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。
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。
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。
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。
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★。
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。
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。
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★★★。
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。
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★★。
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★★★？
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。
1★★. 多线程与空间自由★：线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。
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？
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。
“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」★★。
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★★：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。
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：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。
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。
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★★？
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★。
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”。
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★。
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。
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★★★。
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。
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★。
最开始做这样一个AI生成工具的契机★★★，源自我自己使用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。
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★★★。
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★★★。
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。
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。
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。
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。
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。
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。
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？
节点式交互是我们在探索人机协作时提出的结构性创新。相较于传统线互（如ChatGPT的聊天列表），节点式交互优势有两点★★：
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。
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。
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★？
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？
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。”
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；
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★★★。
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★★。
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★★★。
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。
比如刚加入的交互设计师优化了我们多线程对线%，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★★。
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.
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。
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”。
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。
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★★★。
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★★★。
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★★★？
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。
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。
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。
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。
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。
「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。
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。
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）。
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。
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。
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。
★“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」★★。
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？
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★？
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★★。
原标题★★★：《对话flowith创始人★：chatbot式AI将成为历史｜甲子光年》
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。
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★★？
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：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？
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。
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？
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★★”★。
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。
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。
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：
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★。
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★★。
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。
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。
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。
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★★★。
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 Jobss Mind”★“Matt Levines 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。
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。
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。
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？
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★。
本文为澎湃号作者或机构在澎湃新闻上传并发布★★，仅代表该作者或机构观点★★，不代表澎湃新闻的观点或立场★★★，澎湃新闻仅提供信息发布平台★★★。申请澎湃号请用电脑访问。
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。
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。
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。
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。
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。
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。