答案，而是像专业顾问般进行推理。 付费的核心逻辑在于知识库创造了三层不可替代的价值： 1. 认知杠杆：用户积累的独特认知、行业术语、案例模板、方法论框架，通过AI转化为精准的生产力工具。比如广告创作者上传历年campaign资料后，AI能自动生成符合品牌调性的脚本结构，这是通用模型永远无法实现的颗粒度。 2. 知识资产化：我们观察到2.0内测用户中，42%是内容创作者——他们通过知识市场将沉淀的行业洞察封装成可售卖的 “思维模组”，这种从消耗时间到出售认知资产的转变，重构了知识工作者的商业模式。 3. 人机协同进化：flowith知识花园本质上构建了RAG技术的双向训练场—— AI在为人类整理知识卡片的过程，也在为 AI 建立带语义标注的向量索引；而AI在回答问题时引用的知识片段，又会通过用户反馈自动优化关联权重。这种Human-in-the-loop RAG机制，让知识管理系统成为培育专属AI助手的土壤。
我们是想让flowith 2.0解决一个悖论：AI时代的信息过载反而让深度思考变得更稀缺。我们不是用技术替代人类创作，而是通过结构化知识流（输入-重构-输出）重建创作的心智秩序——当用户为知识库付费时，本质是在购买一个持续进化的认知协作伙伴。3.谈商业：真正高频刚需的场景必然走向订阅
甲子光年：问一个大家关心的问题，目前flowith有多少用户？日活、月活数据是多少？倪正民：具体数据还不方便透露，但我们已经通过产品订阅达到了盈亏平衡。最近几个月的收入增长曲线也是呈现的指数形态，预计2025年可达到百万用户的规模。甲子光年：你们如何商业化？你更看好订阅制、广告，还是按使用付费模式？倪正民：当然是订阅制。订阅制的核心不在于稳定现金流，而是倒逼产品必须成为用户的“数字器官”，即用户离开它会产生真实的效能痛感。我们观察到，真正的生产力工具会经历三个阶段：工具层（解决具体问题）→ 习惯层（嵌入工作流）→ 神经层（决策系统不可分割）。只有当产品进化到第三层时，订阅才不是消费而是投资。广告模式本质是注意力税（如社交产品），与深度生产力场景存在根本性冲突——当用户进入心流状态时，任何信息干扰都会摧毁工具价值。而按使用付费模式看似灵活，实则暴露了产品价值锚点的模糊：真正高频刚需的场景必然走向订阅，低频长尾场景则可能被生态级应用吞噬。甲子光年：刚才我们聊到了AI知识库交易，从你们最新发布的“Knowledge Market（知识市场）”来看，你们似乎不局限于要做一个知识管理产品，而是要做一个知识资产交易平台？倪正民：Knowledge Marketplace是一个融合了AI知识库市场与社区功能，可以让能够将建立优质AI知识库分享至社区，帮助他人借助私有化知识显著提升AI回答质量。如果要回答这个问题，需要回归知识工作者的核心场景分层。第一层是私有心智基建。80%以上的用户高频操作集中在个人知识花园：上传会议纪要时自动生成思维导图，写作时调用上周读的论文观点，这种基于个人认知指纹的即时调用才是创作刚需。本质上，人类需要先建立稳定的认知坐标系，才能有效吸收外部智慧。 第二层才是知识市场的价值。当时我们发现用户开始自发交易“小红书爆款标题公式库”“Steve Jobs's Mind”“Matt Levine's Money Stuff”这类垂直知识模组时，意识到这本质是认知协作的溢出效应：某个咨询顾问的行业洞察封装成可交互的 AI 知识库后，购买者不是获得静态文档，而是一个能结合自身案例进行推理的“虚拟专家”。这比传统知识付费的交付形态进化了三个代际。 但大家也要清楚地知道，没有第一层的个人知识管理系统，直接使用外部知识库会产生严重的认知排异。就像厨师借用米其林菜谱前，必须先建立自己的味觉坐标系。所以flowith的底层设计始终以个人知识图谱为锚点，市场中的知识库更像可插拔的“认知增强模组”，在用户需要突破思维盲区时提供临时外援。 甲子光年：我们了解到，有大厂和其他创企曾疑似“抄袭”你们的产品，作为创业公司，大厂和其他竞对入局这个方向，你们的护城河在哪里？倪正民：为了避免不必要的法务风险，我不会说具体的企业。但更重要的是，我不在乎他人的入局或抄袭。我们注意到，有些产品直接复制了flowith的功能和宣传文案。尤其是我个人发的小红书文案，甚至被其中一家完全复制（仅更换名字）就发布了，这也让我比较无奈。我不反对学习和借鉴，但太过分地抄袭已触及道德底线，难免令人不适。我希望大家都能以更健康的方式交流、学习，这样才能共同发展和真正“走出去”。当大厂带着资本和流量入场时，我看到的是验证了赛道价值，而非威胁——因为AI时代的护城河不在算力储备，而在团队认知、执行力、创新能力等一些较软的东西，这些可能不能直接通过明确的数据进行对比，但我觉得这可能才是决定企业是否可以脱颖而出的关键。4.谈产品：用工程思维实现人性化体验
甲子光年：你之前说过“当前90%的AI使用者对LLM的利用率不足20%”，这个洞察是怎么得出的？倪正民：我们发现大多数用户对AI的使用还停留在非常基础的交互层面，比如简单的问答、询问天气这样的需求。通过分析我们的用户行为数据，发现大量用户并不了解如何给AI下达有效指令，也不清楚AI的能力边界在哪里。举个例子，我们看到有用户会问“帮我写个商业计划书”这样笼统的需求，但真正会写出“帮我针对早教行业，写一份包含市场分析和财务预测的创业计划书，重点关注XX”这样具体指令的用户，可能只有一小部分。因此flowith推出了提示词增强模式、知识库功能等，就是希望通过产品来降低他们的学习和使用门槛。甲子光年：从我们的角度看，flowith革新了AI产品的交互方式，你是怎么看待人机交互的？倪正民：我观察到一个矛盾：大模型本质是并发的信息处理器，却被塞进单线程的聊天框里。就像要求建筑师只能用粉笔在走廊墙面作设计图。交互设计不仅是界面问题，更是思维模式的外化。在flowith的节点式画布里，用户会自然地进行多任务切换、对比生成结果和建立思维分支，这正是人类面对复杂问题时的真实思考方式。 未来交互设计不会有“标准答案”，而是像水一样适配不同思维形态，我们在实验的下一代交互是能让人像指挥交响乐般协调多个AI能力模块，我认为这也是大模型释放潜力的关键。甲子光年：交互方式只有GUI（图形界面）和CUI（对话界面）两种方式吗？节点式交互方式，相较于线性交互方式的优点在哪里？节点式交互是我们在探索人机协作时提出的结构性创新。相较于传统线性交互（如ChatGPT的聊天列表），节点式交互优势有两点：1. 多线程与空间自由：线性交互强制用户按时间顺序回溯信息，而节点式允许在画布上同时展开多个任务分支（例如同时测试不同Prompt的效果、并行调用多个模型），并自由拖拽、缩放、关联节点。这种设计更贴近人类思维的发散性，就像在白板上写草稿，能随时跳转层级、横向拓展思路。 2. 工作流显性化：节点将思考过程可视化，每个生成结果、修改记录、对比选择都保留在画布上，形成可复用的逻辑链条。操作时先让AI生成5个创业点子，再针对某个点子分支出市场分析、竞品调研、原型设计等多个并行任务，最终整合成完整方案。这种结构天然适配深度创作场景，能避免了线性对话中信息碎片化的问题。
简单来说，节点式交互不是要取代现有模式，而是为需要反复生成、对比、迭代的任务提供更高效的载体。就像使用Figma取代单张PSD文件，它让创作过程从“流水线”变成了“可组装的积木”。甲子光年：有博主测评表示，flowith可以在对话交互中保留主线程并多开子线程，但对于线程之间的切换是否流畅存疑。针对这一点，flowith目前的线程切换功能是怎么样的？你如何看待Cursor在交互和LLM上下文管理方面的表现？Cursor是一个伟大的产品。我是它的深度用户，也在我们的开发团队中强力推过它以及一些它的特别功能。我觉得Cursor做得最好的就是通过交互实现了LLM更好的context管理，同时配合能力足够的LLM模型（Claude 3.5 Sonnet）因此给用户提供了超凡的体验，并获得了大量的市场反馈。倪正民：我的产品方法论主要源于直接的实践。其实最早我也没有太多产品的概念，因为我接触计算机比较早，一直是”先做后说，边学边做“的状态。在小学到高中。我做了很多小产品和作品，也拿了一些奖项。高中时我成了一个线上设计工作室然后课余时间接项目，主要做网站制作和设计，这也成为我赚到第一桶金的来源，累计约20万元人民币。高中时期的倪正民（DerekNee）
这些看似零散的实践让我意识到，人们不只为技术买单，但会为体验背后的情绪共鸣付费。真正让我从技术向产品的转折是在开发社交产品时，读到张小龙说“产品经理是站在上帝身边的人”时，我突然意识到，自己在那些商业项目中积累的设计经验和用户行为观察，实际上是一种解构人性的原始方法论。这些认知后来都沉淀为flowith的底层设计原则：用工程思维实现人性化体验。甲子光年：什么样的产品才是真正的AI原生产品？你最喜欢的AI产品是什么？倪正民：哈哈，像flowith这样的产品吧。除此之外，我的2024年度AI产品只有Cursor了。 一是交互形态由AI能力重新定义，而不只是把 AI 塞进传统产品框架。比如Cursor用LLM重构了代码编辑器的底层逻辑——它不再只是“写代码的工具”，而是通过实时分析、智能补全和对话式调试，让编码过程变成人与AI的共谋；
二是产品价值密度与AI特性深度绑定，如果抽离AI能力，产品核心功能会崩塌。比如flowith的节点式对话和画布协作，本质是将AI的多线程、发散性思维外显为空间化的信息结构，这和传统聊天工具线性堆叠的对话框有本质区别。
我最欣赏的是用AI重新发明轮子，而非给旧轮子贴金箔的产品。5.谈个人：科技乐观主义者、黑客和设计师
甲子光年：之前我们了解到，你给自己的定义是techno-optimist（科技乐观主义者）、hacker（黑客）和designer（设计师），为什么会这样定义自己？为什么没把自己定义为“产品经理”？倪正民：我觉得产品经理更像职业，而“techno-optimist, hacker和designer”则将会成为我的墓志铭。换言之产品经理是我目前实现目的的手段，而后者是底层操作系统。Techno-optimist需要像物理学家相信定律般笃定科技必然推动人类进步。Hacker的本质是用技术破坏旧范式来创造新可能，Designer则代表着人文艺术与创造的融合，同时保持对“美”的强迫症。我由衷的相信和希望人类的未来将会更美好，而并非变得更坏。产品经理这个角色对我来说就像脚手架，当建筑落成时自会拆除。真正不朽的是建筑本身承载的信念——用技术赋予创造者神之力，用设计让每个像素传递诗意，这才是值得刻在石头上的东西。甲子光年：你是一个连续创业者，我很好奇你最痴迷的什么？倪正民：过去我一直在尝试“做东西”，虽然做的事物千奇百怪，从计算机渲染、到摄影、网站、iOS App、硬件产品、音乐、文章、AI、游戏……但本质都是一件事：在创作中追随“美”。所以我最痴迷的，也是从各种媒介的创作中获得美的体验。当你通过创造来找到美的那一刻，你的心灵及头脑将获得极大的快感。无论是经历30小时计算后，在渲染器中看到第一束精确的物理级焦散光斑，或是费尽心思终于想出一个无比优雅的算法逻辑，抑或是在手机上划动着由你一行行代码写出的丝滑UI，都会觉得之前成百上千个小时的工作是有意义的。甲子光年：聊聊团队吧，你会招怎样的人加入？你最看重的个人能力是什么？倪正民：我会寻找将工作视为创作而非职业的人。真正优秀的人才往往不是为了谋生而工作，而是把工作当作自我表达和实现的载体。虽然现在寻求就业机会的人才很多，但这样的人依然还是少数，因此我们一直在持续寻找。甲子光年：我看你经常发小红书，甚至还通过小红书招人。我们未来会继续探索社交平台招聘模式，但不会局限于单一渠道。关键不在于平台，而在于建立人才与企业的双向吸引：通过持续输出产品理念、工作文化等原生内容，吸引真正认同我们愿景的人主动连接。这种基于价值观和文化的招聘效率，远高于传统岗位描述的关键词匹配。甲子光年：你在去年11月时曾说：“对我来说，唯一重要的也是让产品的飞轮转起。每天似乎事情很杂乱，但最重要的，就是去需要找到更多优秀的人，拿到更好的钱，做出更卓越的产品，并让这一切加速。”现在两个月过去了，你的状态有变化吗？我们相比两个月前，有了更好的产品，也迎来了多个超棒的同事，还有多家美元VC在给我们 TS，更棒的是飞轮各环节开始互相驱动了。比如刚加入的交互设计师优化了我们多线程对话，让用户留存直接涨了10%，这数据又带来了更多好的市场反馈，成为了投资机构加注的依据。这里的飞轮就像滑雪冲下陡坡，初期最费力，一旦过了某个临界点，重力自然会带着你加速。我们现在要做的，就是保持平衡，别让飞轮偏离轨道。马上就到春节了，年后我们会有更大的动作，大家可以期待下。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
